山东大学软件学院项目实训个人纪实（三）——可视化的探索

   写作目的：为积极响应戴鸿君老师对项目实训内容的建设性意见，特写本系列个人纪实，记录团队在项目实训的工作中个人的贡献。

        本文旨在分析如何将历史判决条款中的重要案例与重要判决法条，以可视化的形式，如饼图，词云等，呈现给用户

        一个简单的法律文书生成系统的实用性并不强，因此团队考虑如何在视觉上优化用户体验，实现可视化的数据展示，因此我在如何将数据更加优美地展示在用户的眼中。

可视化的基本技术栈：

1. 数据存储和处理：

   • 数据库管理系统（如MySQL, PostgreSQL, MongoDB）
   • 数据仓库解决方案（如Amazon Redshift, Google BigQuery）
   • 数据处理和分析工具（如Apache Spark, Hadoop）

2. 数据清洗和转换：

   • ETL（Extract, Transform, Load）工具（如Talend, Apache NiFi）
   • 脚本语言（如Python, R, JavaScript）

3. 数据建模：

   • 数据建模工具（如ER/Studio, MySQL Workbench）
   • BI（Business Intelligence）工具（如Tableau, Power BI）

4. 前端开发：

   • HTML/CSS/JavaScript：基础的Web开发技术。
   • 前端框架和库（如React, Angular, Vue.js）
   • 数据可视化库（如D3.js, Chart.js, Highcharts）

5. 后端开发：

   • 服务器端语言（如Java, Python, Node.js）
   • Web框架（如Express.js, Django, Flask）
   • RESTful API设计

6. API和集成：

   • 数据API服务（如Google Charts API, Twitter API）
   • 第三方服务集成（如Google Maps, Facebook）

7. 可视化设计：

   • 设计原则和最佳实践
   • 用户体验（UX）设计工具（如Sketch, Adobe XD, Figma）

8. 交互式可视化：

   • 交互式图表和仪表板工具（如Tableau, Looker）
   • 交互式可视化编程环境（如Jupyter Notebook）

9. 性能优化：

   • 前端性能优化工具（如Webpack, Gulp）
   • 后端性能优化技术（如缓存策略, 数据库索引）

10. 安全性：

    • 数据加密和安全传输（如HTTPS, SSL/TLS）
    • 用户认证和授权（如OAuth, JWT）

11. 部署和运维：

    • 云服务平台（如AWS, Google Cloud Platform, Azure）
    • 容器化和编排工具（如Docker, Kubernetes）
    • 持续集成和持续部署（CI/CD）工具（如Jenkins, GitLab CI）

12. 测试：

    • 单元测试和集成测试框架（如Jest, Mocha, Selenium）
    • 性能测试工具（如LoadRunner, JMeter）

13. 项目管理和协作：

    • 项目管理工具（如Jira, Trello）
    • 版本控制系统（如Git）
    • 代码编辑器和IDE（如Visual Studio Code, IntelliJ IDEA）

14. 文档和支持：

    • 文档生成工具（如JSDoc, Styleguidist）
    • 用户手册和在线帮助系统

可视化的基本方式：（以python和pyecharts为例）

import pandas as pd
import jieba
from pyecharts.charts import WordCloud
from pyecharts import options as opts
from collections import Counter

# 读取 Excel 文件
df = pd.read_excel('起风了评论表.xls')

# 清洗和分词
def clean_and_segment(text):
    # 去除标点符号和数字
    text = ''.join([char for char in text if (char.isalpha() or char == ' ') and not char.isdigit()])
    # 分词
    words = jieba.cut(text, cut_all=False)
    return ' '.join(words)

# 应用清洗和分词函数
df['comment'] = df['评论内容'].apply(clean_and_segment)

# 提取关键词（这里简化处理，只取前10个词）
words = ' '.join(df['comment']).split()
# 将所有评论合并成一个字符串
all_comments = ' '.join(df['comment'])

# 使用 Counter 来计算每个单词的出现次数
word_counts = Counter(all_comments.split())

# 获取出现次数最多的前10个单词
top_words = word_counts.most_common(100)

# 将单词和它们的权重转换为一个字典
words_dict = {word: count for word, count in top_words}

# 将字典转换为列表，每个元素是一个包含两个元素的元组（单词和权重）
words_list = list(words_dict.items())

# 生成词云图
word_cloud = (
    WordCloud()
    .add("", words_list, word_size_range=[30, 100], shape='star')
    .set_global_opts(title_opts=opts.TitleOpts(title="评论关键词词云图"))
)

# 渲染图表到 HTML 文件中
word_cloud.render('起风了评论表关键词词云图.html')

还可以进行这样的尝试：如果需要使用其他类型的图表的话

from pyecharts import options as opts
#导入Pie类
from pyecharts.charts import Pie

#饼图的数据类型，为列表的嵌套：[[key1, value1], [key2, value2]]
song_list = [972, 685, 553, 852, 472, 257, 243, 1307, 320, 438]
singer_list = ['周杰伦','林俊杰','王力宏','张杰','汪苏泷','许嵩','薛之谦','陈奕迅','李荣浩','陶喆']
#使用zip函数后[(972, '周杰伦'), (685, '林俊杰'), (553, '王力宏'), (852, '张杰'), (472, '汪苏泷'), (257, '许嵩'), (243, '薛之谦'), (1307, '陈奕迅'), (320, '李荣浩'), (438, '陶喆')]
#再将其中的元组转换成列表
data_pair =  [list(i) for i in zip(singer_list,song_list)]

def set_pie():
    pie = Pie()
    pie.add(
        series_name = '',
        data_pair = data_pair,
        color = 'red',
        #设置图表的标签(指示图表区域),formatter是设置标签内容格式，在饼图中：{a}（系列名称），{b}（数据项名称），{c}（数值）, {d}（百分比）
        label_opts = opts.LabelOpts(is_show=True,formatter='{b}:{c} \n ({d}%)'),
        # 是否展示成南丁格尔图，通过半径区分数据大小，有'radius'和'area'两种模式。
        # radius：扇区圆心角展现数据的百分比，半径展现数据的大小
        # area：所有扇区圆心角相同，仅通过半径展现数据大小
        rosetype = 'radius',
        # 饼图的半径，数组的第一项是内半径，第二项是外半径
        # 默认设置成百分比，相对于容器高宽中较小的一项的一半
        radius=['20%','75%']
    )
    pie.set_global_opts(
        #设置图例形状,位置,orient表示横向还是纵向，horizontal和vertical
        legend_opts=opts.LegendOpts(legend_icon='pin',orient='vertical',pos_right='10%'),
        #设置图表主标题，副标题和标题位置
        title_opts=opts.TitleOpts(title = '我喜欢的九位歌手',subtitle='数错了,是十位',pos_left='20%'),
    )
    #设置饼图的颜色，可选项，不设也有默认的颜色。
    pie.set_colors(['blue','red','orange','yellow','green','purple','black','brown','pink','grey'])
    return pie


pie = set_pie()
pie.render('饼图.html')