实验7-3：可视化探索
4.1 分析框架
由于数据特点为内容同质化、平台固定、标题是主要差异来源，因此分析聚焦于5个维度：
核心指标：整体表现如何？
排名分析：谁做得好？什么内容做得好？
标题影响：标题关键词如何影响数据？
趋势分析：数据随时间如何变化？
平台对比：B站与CSDN表现差异？
4.2 仪表盘布局
采用“先总后分、左右对照”的布局：
顶部指标卡（两行）：全平台概况 + B站/CSDN分平台指标
左右两栏：左栏B站分析，右栏CSDN分析
每栏内部按“排名 → 标题分析 → 趋势”排列
4.3 实验步骤（关键图表制作）
步骤1-2：连接数据源并构建数据集
使用summary_all_platforms、content_analysis、title_feature_analysis三张表构建3个数据集。
步骤3：制作工作表
（1）核心指标卡
指标卡 数据源 配置要点
全平台作品数 全平台概况 求和所有平台content_count
分发平台数 全平台概况 平台去重计数
全平台总浏览数 全平台概况 求和total_views
全平台总互动数 全平台概况 求和总互动（需计算字段）
B站作品数 全平台概况 平台=B站 的计数
CSDN作品数 全平台概况 平台=CSDN 的计数
B站总播放量 全平台概况 平台=B站 的求和views
CSDN总阅读量 全平台概况 平台=CSDN 的求和views
（2）排名图表
B站/CSDN学生平均播放量排名TOP10：维度=作者名称，指标=平均值(浏览数量)
B站/CSDN作品播放量排名TOP10：维度=作品标题，指标=浏览数量
（3）标题影响分析
提升倍率条形图：分别计算含某关键词的平均播放量 ÷ 整体平均播放量
标题特征对比柱状图：含关键词vs不含关键词的平均互动对比（含整体平均线）
（4）趋势分析
B站每日播放量趋势折线图：维度=日期，指标=求和(浏览数量)
CSDN每日阅读量趋势折线图：同上
五、核心知识点总结
知识点 说明
多条件过滤 使用AND/OR组合实现“平台+有效记录”双重过滤
缺失值处理 统一填充默认值（如“未知”），避免计算异常
宽表设计 一次清洗、多次使用，支撑后续全部分析
JavaScript代码组件 用于文本关键词自动标注，实现特征工程
插入/更新 vs 表输出 按主键更新，避免重复数据
分支处理 + 常量标识 多分支聚合后通过常量标签区分不同分组
指标卡设计 核心KPI突出展示，让读者几秒内建立整体认知
排名+标题+趋势组合 从“谁做得好”到“为什么好”再到“规律如何”的完整分析链
提升倍率计算 量化标题关键词的实际影响（含该词平均 ÷ 整体平均）
（支持资料、图片参考_相关定制）_文章底部可以扫码)
