# dailywork_visual

**Repository Path**: rain_heart/dailywork_visual

## Basic Information

- **Project Name**: dailywork_visual
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-12-07
- **Last Updated**: 2024-12-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 主播数据分析项目

## 项目概述
- 项目背景：基于直播平台数据，分析主播运营情况和业绩表现
- 项目目标：通过数据分析提供运营决策支持，优化主播管理策略
- 开发进展：正在进行数据分析系统的开发和优化

## 数据库结构
### 总体情况
- 数据库规模：5张表
- Schema分布：dbo
- 核心表：Anchors_List（主播信息表）、Anchors_Waters（流水记录表）
- 数据量：
  * Anchors_List：369,287行
  * Anchors_Waters：13,906,211行

### 核心业务表
#### 1. 主播信息表（Anchors_List）
- 表用途：存储主播的基础信息和属性数据
- 更新周期：月度更新
- 核心字段：
  * 年月：数据所属年月
  * 后台ID：主播唯一标识（最大长度30）
  * 抖音ID：平台账号标识
  * 昵称：主播显示名称
  * 入驻时间：开始合作时间
  * 签约情况：合作关系类型
  * 所属分公司：组织归属
  * 招募：在合作初期或前期，与主播建立联系的人
  * 运营：与主播达成三方合作关系后，负责主播运营的人
  * 进入核心组月份：首次达到月流水50000的时间
  * 总流水：当月流水
  * 总时长：当月直播时长
  * 有效天：当月有效直播天数
  * 后台状态：合作关系状态

#### 2. 流水记录表（Anchors_Waters）
- 表用途：记录主播每日直播数据
- 更新周期：每日更新
- 核心字段：
  * 日期：数据日期
  * 后台ID：关联主播信息
  * 流水：直播营收（元）
  * 时长：直播时长（小时）
  * 有效天：是否为有效直播日（0/1）

### 表关系说明
- 实体关系：
  * Anchors_List（主表）1:N Anchors_Waters（明细表）
  * 通过后台ID字段关联
- 数据流向：
  * 主播基础信息 → Anchors_List
  * 每日直播数据 → Anchors_Waters
- 关联规则：
  * 每个主播可以有多条直播记录
  * 每条直播记录必须对应一个有效主播
  * 后台ID作为关联键确保数据完整性

## 业务指标说明
### 核心指标
- 流水：
  * 定义：直播营收金额
  * 单位：元
  * 统计周期：日/月
- 时长：
  * 定义：直播时长
  * 单位：小时
  * 统计周期：日/月
- 有效天：
  * 定义：有效直播日计数
  * 判定标准：单日至少一场直播连续开播一小时，无须用户判断，0/1代表判断结果
  * 取值：0或1

### 业务规则
- 数据更新规则：
  * Anchors_List：月度更新主播基础信息
  * Anchors_Waters：每日更新直播数据
  * 保持后台ID的一致性和有效性
- 业务约束条件：
  * 核心组判定：月流水达到50000即为核心组成员
  * 角色职责：
    * 招募：负责前期接洽，与潜在主播建立合作关系
    * 运营：负责[签约]主播的日常运营管理和业绩提升

## 开发文档
### 文档结构
- docs/
  * database_analysis.md：数据库结构分析
  * knowledge_base.md：主播数据分析知识库
  * prompt.md：开发提示词

### 开发工具
#### PySQLConnect.py
- 用途：本地数据库连接示例代码（仅供参考，不可修改）
- 主要功能：
  * 数据库连接配置
  * Select：执行查询操作
  * Insert：批量插入DataFrame数据
  * Update：执行更新操作
  * Delete：执行删除操作
- 技术特点：
  * 使用pymssql驱动
  * 支持pandas DataFrame的数据操作
  * 包含基本的异常处理

## 项目进展
- 当前阶段：数据分析系统开发阶段
- 已完成工作：
  * 数据库结构分析
  * 核心指标定义
  * 基础文档建设
- 待开发功能：
  * 数据分析模块
  * 可视化展示
  * 自动化报表

## 更新日志
### 2024-12-07
- 创建项目基础文档
- 完成数据库结构分析
- 建立核心指标体系

### 2024-12-08
- 解决pyecharts图表数据错位问题
  * 发现问题：折线图数据点与X轴刻度不对齐
  * 分析过程：从图表配置到数据处理，最终定位到X轴数据类型问题
  * 解决方案：
    * 将X轴数据统一转换为字符串类型
    * 遵循pyecharts的数据添加规范，先设置X轴数据，再添加Y轴数据
  * 技术要点：
    * Line图表的X轴数据必须是字符串类型
    * add_xaxis应在所有add_yaxis之前调用
    * 保持所有数据系列与X轴的对齐
    * 确保数据的完整性和连续性
  * 经验总结：
    * 使用可视化库时，需要严格遵守数据类型要求
    * 对于pyecharts，X轴标签必须是字符串，这是一个强制要求
    * 在处理数值型数据作为X轴标签时，记得进行类型转换

### 2024-12-09
- 完成图表生成模块重构
  * 实现了图表工厂模式
  * 分离了配置与业务逻辑
  * 优化了代码结构和复用性
  * 主要改进:
    * 创建配置类管理图表样式
    * 实现工厂类处理图表创建
    * 支持灵活的数据处理
    * 简化了图表创建接口
  * 技术要点:
    * 使用@dataclass简化配置类设计
    * 实现配置的继承和组合
    * 支持pandas.Series数据输入
    * 优化了数据聚合逻辑
  * 经验总结:
    * 配置与逻辑分离提高了代码可维护性
    * 工厂模式简化了图表创建过程
    * 类型提示改善了代码可读性
    * 接口设计影响使用体验

## 开发任务

### 1. 创建折线图来比较不同时期的流水数据 - 开发中

#### 任务目标
- 生成三个月份流水数据的对比折线图
- 按分公司、小组分别生成图片
- 快速查看数据趋势

#### 开发步骤
##### 1. 数据获取
- SQL查询开发
  * 目标：获取三个时间段的日流水数据
  * 时间：2024.12、2024.09、2023.12
  * 维度：分公司、小组

##### 2. 数据处理
- 数据聚合
  * 分公司维度：日期+分公司分组
  * 小组维度：日期+小组分组
  * 聚合指标：sum(流水)

##### 3. 可视化实现
- 使用pyecharts创建折线图
- 基本配置：
  * 图表类型：Line
  * 基本样式：折线颜色、阴影效果
  * 图例位置：右上角

##### 4. 输出文件
- 图片格式：PNG
- 命名规则：{organization_type}_{organization_name}_trend_{YYYYMMDD}.png

#### 注意事项
- 确保数据完整性
- 图片清晰度要求
- 合理的图表比例

#### 验收标准
- 图表内容完整
- 显示效果清晰
- 文件命名规范

### 2. 图表生成模块重构 - 已完成

#### 设计思路
- 目标：将图表配置与数据处理逻辑分离，提高代码复用性
- 架构设计：
  * 配置模块：管理图表的样式和行为配置
  * 工厂模块：提供统一的图表创建接口
  * 工具模块：提供数据处理和辅助功能

#### 预期优势
- 配置和逻辑分离，便于维护
- 提高代码复用性
- 支持更灵活的数据处理
- 便于扩展新的图表类型
- 统一的接口设计


### 3. 数据可视化布局优化 - 待开发

#### 现状问题
- 图表分散输出，空间利用率低
- 缺乏交互式筛选功能
- 图表之间缺乏关联性
- 不便于数据对比分析

#### 优化目标
- 实现多图表组合布局
- 添加交互式筛选功能
- 支持图表联动效果
- 提高空间利用率
- 增强数据对比体验

#### 技术方案
##### 布局设计
- 使用Grid布局实现多图表组合
- 使用Tab组件实现分类切换
- 使用Timeline实现时间维度切换
- 添加DataZoom支持数据范围筛选

##### 交互设计
- 支持���组、分公司多维度筛选
- 支持时间范围选择
- 实现图表联动效果
- 添加数据缩放功能

#### 技术难点
- 大数据量下的性能优化
- 多图表联动的事件处理
- 布局自适应的实现
- 筛选条件的状态管理
- 数据更新时的图表刷新

#### 开发步骤
1. 数据结构优化
   - 重新设计数据组织方式
   - 优化数据加载逻辑
   - 实现数据缓存机制

2. 布局系统开发
   - 实现Grid布局框架
   - 开发Tab切换组件
   - 集成Timeline组件
   - 添加筛选器组件

3. 交互功能实现
   - 开发筛选逻辑
   - 实现图表联动
   - 添加缩放控制
   - 优化刷新机制

4. 性能优化
   - 实现数据懒加载
   - 优化渲染性能
   - 添加缓存机制
   - 控制更新频率

#### 验收标准
- 布局合理，空间利用率高
- 筛选功能完整且易用
- 图表联动效果流畅
- 大数据量下性能表现良好
- 交互体验流畅自然