上市公司数据分析
从中商情报网下载的数据，表格中会存在很多的问题，查看数据的信息有无缺失，然后做数据的清晰，有无重复值，异常数据，省份和城市的列名称和数据是不对照的，删除掉一些不需要的数据，省份不完整的数据，然后进行数据分析以及可视化，如上市公司中的行业Top5，用饼图绘制；绘制哪些城市的上市公司数量最多Top10，用柱形图绘制；北上深上市公司数量占比，绘制饼图或者水球图；根据上市年份画出上市公司数量；上市公司的分布，集中在一线城市辐射范围内，也跟地域有关；把所有的子图全部布局到一起，生成网页文件，在网页文件中可以拖拽图表进行重新布局，布局完成后点击网页上的‘save config’按钮，会生成chart_config.json文件，把文件 复制粘贴到代码的同级目录下，然后使用Page的保存格式进行保存。
1.导入数据
2.数据清洗
3.数据分析及可视化
3.0 上市公司中行业Top5
3.1 哪些城市的上市公司数量最多（Top10)
3.2 北上深上市公司数量占比
3.3 上市公司数量（按上市年份）
3.4 上市公司分布
3.5 做可视化的大屏
根据以上制作的图表，制作可视化的大屏。
打开生成的html文件，图表带虚线框，可以调整大小和位置，拖动鼠标进行图形的摆放
摆放完成后，点击左上角save config，把得到的json文件保存到代码的同级目录下，运行以下代码。
得到最终可视化大屏的图表。
PPT中插入可视化图表
在PPt中插入浏览器的图片的渲染效果。
- 需要先进行注册表的设置
将该注册表中(打开CMD命令输入regedit)
定位到：HKEY_LOCAL_MACHINE\SOFTWARE\WOW6432Node\Microsoft\Internet Explorer\ActiveX Compatibility{8856F961-340A-11D0-A96B-00C04FD705A2}
将右侧 Compatibility Flags值21改为十六位0
定位到：\HKEY_LOCAL_MACHINE\SOFTWARE\WOW6432Node\Microsoft\Internet Explorer\ActiveX Compatibility{8856F961-340A-11D0-A96B-00C04FD705A2}
将右侧 Compatibility Flags值21改为十六位0
HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Office\ClickToRun\REGISTRY\MACHINE\Software\Microsoft\Office\16.0\Common\COM Compatibility{8856F961-340A-11D0-A96B-00C04FD705A2}
将右侧 Compatibility Flags值400改为十六位0
2.PowerPoint2003以上的版本，文件—>选项—>自定义功能区中添加开发工具选项卡，添加Web browser控件。
3.开发工具---->控件----->其他控件
选择 Microsoft Web Browser，单击确定。
4.在PPt上 画出 图表显示的范围，调整矩形框的大小。然后在控件组中选择命令按钮，进入放在ppt上，双击命令按钮进入代码编写模式，如图所示添加第二行代码，括号内为生成图表的位置及名称。
5.关闭代码框，进入ppt放映状态，单击命令按钮，允许ActiveX控件运行就可以了
6.单击"是"，允许文件运行活动内容。
7.保存文件为 启用宏的PowerPoint演示文稿。
遇到的问题：
百度搜索bootCDN，搜索echarts，找到合适的链接复制下来，用记事本打开html文件替换掉图表的scr
案例分析-黑色星期五
数据背景
了解以下数据是关于什么内容的，从哪来的，可靠性如何。美国黑色星期五的数据集，类似于美国版的双11。大多数的商品进行打折促销，很多人去采购各种商品，
分析方向
根据分析需求进行分析操作，假想从以下几个角度进行设想分析，实际的分析还要基于问题进行，以后遇到销售问题可以进行参考。
1.销售画像
作为销售数据，要进行销售画像，对销售情况做简单的了解，如破案时对犯罪嫌疑人的心理活动进行画像，主要从销售总览、用户情况、商品情况进行分析；
2.用户画像
只要从性别分布和消费情况、年龄分布和消费情况、不同城市的用户和消费情况。
3.商品画像
主要从最喜欢的商品分布和消费情况、不同年龄段喜欢商品分布和消费情况、男女喜欢的商品和消费情况
数据分析及可视化
了解完数据背景和分析方向后，就要对数据进行分析及可视化。
一、原始数据
查看数据信息为 数据行和列的个数，数据的个数、数据的类型以及缺失情况。对数据分析有影响的就要填充缺失值，没有影响的话就直接删除或者不进行操作。
User_ID，购物者的ID；Product_ID，商品的ID；Gender，购物者的性别；Age，购物者的年龄范围；Occupation，购物者的行业、职位；City_Category，购物者的城市；Stay_In_Current_City_Years，购物者在城市待的年份；Marital_Status ，结婚状态；Product_Category_1，商品的类别，1，2，3类；Purchase，花费的金额。
二、数据清洗
缺失值的处理，分为删除和填充操作，查看缺失值在数据中的比值。缺失的数据对数据分析没有影响，可以不做处理。
三、数据分析及可视化
EDA，探索性的数据分析，不涉及统计学的知识，做数据的清洗和画图，从图中得到结论。
3.1销售画像
消费者一共消费的总额、用户总人数、人均消费金额、消费商品的总类等。
3.2用户画像
性别分布对消费情况的影响
用pyecharts绘制图表
男女消费金额的比例
%
女生消费人数占28%，但是消费额占到四分之一左右。
婚姻状况对消费的影响
男性女性已婚未婚的比例
已婚，未婚消费的情况
年龄分布对销售情况的影响，主要的消费人群是在哪个年龄段。
不同年龄段消费的金额，26-35岁之间消费的金额最多。
用户所在的城市对消费的影响，B城市的购买力最大，人数少消费占比大。
每个城市花费支出的金额，购买消费能力
每个城市不同年龄段人数的分析
每个城市居住年份人数的比例
居住年份对消费的影响，第1年刚到一个城市消费能力低，游客到外地消费力大，2年的时候准备定居，消费能力比较大，3-4年的时候东西已经有了不会再买大件物品，基本的用品已经购齐了。
职业分类的人数
职业分类对消费金额的影响
四、结论
1.未婚比已婚人群多，商品定位要照顾年轻人
2.集中在18-35年龄范围，购买力大，商品定位在18-35岁之间
3.B城市购买力最大
4.购买人群随着居住年份增加而相应的减少， 居住两年的人群消费能力比较大，住的越久，消费能力越差
5.不同职业差异比较大，重心放在这些购买力大的人群
通过例子了解数据分析的流程，数据清洗过程比较繁琐，可视化比较消耗时间，从图表中发现结论，结论的获得要有依据。
