（超详细）2023年全国职业院校技能大赛-大数据应用开发-数据可视化-子任务4

耐思nice～

已于 2024-05-21 20:51:28 修改

阅读量973

点赞数

CC 4.0 BY-SA版权

分类专栏：大数据比赛-全国职业院校技能大赛文章标签：信息可视化数据可视化大数据

于 2023-11-18 21:40:04 首次发布

本文链接：https://blog.youkuaiyun.com/m0_67447926/article/details/134483878

大数据比赛-全国职业院校技能大赛专栏收录该内容

15 篇文章 ¥49.90 ¥99.00

订阅专栏

超级会员免费看

本篇博客详述了2023年全国职业院校技能大赛大数据应用开发中，数据可视化的子任务四。通过Vue工程，利用接口生成条形图展示2020年消费额最高的5个地区，并在浏览器console输出相关数据结构。文章包含可视化截图、Vue工程代码、本地HTML及JSON数据示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

子任务四：用条形图展示消费额最高的地区

编写Vue工程代码，根据接口，用条形图展示2020年消费额最高的5个地区，同时将用于图表展示的数据结构在浏览器的console中进行打印输出，将图表可视化结果和浏览器console打印结果分别截图并粘贴

（前期准备-看上一篇博客2023年全国职业院校技能大赛-大数据应用开发-数据可视化-子任务1，2）

1，可视化截图如下：

2，对应vue工程如下：

new Vue({
  el: '#chart', // Vue 实例挂载的元素
  mounted() {
    this.fetchDataFromJsonFile(); // 在 Vue 实例挂载

了解本专栏

订阅专栏解锁全文

超级会员免费看

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

耐思nice～

关注关注

0
点赞
踩
11

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
打赏
打赏
打赏举报

举报

专栏目录

订阅专栏

（超详细）2023年全国职业院校技能大赛-大数据应用开发-数据可视化-子任务1，2

数据爬坡ing的博客

11-18

4674

（因为我没有比赛库数据，所以用我自己的数据代替了，环境，数据都是自己的哦）前期准备：vscode,node.js安装，cmd显示如下--注意，vscode需要安装live server。

（超详细）2023年全国职业院校技能大赛-大数据应用开发-数据可视化-子任务3

数据爬坡ing的博客

11-18

976

子任务三：用折线图展示每年上架商品数量的变化编写Vue工程代码，根据接口，用折线图展示每年上架商品数量的变化情况，同时将用于图表展示的数据结构在浏览器的console中进行打印输出，将图表可视化结果和浏览器console打印结果分别截图并粘贴

1 条评论您还未登录，请先登录后发表或查看评论

使用VSC从零开始Vue.js——备赛笔记——2024全国职业院校技能大赛“大数据应用开发”赛项——任务3：数据可视化

ZhiYilang的博客

12-21

3527

网上有些方法是删除C:\Users\用户名\下的.npmrc文件，万万不可这样，因为那个文件删除了，我们前面修改的全局模块目录和缓存目录配置就没了！在安装过程中，自动配置了两个环境变量一个是环境变量—用户变量—Path里面的C:\Users\你的用户名\AppData\Roaming\npm另一个是环境变量—系统变量—Path里面的软件安装目录，我们需要增加和修改一下。（这里修改了，我们就不需要安装cnpm了，因为cnpm就是**Node.js淘宝镜像加速器，**这里配置了就不需要安装了）

2022年大数据技能大赛国赛（模块E，F）

weixin_54412689的博客

10-18

3322

2022年大数据技能大赛国赛（模块E，F）

2023年全国职业院校技能大赛-赛题第03套-GZ033 大数据应用开发

君逍遥o

06-28

2506

服务端登录地址详见各任务服务端说明。补充说明：宿主机及各容器节点可通过Asbru工具或SSH客户端进行SSH访问。 MySQL已在容器的Master中安装完毕，用户名/密码为root/123456

2023大数据应用开发赛题03套

m0_69535058的博客

09-09

1929

大数据应用开发高等职业教育组GZ033大数据时代背景下，电商经营模式发生很大改变。在传统运营模式中，缺乏数据积累，人们在做出一些决策行为过程中，更多是凭借个人经验和直觉，发展路径比较自我封闭。而大数据时代，为人们提供一种全新的思路，通过大量的数据分析得出的结果将更加现实和准确。商家可以对客户的消费行为信息数据进行收集和整理，比如消费者购买产品的花费、选择产品的渠道、偏好产品的类型、产品回购周期、购买产品的目的、消费者家庭背景、工作和生活环境、个人消费观和价值观等。

（超详细）2023年全国职业院校技能大赛-大数据应用开发-数据可视化-子任务5

数据爬坡ing的博客

11-18

1314

任务五：用折柱混合图展示省份平均消费额和地区平均消费额 编写Vue工程代码，根据接口，用折柱混合图展示2020年各省份平均消费额和地区平均消费额的对比情况，柱状图展示平均消费额最高的5个省份，折线图展示这5个省所在的地区的平均消费额变化，同时将用于图表展示的数据结构在浏览器的console中进行打印输出，将图表可视化结果和浏览器console打印结果分别截图并粘贴至对应报告中。

2023年河北省职业院校学生技能大赛-高职组“大数据技术与应用”赛项赛卷-大数据赛项样例数据

12-21

在2023年河北省职业院校学生技能大赛的高职组中，“大数据技术与应用”赛项是一项重要竞赛，旨在检验学生们在大数据领域的理论知识、实践技能以及问题解决能力。此赛项的赛卷包含了大数据赛项的样例数据，为参赛者...

2022高职国家技能大赛（大数据竞赛）-模块E：数据可视化-任务书5

HaveAGoodDay428的博客

03-06

4266

2022高职大数据竞赛-模块E：数据可视化-任务书5

2024大数据职业技能竞赛（国赛）模块E数据展现题解

weixin_62687791的博客

03-22

1619

数据接口api，自行部署（需要接口数据加1:1还原国赛环境私我）

2023年全国职业院校技能大赛-大数据应用开发-数据可视化

HaveAGoodDay428的博客

05-12

9627

2023年全国职业院校技能大赛-大数据应用开发-数据可视化

通过axios技术获取接口数据并处理后，再由基于vue的echarts可视化渲染（完全步骤）

m0_69097184的博客

04-21

1447

前言：满足一些日常开发要求，或者比赛要求而制定的，首先进行接口获取数据，再进行数据的预处理，最后再进行图表渲染，

2023年全国职业院校技能大赛大数据应用开发赛题第02套

旺仔Sec&blog

02-10

947

根据ods_ds_hudi.user_info表中operate_time或create_time作为增量字段(即MySQL中每条数据取这两个时间中较大的那个时间作为增量字段去和ods里的这两个字段中较大的时间进行比较)，只将新增的数据抽入，字段名称、类型不变，同时添加分区，若operate_time为空，则用create_time填充，分区字段为etl_date，类型为String，且值为当前比赛日的前一天日期（分区字段格式为yyyyMMdd）。大数据时代背景下，电商经营模式发生很大改变。

2023年全国职业院校技能大赛-赛题第02套-GZ033 大数据应用开发

君逍遥o

06-27

2238

服务端登录地址详见各任务服务端说明。补充说明：宿主机及各容器节点可通过Asbru工具或SSH客户端进行SSH访问。

2022高职国家技能大赛（大数据竞赛）-模块E：数据可视化-任务书3

HaveAGoodDay428的博客

03-05

2221

2022高职大数据竞赛-模块E：数据可视化-任务书3

（超详细）全国职业院校技能大赛-GZ033大数据应用开发-离散数据处理-子任务3指标计算

数据爬坡ing的博客

12-29

1058

全国职业院校技能大赛-GZ033大数据应用开发-离散数据处理-子任务3指标计算（超详细）

全国职业院校技能大赛-大数据比赛心得体会

数据爬坡ing的博客

12-29

1355

全国职业院校技能大赛-大数据比赛心得体会

2022年大数据技能大赛国赛（模块C，D）

weixin_54412689的博客

10-18

4612

2022年大数据技能大赛国赛（模块C，D）

2023年江苏省职业院校技能大赛高职组“大数据技术与应用”赛项赛卷（样卷）

m0_75165895的博客

10-26

982

通过数据追踪，知道顾客从哪儿来，是看了某网站投放的广告还是通过朋友推荐链接，是新访客还是老用户，喜欢浏览什么产品，购物车有无商品，是否清空，还有每一笔交易记录，精准锁定一定年龄、收入、对产品有兴趣的顾客，对顾客进行分组、标签化，通过不同标签组合运用，获得不同目标群体，以此开展精准推送。编写Vue工程代码，根据接口，用折线图展示某年上半年商城总消费额的变化情况，同时将用于图表展示的数据结构在浏览器的console中进行打印输出，将图表可视化结果和浏览器console打印结果分别截图并粘贴至对应报告中。

2023年全国职业院校技能大赛--GZ033 大数据应用开发 任务F

最新发布

03-20

### 关于2023年全国职业院校技能大赛GZ033大数据应用开发任务F的解析目前提供的引用资料并未直接提及“2023年全国职业院校技能大赛GZ033大数据应用开发任务F”的具体内容。然而，通过类比其他赛项的要求以及常见的大数据竞赛标准，可以推测该任务可能涉及以下几个方面： #### 1. 数据采集与预处理此部分通常要求参赛者能够完成数据源的选择、爬取或导入操作，并对其进行清洗和转换以便后续分析。这一步骤强调对真实世界复杂数据的理解能力以及工具使用的熟练度。例如，在Python中实现简单的网页抓取可以通过如下方式完成： ```python import requests from bs4 import BeautifulSoup url = 'https://example.com' response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') data = soup.find_all('div', class_='content') # 假设目标数据位于特定class下 print([item.text.strip() for item in data]) ``` #### 2. 数据存储与管理针对大规模的数据集，合理选用数据库类型（如关系型MySQL/PostgreSQL或者NoSQL MongoDB/HBase），并设计高效的表结构来满足查询性能的需求显得尤为重要[^1]。假设采用MongoDB作为非结构化文档存储解决方案，则初始化连接过程可表示为： ```javascript const { MongoClient } = require('mongodb'); async function main(){ const uri = "your_mongodb_connection_string"; const client = new MongoClient(uri); try { await client.connect(); console.log("Connected correctly to server"); const database = client.db('test_database'); const collection = database.collection('documents'); // Perform actions on the collection object } finally { await client.close(); } } main().catch(console.error); ``` #### 3. 数据挖掘与机器学习建模利用统计学方法探索隐藏模式或是训练预测模型是比赛中的核心环节之一。这里不仅考验算法理论基础，还关注工程实践技巧比如特征工程优化等。下面展示了一个基于Scikit-Learn库构建随机森林分类器的例子： ```python from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score X_train, X_test, y_train, y_test = train_test_split(features, labels, test_size=0.2, random_state=42) rf_clf = RandomForestClassifier(n_estimators=100, max_depth=None, min_samples_split=2, bootstrap=True) rf_clf.fit(X_train, y_train) predictions = rf_clf.predict(X_test) accuracy = accuracy_score(y_test, predictions) print(f'Accuracy: {accuracy}') ``` #### 4. 可视化呈现结果最后阶段往往需要借助图表等形式直观表达发现规律给评审团看。Matplotlib、Seaborn甚至是D3.js都是不错的选择用于制作高质量图形作品。以下是绘制折线图的一个基本实例： ```python import matplotlib.pyplot as plt plt.figure(figsize=(8,6)) plt.plot(x_values, y_values, label='Trend Line', color='blue') plt.title('Sample Trend Analysis') plt.xlabel('Time Periods') plt.ylabel('Value Measurements') plt.legend() plt.grid(True) plt.show() ``` 尽管以上内容并非完全对应具体题目说明文件里的条款描述，但它代表了一般情况下此类赛事所考察的知识范畴和技术要点[^2]。