数据可视化期末报告

1 报告要求

• 期末实验报告由5章节5个图形组成，每个章节需要作一个图形。

• 每个章节选择作什么图自主选择，作图前补充完整图形标题名称，例如：图形1——多变量条形图。

• 案例数据自主收集，不同章节可以公用一个数据集。但同学间不允许使用相同数据集。

• 每个章节的数据集合需要通过datatable 函数展示，并简要解释数据来源和变量意义。

• 每个输出图形后需要对图形作简要解读，最少需针对图形提出一个观点。

• 渲染html文件保留代码展示，6月22日前将发布网址提交至共享文档“8、期末报告” 列中。

• 评分标准：

  • 每章节图形各20分

  • 能有效输出图形和合理解释75%

  • 数据独特性强10%

  • 图形个性化强15%

2 类别数据可视化

2.1 案例数据解释与展示

library(data.table)
library(DT)
library(dplyr)
library(ggplot2)
library(forcats)
library(RColorBrewer)
data=fread("在线课程数据1.csv")
DT::datatable(data, rownames = FALSE)

2.2 图形1——环形图

library(gridExtra)
library(ggiraphExtra)

p1<-ggDonut(data,aes(donuts=课程类目,count=报名人数),
  labelposition=1,labelsize=2.5,            
  xmin=2,xmax=4,                             
  title="报名人数占比图")    
grid.arrange(p1)               

• 图形解读：
• 数据科学占比最高（37.7%），其次是人工智能（33.1%），两者合计超过70%，显示这两个领域是当前学习的热门方向。商务课程占比最低（7.4%），可能与课程内容实用性或市场需求相关。市场营销占比21.7%，处于中间位置，反映稳定但非爆发性需求。
• 由此提出对未来的课程销售建议，数据科学和人工智能的报名人数占比高，且数据科学的完课率和考试成绩均领先，建议加强资源倾斜，优化课程内容、增加进阶模块。人工智能的完课率较低，需排查原因，是否因为课程难度大、学员基础不足。商务课程需改进报名人数和成绩均垫底，建议重新评估课程定位，是否与市场需求脱节？是否需要增加实战案例或行业合作提升吸引力？教学质量提升空间，所有课程评价均未超过3.3分（满分5分），需收集学员反馈，针对性改进，加强讲师培训或引入行业专家，优化课程互动性与实用性。市场营销课程潜力报名人数和成绩中等，但评价相对较高（3.2分），可尝试扩大宣传或细分领域来提升占比。
• 数据科学和人工智能是核心增长点，但需解决人工智能的完课率问题；商务课程需彻底改革；整体教学质量（尤其学员满意度）是未来优化重点。

3 数据分布可视化

3.1 案例数据解释与展示

library(tidyr)
library(gridExtra)
library(ggiraphExtra)

data1=fread("在线课程数据.csv")
df <- data1 |>  select(完课率,考试平均得分) |> 
  gather(完课率,考试平均得分,key=指标,value=指标值)   # 融合数据

DT::datatable(df,rownames = FALSE)

3.2 图形2——叠加直方图和镜像直方图

library(tidyverse)
library(ggplot2)
library(aplpack)
# 图（a）叠加直方图
p1<-ggplot(df)+aes(x=指标值,y=..density..,fill=指标)+
  geom_histogram(position="identity",color="gray60",alpha=0.5)+
  theme(legend.position=c(0.25,0.8),
       legend.background=element_rect(fill="grey90",color="grey"))+
  ggtitle("(a) 完课率和考试平均得分的叠加直方图")

# 图（b）镜像直方图
p2<-ggplot(data1)+aes(x=x)+
   geom_histogram(aes(x=完课率,y=..density..),color="grey50",fill="red",alpha=0.3)+
   geom_label(aes(x=100,y=0.0075),label="完课率",color="red")+ 
   geom_histogram(aes(x=考试平均得分,y=-..density..),color="grey50",fill="blue",alpha=0.3)+ 
   geom_label(aes(x=100,y=-0.0065),label="考试平均得分",color="blue")+ 
   xlab("指标值")+ggtitle("(b) 完课率和考试平均得分的镜像直方图")

gridExtra::grid.arrange(p1,p2,ncol=2) 

• 图形解读：

• 图 (a): 完课率和考试平均得分的叠加直方图

• X 轴：课程类目（人工智能、商务课程、数据科学、市场营销）。

• Y 轴：数值范围（0-100），同时显示 完课率（%） 和 考试平均得分。

• 由图得，数据科学 的完课率（95.5%）和考试得分（68.3）均最高，反映课程设计合理或学员积极性高。人工智能 完课率（76.3%）较低，但考试得分（65.8）尚可，可能课程难度较高导致中途退出。商务课程 两项指标均最低（完课率83.4%，得分65.5），需重点关注课程内容或教学方式。

  总结：
  完课率与考试成绩呈 弱正相关（如数据科学两者均高，商务课程均低），但人工智能例外（低完课率但中等成绩），说明 课程难度 可能影响持续性。 我们应当对 低完课率课程（如人工智能）优化学习路径，增加阶段性激励。

• 图 (b): 完课率和考试平均得分的镜像直方图

• 左半部分（正密度）：完课率分布，峰值在80%-100%。

• 右半部分（负密度）：考试得分分布，集中在60-80分区间。

• 由图得，完课率分布右偏（多数课程>80%），而考试得分左偏（多数<80分），说明：学员能坚持完成课程（高完课率），但考试表现未达优秀（普遍中等分数）。商务课程的考试得分密度最低（最左侧），印证其教学效果较差。

  总结：
  当前课程可能 重参与轻掌握，需加强 学习效果评估，尝试增加实践环节。考试难度或评分标准可能需调整，因为由上图可知高分区间稀缺

  3.2.1 图像解读与数据分析

  3.2.1.1 1. 图 (a): 完课率和考试平均得分的叠加直方图

  • X 轴：课程类目（如人工智能、数据科学等）。
    
  • Y 轴：数值范围（0-100），同时显示 完课率（%） 和 考试平均得分。
    
  • 关键观察：
    • 数据科学 的完课率（95.5%）和考试得分（68.3）均最高，反映课程设计合理或学员积极性高。
      
    • 人工智能 完课率（76.3%）较低，但考试得分（65.8）尚可，可能课程难度较高导致中途退出。
      
    • 商务课程 两项指标均最低（完课率83.4%，得分65.5），需重点关注课程内容或教学方式。

  观点：
  

  • 完课率与考试成绩呈 弱正相关（如数据科学两者均高，商务课程均低），但人工智能例外（低完课率但中等成绩），说明 课程难度 可能影响持续性。
    
  • 建议对 低完课率课程（如人工智能）优化学习路径，增加阶段性激励。

  ---

  3.2.1.2 2. 图 (b): 完课率和考试平均得分的镜像直方图

  • 左半部分（正密度）：完课率分布，峰值在80%-100%。
    
  • 右半部分（负密度）：考试得分分布，集中在60-80分区间。
    
  • 关键观察：
    • 完课率分布 右偏（多数课程>80%），而考试得分 左偏（多数<80分），说明：
      • 学员能坚持完成课程（高完课率），但 考试表现未达优秀（普遍中等分数）。
        
    • 商务课程的考试得分密度最低（最左侧），印证其教学效果较差。

  观点：
  

  • 当前课程可能 重参与轻掌握，需加强 学习效果评估（如增加实践环节）。
    
  • 考试难度或评分标准可能需调整（如高分区间稀缺）。

  ---

  3.2.2 综合建议

  1. 优化课程难度梯度
     • 人工智能课程可拆分基础/进阶模块，降低初期退出率。
       
     • 商务课程需重构内容，提升实用性与吸引力。
  2. 加强学习效果追踪
     • 引入 阶段性测试 或 项目考核，避免“高完课率但低掌握度”。
  3. 提升考试区分度
     • 分析低分集中原因（如题目难度、评分标准），确保成绩能真实反映学习成果。
  4. 数据驱动改进
     • 对完课率高但得分低的课程（如市场营销），调研学员反馈，定位教学短板。

  总结：完课率与考试成绩的对比揭示了课程设计中的 参与度-掌握度失衡，需针对性优化教学策略与考核机制。

  3.2.3 图像解读与数据分析

  3.2.3.1 1. 图 (a): 完课率和考试平均得分的叠加直方图

  • X 轴：课程类目（如人工智能、数据科学等）。
    
  • Y 轴：数值范围（0-100），同时显示 完课率（%） 和 考试平均得分。
    
  • 关键观察：
    • 数据科学 的完课率（95.5%）和考试得分（68.3）均最高，反映课程设计合理或学员积极性高。
      
    • 人工智能 完课率（76.3%）较低，但考试得分（65.8）尚可，可能课程难度较高导致中途退出。
      
    • 商务课程 两项指标均最低（完课率83.4%，得分65.5），需重点关注课程内容或教学方式。

  观点：
  

  • 完课率与考试成绩呈 弱正相关（如数据科学两者均高，商务课程均低），但人工智能例外（低完课率但中等成绩），说明 课程难度 可能影响持续性。
    
  • 建议对 低完课率课程（如人工智能）优化学习路径，增加阶段性激励。

  ---

  3.2.3.2 2. 图 (b): 完课率和考试平均得分的镜像直方图

  • 左半部分（正密度）：完课率分布，峰值在80%-100%。
    
  • 右半部分（负密度）：考试得分分布，集中在60-80分区间。
    
  • 关键观察：
    • 完课率分布 右偏（多数课程>80%），而考试得分 左偏（多数<80分），说明：
      • 学员能坚持完成课程（高完课率），但 考试表现未达优秀（普遍中等分数）。
        
    • 商务课程的考试得分密度最低（最左侧），印证其教学效果较差。

  观点：
  

  • 当前课程可能 重参与轻掌握，需加强 学习效果评估（如增加实践环节）。
    
  • 考试难度或评分标准可能需调整（如高分区间稀缺）。

  ---

  3.2.4 综合建议

  1. 优化课程难度梯度
     • 人工智能课程可拆分基础/进阶模块，降低初期退出率。
       
     • 商务课程需重构内容，提升实用性与吸引力。
  2. 加强学习效果追踪
     • 引入 阶段性测试 或 项目考核，避免“高完课率但低掌握度”。
  3. 提升考试区分度
     • 分析低分集中原因（如题目难度、评分标准），确保成绩能真实反映学习成果。
  4. 数据驱动改进
     • 对完课率高但得分低的课程（如市场营销），调研学员反馈，定位教学短板。

  总结：完课率与考试成绩的对比揭示了课程设计中的 参与度-掌握度失衡，需针对性优化教学策略与考核机制。

  。

  3.2.5 综合建议

  1. 优化课程难度梯度：人工智能课程可拆分基础/进阶模块，降低初期退出率。商务课程需重构内容，提升实用性与吸引力。
  2. 加强学习效果追踪：引入 阶段性测试 或 项目考核，避免“高完课率但低掌握度”。
  3. 提升考试区分度：分析低分集中原因（如题目难度、评分标准），确保成绩能真实反映学习成果。
  4. 数据驱动改进：对完课率高但得分低的课程（如市场营销），调研学员反馈，定位教学短板。

  总结：完课率与考试成绩的对比揭示了课程设计中的 参与度-掌握度失衡，需针对性优化教学策略与考核机制。

4 变量关系可视化

4.1 案例数据解释与展示

library(scatterpie)
data2=fread("在线课程数据.csv")
datatable(data2,rownames = FALSE)

4.2 图形3——散点图和置信带

df5<-data2

p1<-ggplot(data=df5,aes(x=完课率,y=考试平均得分))+
    geom_point(shape=21,size=1.5,fill="deepskyblue")+ 
    geom_rug(color="steelblue")+              
    stat_smooth(method=lm,color="red",fill="blue",size=0.8)+  
    geom_point(aes(x=mean(完课率),y=mean(考试平均得分)),shape=21,fill="yellow",size=4)+  
    ggtitle("(a) 散点图+地毯图+线性拟合")

grid.arrange(p1) # 按2列组合图形p1和p2

• 图形解读：

• 散点图：展示 完课率（X轴） 与 考试平均得分（Y轴） 的关系。

• 地毯图：在X轴和Y轴边缘显示数据分布密度。

• 线性拟合线：表示两变量的趋势关系。

• 由图：X轴右侧密度高，完课率集中在 70%-100%，X轴右侧密度高，考试得分多在 60-80分。但存在少数 低完课率（<70%）但高得分（>80分） 的异常点，可能是自学能力强的学员或课程设计特殊。

• 趋势线：呈现 轻微正相关，即完课率越高，考试得分倾向于提升，但相关性较弱（斜率平缓）。高分（>80分）对应完课率均超过80%，说明持续学习对成绩有促进作用。

• 总结：

  1. 完课率与成绩的有限正相关：高完课率课程（数据科学95.5%）通常成绩较好，但部分课程（人工智能76.3%完课率）成绩中等，说明完课率并非成绩的唯一决定因素，可能受课程难度、教学质量影响。
  2. 异常点分析：低完课率高得分的点：需检查是否为小众课程或学员背景差异，是否有基础。高完课率低得分的点：可能反映课程考核严格或教学内容与考试脱节。
  3. 教学改进方向：强化中低完课率课程：针对完课率70%-80%的课程（人工智能），优化学习体验，分段任务、即时反馈，提升持续性;调整考核标准：对高完课率但得分普通的课程（如市场营销），评估考试是否过于简单或偏离重点。
  4. 深入分析异常课程：统计低完课率高得分学员的背景，判断是否需要分班教学。
  5. 结合定性反馈：通过学员调研，定位高完课率但低成绩课程的具体问题,如内容难度、讲师表达等。

  总结：完课率与考试成绩的关系揭示出学习持续性对成绩的边际效益递减，需针对不同课程特性优化教学与考核设计。

4.2.1

5 样本相似性可视化

5.1 案例数据解释与展示

data3=fread("在线课程数据4.csv")
df2 <- data3 |> gather(完课率:考试平均得分,key=各项指标,value=指标值) |> 
  mutate(各项指标=fct_inorder(各项指标))
datatable(df2,rownames = FALSE)

5.2 图形4——ggplot平行坐标图——以个案分类

# 绘制平行坐标图
ggplot(df2,aes(x=各项指标,y=指标值,group=课程类目,color=课程类目))+
  geom_line(linewidth=0.5)+   # 绘制折线
  geom_point(shape=21,size=1.5,fill="gray50")+          # 绘制点
  theme(legend.position=c(0.93,0.76),
        legend.text=element_text(size=7,color="blue4"),
        legend.direction="horizontal",                # 设置图例位置和摆放方向
        legend.background=element_rect(fill="grey90",color="grey"))+
  guides(color=guide_legend(nrow=4,title=NULL))+     # 设置图例摆放方式(8行，去掉图例标题)
  scale_x_discrete(labels=function(x) str_wrap(x,width=8)) # 设置x轴标签宽度

• 图形解读：

• 数据科学：完课率最高（接近90°轴，推测约95%）。考试平均得分较高（约70°轴，推测68-70分）。课程评价中等（介于70°-80°之间）。所以，学员参与度高且成绩好，但满意度有提升空间。

• 人工智能：完课率中等（约70°-80°轴，推测76%）。考试平均得分中等（约65°轴）。课程评价较低（接近60°轴）。所以，课程难度可能影响完成度和满意度。

• 市场营销：完课率较高（80°轴以上，推测81%）。考试平均得分与数据科学接近（70°轴）。课程评价中等偏上（75°-85°轴）。所以平衡性较好，但缺乏突出优势。

• 商务课程：完课率中等（略高于70°轴，推测83%）。考试平均得分最低（60°轴附近）。课程评价最低（60°轴以下）。所以，课程内容或教学方式需改进。

• 总结：

• 1.数据科学的“高完课率-低评价”矛盾：学员能坚持完成课程且成绩好，但满意度不高，可能原因：课程内容枯燥或缺乏互动性。考核严格导致压力大。建议：增加趣味性案例或调整评分方式。

• 2.智能的“低评价-中等成绩”问题:反映课程设计可能脱离实际需求，或技术难度过高。建议：分阶段教学（如基础/进阶），并收集学员反馈优化内容。

• 3.商务课程全面落后:三项指标均垫底，需彻底改革：引入行业专家合作开发实用内容。增加实战项目比例。

• 4.市场营销的稳定性:表现均衡但无亮点，可挖掘细分领域提升吸引力。

• 针对性课程改进：对低评价课程（如人工智能、商务课程）开展学员调研。设立“课程优化试点”，如商务课程引入企业案例教学。

• 建立动态评估机制：定期跟踪指标变化，及时调整教学策略。

• 商务课程紧急改进:开展学员访谈，明确是内容问题，是否枯燥还是教学问题，讲师水平。

  总结：考试得分未能反映的实操能力差异，需结合两指标综合评估课程效果，避免“高分低能”。

6 时间序列可视化

6.1 案例数据解释与展示

library(dygraphs)
library(xts)
library(tidyverse)
library(lubridate)
library(plotly)
library(xts)

data=fread("在线课程数据5.csv")

clean_data <- data %>%
  mutate(日期 = ymd(日期)) %>%
  filter(!is.na(报名人数)) %>%
  filter(日期 >= as.Date("2020-01-01") & 日期 <= as.Date("2020-04-30")) %>%
  arrange(日期)

6.2 图形5——时间序列动态交互图

plot_ly(
  data = clean_data,
  x = ~日期,
  y = ~报名人数,
  type = 'scatter',
  mode = 'lines+markers',
  line = list(color = '#3498db', width = 2),
  marker = list(
    color = '#3498db',
    size = 8,
    line = list(color = 'white', width = 1)
  ),
  hoverinfo = 'text',
  text = ~paste(
    "日期:", 日期, "<br>",
    "报名人数:", 报名人数, "<br>",
    "课程:", 课程类目, "<br>",
    "完课率:", 完课率, "%<br>",
    "课程评价:", `课程评价（5分制）`, "/5"
  )
) %>%
  layout(
    title = "2020年1-4月在线课程报名人数趋势",
    xaxis = list(
      title = "日期",
      range = c("2020-01-01", "2020-04-30"),
      rangeselector = list(
        buttons = list(
          list(count = 1, label = "1月", step = "month", stepmode = "backward"),
          list(count = 3, label = "3月", step = "month", stepmode = "backward"),
          list(step = "all")
        )
      ),
      rangeslider = list(type = "date")
    ),
    yaxis = list(title = "报名人数"),
    hovermode = "x unified",
    showlegend = FALSE
  )

• 图形解读：

• X轴：日期（1月5日至4月26日，间隔约2周）。

• Y轴：报名人数（范围2000-5000人）。

• 代表整体趋势。

• 整体趋势分析如下：

• 整体波动特征：1月至2月初：报名人数从约2500人稳步上升至3000人以上（可能受新年学习计划推动）。2月中旬至3月初：出现明显峰值（约4500人），可能与春季开学季或课程促销活动相关。3月中旬后：人数回落至3000-3500人区间，4月趋于稳定。

• 异常点与特殊时段：

  1. 1月5日：起始点约2500人，为最低谷。
  2. 3月1日：达到峰值（近5000人），之后快速下降。
  3. 4月：数据波动平缓，可能反映市场趋于饱和或活动结束。

• 趋势分析

  1. 季节性影响因素显著
  2. 开学季效应：3月初的峰值符合教育行业规律，学生返校后学习需求激增。
  3. 节假日干扰：1月初的低谷可能与元旦假期相关，2月春节前后数据未明显下降，说明在线教育不受传统假期限制。
  4. 营销活动效果分析：若3月峰值对应促销活动或新课发布，说明活动短期拉动效果强，但留存不足而导致后续快速回落。应当延长活动周期或设计后续转化策略，出台相应优惠。
  5. 4月稳定性隐含问题：报名人数未持续增长，可能反映课程吸引力瓶颈：需更新内容或拓宽品类。或竞争加剧：同期其他平台分流用户。

• 建议

  1. 强化季节性运营：提前规划3月开学季营销，可以联合高校、企业定制课程。针对1月低谷推出“新年学习计划”激励。
  2. 优化活动设计：分析3月峰值后流失原因，是否因为课程质量、价格敏感度，改进留存策略。试行“报名人数-完课率”联动促销，发放优惠券或购物卡。
  3. 数据深化分析：拆分报名课程类型，识别增长主力。对比2021年同期数据，判断趋势是否可持续。
  4. 报名人数呈现典型的季节性波动，需通过精准营销和课程迭代平衡短期爆发与长期增长，避免“大起大落”。