01
课程导论与项目总览
什么是情绪数据可视化？为什么需要它？课程目标与最终项目展示。
导论项目概览
02
开发环境搭建
安装Python、Pip、Jupyter Notebook，以及Pandas、Matplotlib、Seaborn、Plotly等核心库。
环境Python
03
数据获取基础
认识CSV、JSON、Excel等常见数据格式，使用Pandas读取本地文件。
数据格式Pandas
04
数据清洗入门
处理缺失值、重复值，数据类型转换，Pandas常用清洗函数。
清洗缺失值
05
探索性数据分析（EDA）
描述性统计、数据分布、相关性矩阵，用Pandas Profiling快速生成报告。
EDA统计
06
Matplotlib基础
Figure与Axes概念，绘制折线图、柱状图、散点图，设置标题、标签、图例。
Matplotlib基础
07
Matplotlib进阶
子图布局、样式定制、保存高清图片，解决中文乱码问题。
子图样式
08
Seaborn统计绘图
分布图、箱线图、热力图、成对关系图，一键美化图表。
Seaborn统计
09
Plotly交互式图表
基础交互图表、悬停提示、缩放功能，生成HTML交互文件。
Plotly交互
10
Plotly高级交互
动画图表、滑块控制、下拉菜单，构建动态数据故事。
动画控件
11
数据聚合与分组
Pandas GroupBy操作，聚合函数应用，多级索引处理。
GroupBy聚合
12
时间序列数据处理
日期时间格式转换、重采样、滚动窗口计算，绘制时间趋势图。
时间序列重采样
13
情绪数据特征工程
从文本中提取情绪特征（基于规则），构建情绪得分与分类标签。
特征工程情绪
14
文本情绪分析入门
使用TextBlob或VADER进行简单情绪打分，理解正负向情绪。
NLPVADER
15
数据可视化配色原理
色彩心理学、色盲友好配色、Matplotlib/Seaborn调色板使用。
配色色盲友好
16
仪表盘布局设计
栅格系统、组件划分、Figma/手绘草图设计仪表盘原型。
布局原型
17
Dash框架入门
安装Dash，创建第一个Hello World仪表盘，理解App布局与回调。
Dash入门
18
Dash核心组件
HTML组件、核心图表组件（dcc.Graph）、下拉框、滑块、日期选择器。
组件dcc
19
Dash回调函数基础
输入与输出绑定，简单交互逻辑，更新图表数据。
回调交互
20
Dash回调进阶
多输入多输出、链式回调、State使用，避免回调死循环。
链式State
21
集成Matplotlib/Seaborn到Dash
将静态图转为Base64嵌入，或使用Plotly原生图表。
Base64嵌入
22
集成Plotly图表到Dash
直接使用dcc.Graph加载Plotly Figure，实现交互联动。
Plotlydcc.Graph
23
多页面仪表盘
使用dcc.Location与回调实现页面路由，构建多Tab仪表盘。
路由多Tab
24
数据缓存与性能优化
使用Flask-Caching缓存数据，减少重复计算，提升加载速度。
缓存性能
25
部署仪表盘到云端
使用Heroku、Render或PythonAnywhere部署Dash应用。
部署云端
26
实战项目一：社交媒体情绪看板
从Twitter/微博数据构建实时情绪仪表盘。
实战社交媒体
27
实战项目二：产品评论情绪分析看板
抓取电商评论，分析用户满意度趋势。
实战评论
28
实战项目三：员工满意度调查仪表盘
处理问卷数据，可视化团队情绪分布。
实战满意度
29
综合项目：全功能情绪仪表盘
整合所有技能，完成毕业设计。
毕业设计综合
30
课程总结与进阶方向
回顾核心知识点，推荐学习资源，探索AI+情绪可视化的未来。
总结AI