案例 36｜综合实战：采集到可视化看板

我要做一个小型数据项目，请你全程协助，先理解需求，不要马上开干。

【项目目标】用校园新闻的发布节奏和同期广州天气，看学校宣传高峰是否集中在开学与活动季。
【数据来源】
  来源一：广州城市理工学院 校园新闻，https://www.gcut.edu.cn/xyxw_183/list.htm
  来源二：天气网 广州历史天气，https://lishi.tianqi.com/guangzhou/202608.html
          （按月分页，把 2026 年 1 月到 9 月各月页都采一遍）
【标准字段】date（日期 YYYY-MM-DD）、source（来源标记）、source_type（来源类型）、
            category（分类）、title（标题或现象）、value（数值指标）、value2（第二数值指标）、
            unit（单位）、extra（附加指标）、link（原始链接）、batch_id（采集批次）、
            check_status（校验状态）、dedup_key（去重键说明）、fetch_time（采集时间）
【最终产出】
  1. 两份原始数据 source_news、source_weather
  2. 合并后的标准表 merged_raw
  3. 清洗后的 merged_clean
  4. SQLite 数据库 data.db（表名 campus）
  5. 至少三张图：折线图（校园新闻每日条数、最高/最低温）、柱状图（各月新闻量）
  6. 一句话结论 + 一份说明文件 README

【工作要求】
  - 文件命名规范：类型_来源_日期，例如 source_news_20261008.xlsx
  - 每一步先给我看结果，我确认后再做下一步
  - 校园新闻按发布日聚合成每日条数；天气取每日明细
  - 请先把上面这些理解复述一遍，并指出我没说清的地方

第 2 步：请从 https://www.gcut.edu.cn/xyxw_183/list.htm 采集校园新闻列表，
取回标题、栏目、发布日，并按发布日聚合成「每日新闻条数」，
先在对话里给我表格预览，确认后再导出 source_news_20261008.xlsx。

第 3 步：请从 https://lishi.tianqi.com/guangzhou/202608.html 开始，
把 2026 年 1—9 月各月历史天气页都采一遍，
取每日的日期、天气现象、最高温、最低温、风向、风力、AQI，
导出 source_weather_20261008.xlsx。

第 4 步：请把两个来源的两张表，按映射关系合并成一张标准表，
保留 source 列标明每条来自哪个来源，导出 merged_raw_20261008.xlsx。

第 5 步：请清洗合并表：日期统一成 YYYY-MM-DD、数值去掉单位、
按「date + source」去重，导出 merged_clean_20261008.xlsx，并告诉我清洗前后各有多少条。

第 6 步：请把清洗后的数据写入 SQLite 数据库 data.db，
表名用 campus，并给我三条示例查询语句（按来源、按日期、按月份）。

追问一（合并对不上）：
合并后有些行的 category 是空的，请检查是映射写错了、
还是原文本来就没有，两种情况分别处理并告诉我原因。

追问二（图表要说明）：
三张图都要有标题、坐标轴名称和单位，并在图注里说明为什么选这种图型；
每张图下面配一句话说明它反映了什么，不要只有图没有解读。

追问三（做成可复现）：
请把所有步骤整理成一份 README，
写清数据来源、采集日期、字段口径、清洗规则、运行顺序，
让别人照着 README 能复现出同样的结果。

campus_project/
├── README.md                       ← 项目说明：目标、来源、口径、运行顺序
├── raw/
│   ├── source_news_20261008.xlsx   ← 校园新闻，按日聚合
│   └── source_weather_20261008.xlsx← 历史天气，每日明细
├── clean/
│   ├── merged_raw_20261008.xlsx    ← 合并后的标准表
│   └── merged_clean_20261008.xlsx  ← 清洗去重后的表
├── data/
│   └── data.db                     ← SQLite 数据库（表名 campus）
├── charts/
│   ├── chart_line_news.png         ← 折线图：校园新闻每日条数
│   ├── chart_line_temp.png         ← 折线图：最高温 / 最低温
│   └── chart_scatter.png           ← 散点图：气温 vs 新闻量
├── report/
│   ├── 数据明细.xlsx               ← 合并后的明细（多 Sheet）
│   ├── 数据明细.html               ← 可筛选、可排序的单页
│   ├── 数据看板.html               ← 图表看板 + 一句话结论
│   └── 技能压缩包.zip              ← 下次换数据源即可复用的采集与看板模板
└── logs/
    └── build_20261008_log.txt      ← 全过程日志

请完成整个项目的数据处理，把每一步的产物放进对应目录：

① 采集：校园新闻按日聚合、历史天气取每日明细，存到 raw/ 目录；
② 合并：统一成标准字段，保留 source 列，存到 clean/merged_raw_20261008.xlsx；
③ 清洗：日期统一成 YYYY-MM-DD、数值去掉单位、按「date + source」去重，
   存到 clean/merged_clean_20261008.xlsx，并报告清洗前后条数；
④ 入库：写入 data/data.db，表名 campus；
⑤ 出图：折线图（新闻条数）、折线图（高低气温）、散点图（气温 vs 新闻量）各一张，
   存到 charts/，每张图配标题、坐标轴名称与图注；
⑥ 结论：给出一句话结论，说明宣传高峰与季节/天气的关系。