别再手动写逻辑了！AI一键生成情感数据分析看板
提示词描述：
本提示词专为数据分析师与产品经理设计，旨在通过 AI 快速生成复杂的情感数据分析代码。通过整合数据清洗、多维可视化（热力图、桑基图）及自动化报告生成，帮助用户从海量咨询数据中挖掘潜在的情感趋势与业务洞察，大幅提升数据分析效率。
提示语关键词：
数据可视化代码, Python数据分析, ECharts教程, 情感分析, 词云生成, 自动化报告, 数据清洗, 商业智能
提示词内容：
你是一位资深的数据可视化工程师，精通 D3.js、ECharts 以及 Python 的 Pandas 数据处理库。我手头有一份包含十万条用户情感咨询记录的数据集（CSV 格式），字段包括：时间戳、用户ID、咨询类别（如：职场压力、情感纠纷、家庭矛盾）、情绪评分（1-10）、以及咨询结果反馈。
请帮我编写一套完整的数据处理与可视化代码，用于构建一个“情感健康趋势分析看板”。具体要求如下：
1. **数据清洗与预处理**：
编写 Python 脚本，使用 Pandas 对原始数据进行清洗。需处理缺失值、异常时间戳，并将“咨询类别”进行独热编码（One-Hot Encoding）。同时，需计算每日/每周的平均情绪评分，并生成时间序列数据。
2. **多维情感热力图**：
使用 ECharts 或 D3.js 编写前端可视化代码，生成一个交互式热力图。X 轴为一天中的 24 小时，Y 轴为星期一至星期日，颜色深浅代表该时间段内的“咨询热度”或“平均情绪负面程度”。需支持鼠标悬停显示详细数据。
3. **情感词云与关联分析**：
编写代码对咨询文本内容进行分词处理（使用 Jieba 分词），并生成动态词云。同时，需实现一个简单的关联规则挖掘算法（如 Apriori），找出“职场压力”常伴随的次要情绪标签（如“焦虑”、“失眠”），并以桑基图（Sankey Diagram）的形式展示情绪流转路径。
4. **自动化报告生成**：
编写一个 Python 脚本，利用 Jinja2 模板引擎，将上述分析结果自动填充至 HTML 报告中，并支持导出为 PDF。报告需包含关键结论的自动化生成逻辑（如：“本周五晚间职场压力指数达到峰值，建议增加相关疏导资源”）。
请提供所有核心代码片段，并解释关键算法的实现逻辑。