sales@lix.by
г.Минск, ул. Тимирязева, д.67, пом. 218
Пн - Пт: с 9:00 до 21:00
Сб - Вс: с 9:00 до 20:00

Ablecom

Ablecom

# 使用Python实现简单的数据可视化下面是一个使用Python的matplotlib和seaborn库创建数据可视化的示例。这个例子将展示如何创建折线图、柱状图和散点图。 ```python import matplotlib.pyplot as plt import seaborn as sns import numpy as np import pandas as pd # 设置中文字体支持（如果需要显示中文） plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False # 创建示例数据 np.random.seed(42) dates = pd.date_range('2023-01-01', periods=12, freq='M') categories = ['电子产品', '服装', '食品', '家居', '书籍'] sales_data = { '日期': np.repeat(dates, len(categories)), '类别': np.tile(categories, len(dates)), '销售额': np.random.randint(100, 1000, size=len(dates)*len(categories)), '利润': np.random.randint(20, 200, size=len(dates)*len(categories)) } df = pd.DataFrame(sales_data) # 1. 创建折线图 - 每月总销售额趋势 plt.figure(figsize=(12, 8)) plt.subplot(2, 2, 1) monthly_sales = df.groupby('日期')['销售额'].sum() plt.plot(monthly_sales.index, monthly_sales.values, marker='o', linewidth=2, color='steelblue') plt.title('月度销售额趋势', fontsize=14, fontweight='bold') plt.xlabel('日期') plt.ylabel('销售额') plt.xticks(rotation=45) plt.grid(True, alpha=0.3) # 2. 创建柱状图 - 各品类平均销售额 plt.subplot(2, 2, 2) category_avg = df.groupby('类别')['销售额'].mean().sort_values(ascending=False) colors = plt.cm.Set3(np.linspace(0, 1, len(category_avg))) bars = plt.bar(category_avg.index, category_avg.values, color=colors) plt.title('各品类平均销售额', fontsize=14, fontweight='bold') plt.xlabel('产品类别') plt.ylabel('平均销售额') plt.xticks(rotation=45) # 在柱子上添加数值标签 for bar in bars: height = bar.get_height() plt.text(bar.get_x() + bar.get_width()/2., height + 5, f'{int(height)}', ha='center', va='bottom') # 3. 创建散点图 - 销售额与利润关系 plt.subplot(2, 2, 3) scatter = plt.scatter(df['销售额'], df['利润'], c=df['销售额'], cmap='viridis', alpha=0.6, s=50) plt.title('销售额与利润关系', fontsize=14, fontweight='bold') plt.xlabel('销售额') plt.ylabel('利润') plt.colorbar(scatter, label='销售额') # 添加趋势线 z = np.polyfit(df['销售额'], df['利润'], 1) p = np.poly1d(z) plt.plot(df['销售额'], p(df['销售额']), "r--", alpha=0.8, linewidth=1.5) # 4. 创建箱线图 - 各品类销售额分布 plt.subplot(2, 2, 4) box_data = [df[df['类别'] == cat]['销售额'].values for cat in categories] box = plt.boxplot(box_data, labels=categories, patch_artist=True) plt.title('各品类销售额分布', fontsize=14, fontweight='bold') plt.xlabel('产品类别') plt.ylabel('销售额') plt.xticks(rotation=45) # 设置箱线图颜色 colors = plt.cm.Pastel1(np.linspace(0, 1, len(categories))) for patch, color in zip(box['boxes'], colors): patch.set_facecolor(color) plt.tight_layout() plt.show() # 5. 使用seaborn创建热力图 - 各品类每月销售额 plt.figure(figsize=(10, 6)) # 创建数据透视表 pivot_table = df.pivot_table(values='销售额', index='类别', columns=df['日期'].dt.month, aggfunc='sum') sns.heatmap(pivot_table, annot=True, fmt='.0f', cmap='YlOrRd', linewidths=0.5) plt.title('各品类月度销售额热力图', fontsize=14, fontweight='bold') plt.xlabel('月份') plt.ylabel('产品类别') plt.tight_layout() plt.show() # 6. 创建饼图 - 各品类销售额占比 plt.figure(figsize=(8, 8)) category_total = df.groupby('类别')['销售额'].sum() explode = [0.05] * len(category_total) # 让每个扇形稍微分离 colors = plt.cm.Paired(np.linspace(0, 1, len(category_total))) wedges, texts, autotexts = plt.pie(category_total.values, labels=category_total.index, autopct='%1.1f%%', startangle=90, colors=colors, explode=explode, shadow=True) # 美化文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') plt.title('各品类销售额占比', fontsize=14, fontweight='bold') plt.show() # 打印数据摘要 print("数据摘要:") print("=" * 50) print(f"数据时间段: {df['日期'].min().date()} 到 {df['日期'].max().date()}") print(f"总销售额: {df['销售额'].sum():,}") print(f"平均每月销售额: {monthly_sales.mean():.0f}") print(f"销售额最高的品类: {category_avg.idxmax()} ({category_avg.max():.0f})") print(f"销售额与利润的相关系数: {df['销售额'].corr(df['利润']):.3f}") ``` ## 代码说明 1. **数据准备**：创建了一个包含日期、产品类别、销售额和利润的模拟数据集。 2. **可视化类型**： - **折线图**：展示月度销售额趋势 - **柱状图**：比较各品类平均销售额 - **散点图**：分析销售额与利润的关系，并添加趋势线 - **箱线图**：显示各品类销售额的分布情况 - **热力图**：展示各品类在不同月份的销售额 - **饼图**：显示各品类销售额占比 3. **美化技巧**： - 使用子图在一个画布上展示多个图表 - 添加网格、标签、标题和图例 - 使用颜色映射增强可视化效果 - 在图表上添加数据标签 4. **数据分析**： - 计算了销售额与利润的相关系数 - 提供了数据摘要统计 ## 运行要求要运行此代码，需要安装以下Python库： ```bash pip install matplotlib seaborn numpy pandas ``` 这个示例展示了如何使用Python进行基本的数据可视化，适用于数据分析、报告生成和业务洞察等场景。

Быстрый просмотр

Кулер для процессора Ablecom ACL-S41130

Гарантия (месяцев)

:

12

Быстрый просмотр

Кулер для процессора Ablecom ACL-S20200

Гарантия (месяцев)

:

12

Комментарии

Загрузка комментариев...

Назад к списку

Продолжая использовать сайт, вы соглашаетесь с политикой использования файлов cookie.