sales@lix.by
г.Минск, ул. Тимирязева, д.67, пом. вн.225
Пн - Пт: с 9:00 до 21:00
Сб - Вс: с 9:00 до 20:00

Аэро-Про

# 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。这个例子展示了如何创建多种类型的图表，并添加自定义样式。 ```python import matplotlib.pyplot as plt import seaborn as sns import numpy as np import pandas as pd from matplotlib import font_manager # 设置中文字体（如果系统中有中文字体） # 请根据你的系统修改字体路径 # plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans'] # plt.rcParams['axes.unicode_minus'] = False # 设置Seaborn样式 sns.set_style("whitegrid") sns.set_palette("husl") # 创建示例数据 np.random.seed(42) categories = ['产品A', '产品B', '产品C', '产品D', '产品E'] months = ['1月', '2月', '3月', '4月', '5月', '6月'] # 生成销售数据 sales_data = pd.DataFrame({ '月份': np.tile(months, len(categories)), '产品': np.repeat(categories, len(months)), '销售额': np.random.randint(50, 200, size=len(categories)*len(months)), '利润': np.random.randint(10, 80, size=len(categories)*len(months)) }) # 生成用户评分数据 ratings = np.random.normal(4.2, 0.5, 1000) ratings = np.clip(ratings, 1, 5) # 限制在1-5之间 # 创建多子图布局 fig = plt.figure(figsize=(16, 10)) fig.suptitle('产品销售数据分析报告', fontsize=16, fontweight='bold') # 1. 柱状图 - 各产品总销售额 ax1 = plt.subplot(2, 3, 1) product_sales = sales_data.groupby('产品')['销售额'].sum() bars = ax1.bar(product_sales.index, product_sales.values, color=sns.color_palette("husl", len(categories))) ax1.set_title('各产品总销售额', fontweight='bold') ax1.set_ylabel('销售额 (万元)') ax1.set_xlabel('产品') # 在柱子上添加数值标签 for bar in bars: height = bar.get_height() ax1.text(bar.get_x() + bar.get_width()/2., height + 5, f'{int(height)}', ha='center', va='bottom') # 2. 折线图 - 各月销售额趋势 ax2 = plt.subplot(2, 3, 2) monthly_sales = sales_data.groupby('月份')['销售额'].sum() ax2.plot(monthly_sales.index, monthly_sales.values, marker='o', linewidth=2.5, markersize=8) ax2.set_title('月度销售额趋势', fontweight='bold') ax2.set_ylabel('销售额 (万元)') ax2.set_xlabel('月份') ax2.fill_between(monthly_sales.index, monthly_sales.values, alpha=0.3) # 3. 散点图 - 销售额与利润关系 ax3 = plt.subplot(2, 3, 3) scatter = ax3.scatter(sales_data['销售额'], sales_data['利润'], c=sales_data['销售额'], cmap='viridis', alpha=0.7, s=100, edgecolors='black') ax3.set_title('销售额与利润关系', fontweight='bold') ax3.set_xlabel('销售额 (万元)') ax3.set_ylabel('利润 (万元)') plt.colorbar(scatter, ax=ax3, label='销售额强度') # 添加趋势线 z = np.polyfit(sales_data['销售额'], sales_data['利润'], 1) p = np.poly1d(z) ax3.plot(sales_data['销售额'], p(sales_data['销售额']), "r--", alpha=0.8, linewidth=2) # 4. 箱线图 - 各产品销售额分布 ax4 = plt.subplot(2, 3, 4) sns.boxplot(x='产品', y='销售额', data=sales_data, ax=ax4) ax4.set_title('各产品销售额分布', fontweight='bold') ax4.set_ylabel('销售额 (万元)') ax4.set_xlabel('产品') # 5. 直方图 - 用户评分分布 ax5 = plt.subplot(2, 3, 5) ax5.hist(ratings, bins=15, edgecolor='black', alpha=0.7, color='skyblue') ax5.set_title('用户评分分布', fontweight='bold') ax5.set_xlabel('评分 (1-5分)') ax5.set_ylabel('频次') ax5.axvline(x=np.mean(ratings), color='red', linestyle='--', linewidth=2, label=f'平均分: {np.mean(ratings):.2f}') ax5.legend() # 6. 饼图 - 各产品销售额占比 ax6 = plt.subplot(2, 3, 6) explode = [0.05] * len(product_sales) # 让每个扇形稍微分离 wedges, texts, autotexts = ax6.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, explode=explode, shadow=True) ax6.set_title('各产品销售额占比', fontweight='bold') # 美化饼图文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 调整布局 plt.tight_layout(rect=[0, 0, 1, 0.96]) # 为总标题留出空间 # 保存图表 plt.savefig('data_visualization_report.png', dpi=300, bbox_inches='tight') # 显示图表 plt.show() # 创建交互式数据表格展示 print("=" * 60) print("销售数据摘要") print("=" * 60) # 创建数据摘要 summary_table = sales_data.groupby('产品').agg({ '销售额': ['sum', 'mean', 'std'], '利润': ['sum', 'mean', 'std'] }).round(2) print(summary_table) print("\n") # 月度汇总 monthly_summary = sales_data.groupby('月份').agg({ '销售额': 'sum', '利润': 'sum' }).round(2) print("月度销售汇总:") print(monthly_summary) ``` ## 代码说明这个示例代码创建了一个包含6个子图的数据可视化仪表板： 1. **柱状图**：显示各产品的总销售额 2. **折线图**：展示月度销售额趋势 3. **散点图**：分析销售额与利润的关系，并添加趋势线 4. **箱线图**：展示各产品销售额的分布情况 5. **直方图**：显示用户评分的分布 6. **饼图**：展示各产品销售额的占比 ## 运行要求运行此代码需要安装以下Python库： ```bash pip install matplotlib seaborn numpy pandas ``` ## 自定义建议 1. **数据源**：可以将示例数据替换为实际数据 2. **样式**：可以修改颜色方案、字体和图表样式 3. **图表类型**：根据需要添加或修改图表类型 4. **交互性**：可以使用Plotly库创建交互式图表这个示例展示了如何使用Python创建专业的数据可视化报告，适用于数据分析、商业报告和学术研究等多种场景。

Быстрый просмотр

Антистатик Аэро-Про антистатик 130 г

Гарантия (месяцев)

:

12

Комментарии

Загрузка комментариев...

Назад к списку

Главная Каталог 0 Корзина 0 Избранные Кабинет 0 Сравнение Акции Контакты Услуги Бренды Отзывы Компания Лицензии Документы Реквизиты Блог Обзоры