sales@lix.by
г.Минск, ул. Тимирязева, д.67, пом. 428
Пн - Пт: с 9:00 до 21:00
Сб - Вс: с 9:00 до 20:00

Акор

# 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', 'Microsoft YaHei', 'DejaVu Sans'] # plt.rcParams['axes.unicode_minus'] = False # 设置图表样式 plt.style.use('seaborn-v0_8-darkgrid') 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'] # 销售额数据 sales_data = { '月份': months * 5, '产品': np.repeat(categories, 6), '销售额': np.random.randint(50, 200, 30) } # 用户评分数据 rating_data = { '产品': categories, '评分': np.random.uniform(3.5, 5.0, 5), '用户数': np.random.randint(100, 1000, 5) } # 创建DataFrame df_sales = pd.DataFrame(sales_data) df_rating = pd.DataFrame(rating_data) # 创建多子图图表 fig = plt.figure(figsize=(16, 10)) fig.suptitle('产品数据分析报告', fontsize=18, fontweight='bold', y=0.98) # 1. 柱状图 - 各产品总销售额 ax1 = plt.subplot(2, 3, 1) product_sales = df_sales.groupby('产品')['销售额'].sum() bars = ax1.bar(product_sales.index, product_sales.values, color=sns.color_palette("husl", 5)) ax1.set_title('各产品总销售额', fontsize=14, fontweight='bold') ax1.set_ylabel('销售额 (万元)', fontsize=12) ax1.set_xlabel('产品', fontsize=12) # 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', fontsize=10) # 2. 折线图 - 各月销售额趋势 ax2 = plt.subplot(2, 3, 2) for product in categories: product_monthly = df_sales[df_sales['产品'] == product].sort_values('月份') ax2.plot(months, product_monthly['销售额'], marker='o', linewidth=2.5, label=product) ax2.set_title('各月销售额趋势', fontsize=14, fontweight='bold') ax2.set_ylabel('销售额 (万元)', fontsize=12) ax2.set_xlabel('月份', fontsize=12) ax2.legend(loc='upper left', bbox_to_anchor=(1, 1)) ax2.grid(True, alpha=0.3) # 3. 散点图 - 评分与用户数的关系 ax3 = plt.subplot(2, 3, 3) scatter = ax3.scatter(df_rating['评分'], df_rating['用户数'], s=df_rating['用户数']/5, alpha=0.7, c=range(len(df_rating)), cmap='viridis') ax3.set_title('产品评分与用户数关系', fontsize=14, fontweight='bold') ax3.set_xlabel('评分 (1-5分)', fontsize=12) ax3.set_ylabel('用户数', fontsize=12) # 添加产品标签 for i, row in df_rating.iterrows(): ax3.annotate(row['产品'], (row['评分'], row['用户数']), xytext=(5, 5), textcoords='offset points', fontsize=9) # 4. 饼图 - 各产品销售额占比 ax4 = plt.subplot(2, 3, 4) colors = plt.cm.Set3(np.linspace(0, 1, len(categories))) wedges, texts, autotexts = ax4.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, colors=colors, explode=[0.05]*len(categories)) ax4.set_title('各产品销售额占比', fontsize=14, fontweight='bold') # 美化饼图文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 5. 箱线图 - 销售额分布 ax5 = plt.subplot(2, 3, 5) box_data = [df_sales[df_sales['产品'] == product]['销售额'].values for product in categories] box_plot = ax5.boxplot(box_data, labels=categories, patch_artist=True) # 设置箱线图颜色 colors = sns.color_palette("husl", len(categories)) for patch, color in zip(box_plot['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) ax5.set_title('各产品销售额分布', fontsize=14, fontweight='bold') ax5.set_ylabel('销售额 (万元)', fontsize=12) ax5.set_xlabel('产品', fontsize=12) # 6. 热力图 - 各产品月度销售数据 ax6 = plt.subplot(2, 3, 6) # 创建数据透视表 heatmap_data = df_sales.pivot_table(index='产品', columns='月份', values='销售额') im = ax6.imshow(heatmap_data, cmap='YlOrRd', aspect='auto') ax6.set_title('各产品月度销售热力图', fontsize=14, fontweight='bold') ax6.set_xlabel('月份', fontsize=12) ax6.set_ylabel('产品', fontsize=12) ax6.set_xticks(range(len(months))) ax6.set_yticks(range(len(categories))) ax6.set_xticklabels(months) ax6.set_yticklabels(categories) # 添加热力图的数值标签 for i in range(len(categories)): for j in range(len(months)): text = ax6.text(j, i, heatmap_data.iloc[i, j], ha="center", va="center", color="black", fontsize=9) # 添加颜色条 plt.colorbar(im, ax=ax6, fraction=0.046, pad=0.04) # 调整布局 plt.tight_layout(rect=[0, 0, 1, 0.96]) # 添加脚注 plt.figtext(0.5, 0.01, '数据来源: 模拟数据 | 生成时间: 2023年', ha='center', fontsize=10, style='italic') # 保存图表 plt.savefig('data_visualization_report.png', dpi=300, bbox_inches='tight') # 显示图表 plt.show() # 创建单独的趋势分析图表 fig2, ax = plt.subplots(figsize=(10, 6)) # 计算月度总销售额 monthly_total = df_sales.groupby('月份')['销售额'].sum() # 创建面积图 ax.fill_between(months, 0, monthly_total.values, alpha=0.3, color='skyblue', label='销售额') ax.plot(months, monthly_total.values, marker='o', color='navy', linewidth=2.5, label='趋势线') # 添加平均线 average_sales = monthly_total.mean() ax.axhline(y=average_sales, color='red', linestyle='--', linewidth=1.5, label=f'平均销售额: {average_sales:.1f}') # 标记最高点 max_month = monthly_total.idxmax() max_value = monthly_total.max() ax.plot(max_month, max_value, 'r*', markersize=15, label=f'最高点: {max_month} ({max_value})') ax.set_title('月度总销售额趋势分析', fontsize=16, fontweight='bold') ax.set_xlabel('月份', fontsize=12) ax.set_ylabel('销售额 (万元)', fontsize=12) ax.legend(loc='upper left') ax.grid(True, alpha=0.3) plt.tight_layout() plt.savefig('sales_trend_analysis.png', dpi=300, bbox_inches='

Быстрый просмотр

Валик малярный Акор Мастер 240 (велюр)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кисть малярная Акор Фасадные работы 100x12

Гарантия (месяцев)

:

12

Быстрый просмотр

Валик малярный Акор Мастер 180 (велюр)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кисть малярная Акор Водные краски КФ 75x17

Гарантия (месяцев)

:

12

Быстрый просмотр

Кисть малярная Акор Фасад 120x25

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

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