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

Amity

Amity

# 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。```pythonimport matplotlib.pyplot as pltimport seaborn as snsimport numpy as npimport pandas as pdfrom 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']# 销售数据sales_data = { '月份': months * 5, '产品': np.repeat(categories, 6), '销售额': np.random.randint(50, 200, 30), '利润': np.random.uniform(10, 50, 30)}df = pd.DataFrame(sales_data)# 创建多子图布局fig = plt.figure(figsize=(15, 10))fig.suptitle('2023年上半年产品销售分析', fontsize=16, fontweight='bold')# 1. 柱状图 - 各产品总销售额ax1 = plt.subplot(2, 3, 1)product_sales = df.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=12, fontweight='bold')ax1.set_ylabel('销售额 (万元)')ax1.set_xlabel('产品')# 在柱状图上添加数值标签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=9)# 2. 折线图 - 各月销售额趋势ax2 = plt.subplot(2, 3, 2)monthly_sales = df.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', fontsize=12, fontweight='bold')ax2.set_ylabel('销售额 (万元)')ax2.set_xlabel('月份')ax2.grid(True, alpha=0.3)# 3. 饼图 - 各产品销售额占比ax3 = plt.subplot(2, 3, 3)explode = (0.05, 0, 0, 0, 0) # 突出显示第一个产品wedges, texts, autotexts = ax3.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', explode=explode, shadow=True, startangle=90)ax3.set_title('各产品销售额占比', fontsize=12, fontweight='bold')# 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=df, ax=ax4)ax4.set_title('各产品销售额分布', fontsize=12, fontweight='bold')ax4.set_ylabel('销售额 (万元)')ax4.set_xlabel('产品')# 5. 散点图 - 销售额与利润关系ax5 = plt.subplot(2, 3, 5)scatter = ax5.scatter(df['销售额'], df['利润'], c=pd.Categorical(df['产品']).codes, s=100, alpha=0.7, cmap='viridis')ax5.set_title('销售额与利润关系', fontsize=12, fontweight='bold')ax5.set_ylabel('利润 (万元)')ax5.set_xlabel('销售额 (万元)')ax5.grid(True, alpha=0.3)# 添加图例legend_elements = [plt.Line2D([0], [0], marker='o', color='w', markerfacecolor=plt.cm.viridis(i/4), markersize=10, label=cat) for i, cat in enumerate(categories)]ax5.legend(handles=legend_elements, title='产品', loc='upper left', fontsize=8)# 6. 热力图 - 各产品月度销售额ax6 = plt.subplot(2, 3, 6)# 重塑数据为热力图格式heatmap_data = df.pivot_table(index='产品', columns='月份', values='销售额', aggfunc='sum')im = ax6.imshow(heatmap_data, cmap='YlOrRd', aspect='auto')ax6.set_title('各产品月度销售额热力图', fontsize=12, fontweight='bold')ax6.set_xlabel('月份')ax6.set_ylabel('产品')ax6.set_xticks(np.arange(len(months)))ax6.set_yticks(np.arange(len(categories)))ax6.set_xticklabels(months)ax6.set_yticklabels(categories)# 在热力图中添加数值for i in range(len(categories)): for j in range(len(months)): text = ax6.text(j, i, int(heatmap_data.iloc[i, j]), ha="center", va="center", color="black", fontsize=9)# 调整布局plt.tight_layout()plt.subplots_adjust(top=0.92)# 保存图表plt.savefig('sales_analysis.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))# 为每个产品绘制月度趋势线for i, product in enumerate(categories): product_data = df[df['产品'] == product] ax.plot(product_data['月份'], product_data['销售额'], marker='o', linewidth=2, markersize=6, label=product)ax.set_title('各产品月度销售额趋势对比', fontsize=14, fontweight='bold')ax.set_ylabel('销售额 (万元)', fontsize=12)ax.set_xlabel('月份', fontsize=12)ax.legend(title='产品', title_fontsize=11, fontsize=10)ax.grid(True, alpha=0.3)plt.tight_layout()plt.savefig('product_trends.png', dpi=300, bbox_inches='tight')plt.show()print("数据可视化图表已生成并保存为 'sales_analysis.png' 和 'product_trends.png'")```## 代码说明1. **数据准备**：创建了一个包含产品销售额和利润的模拟数据集2. **图表类型**： - 柱状图：显示各产品总销售额 - 折线图：展示月度销售额趋势 - 饼图：显示各产品销售额占比 - 箱线图：展示各产品销售额分布情况 - 散点图：分析销售额与利润的关系 - 热力图：展示各产品在不同月份的销售额3. **可视化特性**： - 使用seaborn样式和调色板 - 添加数据标签和注释 - 自定义图例和标题 - 自动保存高分辨率图像## 运行要求要运行此代码，需要安装以下Python库：```bashpip install matplotlib seaborn numpy pandas```这个示例展示了如何使用Python创建专业的数据可视化图表，适用于数据分析报告、商业演示等多种场景。

Комментарии

Загрузка комментариев...

Назад к списку

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