Войти

Избранное

0 Корзина

Смартфоны Холодильники Телевизоры Водонагреватели (бойлеры) Газонокосилки Духовые шкафы Посудомоечные машины Стиральные машины Триммеры

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

Art&Max

Art&Max

# 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DataFramedf_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.tick_params(axis='x', rotation=45)# 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, 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']/10, 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', 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=10)# 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'] == cat]['销售额'].values for cat in categories]box = 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['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.tick_params(axis='x', rotation=45)# 6. 热力图 - 各产品月度销售数据ax6 = plt.subplot(2, 3, 6)# 重塑数据为热力图格式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=10)# 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()# 打印数据摘要print("="*60)print("数据摘要")print("="*60)print(f"总销售额: {df_sales['销售额'].sum():.0f} 万元")print(f"平均月销售额: {df_sales['销售额'].mean():.0f} 万元")print(f"最高评分产品: {df_rating.loc[df_rating['评分'].idxmax(), '产品']} ({df_rating['评分'].max():.2f})")print(f"最多用户产品: {df_rating.loc[df_rating['用户数'].idxmax(), '产品']} ({df_rating['用户数'].max()} 用户)")print("="*60)```## 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报告：1. **柱状图**：显示各产品的总销售额2. **折线图**：展示各产品月度销售额趋势3. **散点图**：展示产品评分与用户数的关系4. **饼图**：显示各产品销售额占比5. **箱线图**：展示各产品销售额的分布情况6. **热力图**：展示各产品在各月的销售情况## 运行要求运行此代码需要安装以下Python库：```bashpip 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

Быстрый просмотр

Art&Max Полка Antic AM-2682AL

полка, подвесная установка, ширина: 50 см

Гарантия (месяцев)

:

12

Быстрый просмотр

Art&Max Полка Antic Crystal AM-2622SJ-Br

полка, подвесная установка, ширина: 64 см

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.