Войти

Избранное

0 Корзина

Смартфоны Холодильники Телевизоры Водонагреватели (бойлеры) Газонокосилки Триммеры

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

Balsford

Balsford

# 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ratings_data = { '产品': categories, '评分': np.random.uniform(3.0, 5.0, 5), '评价数量': np.random.randint(100, 1000, 5)}# 创建DataFramedf_sales = pd.DataFrame(sales_data)df_ratings = pd.DataFrame(ratings_data)# 创建多子图图表fig, axes = plt.subplots(2, 2, figsize=(14, 10))fig.suptitle('产品数据分析报告', fontsize=16, fontweight='bold')# 1. 柱状图：各产品平均销售额avg_sales = df_sales.groupby('产品')['销售额'].mean()axes[0, 0].bar(avg_sales.index, avg_sales.values, color=sns.color_palette("husl", 5))axes[0, 0].set_title('各产品平均销售额', fontsize=12, fontweight='bold')axes[0, 0].set_ylabel('销售额（万元）')axes[0, 0].tick_params(axis='x', rotation=45)# 在柱状图上添加数值标签for i, v in enumerate(avg_sales.values): axes[0, 0].text(i, v + 2, f'{v:.1f}', ha='center', fontweight='bold')# 2. 折线图：各产品月度销售趋势for product in categories: product_data = df_sales[df_sales['产品'] == product] axes[0, 1].plot(product_data['月份'], product_data['销售额'], marker='o', linewidth=2, label=product)axes[0, 1].set_title('月度销售趋势', fontsize=12, fontweight='bold')axes[0, 1].set_ylabel('销售额（万元）')axes[0, 1].legend(loc='upper left', bbox_to_anchor=(1, 1))axes[0, 1].grid(True, alpha=0.3)# 3. 散点图：评分与评价数量的关系scatter = axes[1, 0].scatter(df_ratings['评分'], df_ratings['评价数量'], s=df_ratings['评价数量']/10, c=range(len(df_ratings)), alpha=0.6, edgecolors='w', linewidth=0.5)axes[1, 0].set_title('产品评分与评价数量关系', fontsize=12, fontweight='bold')axes[1, 0].set_xlabel('评分（1-5分）')axes[1, 0].set_ylabel('评价数量')# 添加产品标签for i, row in df_ratings.iterrows(): axes[1, 0].annotate(row['产品'], (row['评分'], row['评价数量']), xytext=(5, 5), textcoords='offset points')# 4. 饼图：各产品销售额占比total_sales = df_sales.groupby('产品')['销售额'].sum()axes[1, 1].pie(total_sales.values, labels=total_sales.index, autopct='%1.1f%%', startangle=90, colors=sns.color_palette("husl", 5))axes[1, 1].set_title('各产品销售额占比', fontsize=12, fontweight='bold')# 调整布局plt.tight_layout()plt.subplots_adjust(top=0.92)# 保存图表plt.savefig('product_analysis.png', dpi=300, bbox_inches='tight')plt.show()# 创建单独的热力图print("\n月度销售数据热力图:")# 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')plt.figure(figsize=(10, 6))sns.heatmap(heatmap_data, annot=True, fmt='d', cmap='YlOrRd', linewidths=0.5)plt.title('产品月度销售热力图', fontsize=14, fontweight='bold')plt.tight_layout()plt.savefig('sales_heatmap.png', dpi=300, bbox_inches='tight')plt.show()# 输出数据统计信息print("\n数据统计摘要:")print("=" * 50)print("1. 销售额统计:")print(df_sales.groupby('产品')['销售额'].describe())print("\n2. 评分统计:")print(df_ratings.describe())```## 代码说明1. **数据准备**：创建了模拟的销售数据和评分数据2. **可视化类型**： - 柱状图：显示各产品平均销售额 - 折线图：展示各产品月度销售趋势 - 散点图：分析评分与评价数量的关系 - 饼图：显示各产品销售额占比 - 热力图：展示产品月度销售数据矩阵3. **自定义功能**： - 添加了数据标签 - 设置了图表样式和颜色主题 - 添加了图例和标题 - 自动保存图表为图片文件## 运行要求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，适合用于数据分析报告、演示文稿等场景。你可以根据自己的数据修改代码中的数据集部分。

Быстрый просмотр

Balsford 179-01047

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.