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

Brick Labs

Brick Labs

# 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=2.5, label=product)ax2.set_title('各月销售额趋势', fontsize=14, fontweight='bold')ax2.set_xlabel('月份', fontsize=12)ax2.set_ylabel('销售额 (万元)', fontsize=12)ax2.legend(loc='upper left', bbox_to_anchor=(1, 1))ax2.grid(True, alpha=0.3)# 3. 饼图 - 销售额占比ax3 = plt.subplot(2, 3, 3)colors = plt.cm.Set3(np.linspace(0, 1, 5))wedges, texts, autotexts = ax3.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', colors=colors, startangle=90)ax3.set_title('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')# 4. 散点图 - 评分与用户数关系ax4 = plt.subplot(2, 3, 4)scatter = ax4.scatter(df_rating['评分'], df_rating['用户数'], s=df_rating['用户数']/5, alpha=0.7, c=df_rating['评分'], cmap='viridis')ax4.set_title('产品评分与用户数关系', fontsize=14, fontweight='bold')ax4.set_xlabel('评分 (1-5分)', fontsize=12)ax4.set_ylabel('用户数', fontsize=12)# 添加产品标签for i, product in enumerate(categories): ax4.annotate(product, (df_rating['评分'][i], df_rating['用户数'][i]), xytext=(5, 5), textcoords='offset points', fontsize=9)# 添加颜色条cbar = plt.colorbar(scatter, ax=ax4)cbar.set_label('评分值', rotation=270, labelpad=15)# 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 = ax5.boxplot(box_data, labels=categories, patch_artist=True)# 设置箱线图颜色colors = sns.color_palette("husl", 5)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. 堆叠面积图 - 各月销售额构成ax6 = plt.subplot(2, 3, 6)monthly_sales_pivot = df_sales.pivot_table(index='月份', columns='产品', values='销售额', aggfunc='sum')# 确保月份顺序正确monthly_sales_pivot = monthly_sales_pivot.reindex(months)monthly_sales_pivot.plot.area(ax=ax6, alpha=0.8)ax6.set_title('各月销售额构成', fontsize=14, fontweight='bold')ax6.set_xlabel('月份', fontsize=12)ax6.set_ylabel('销售额 (万元)', fontsize=12)ax6.legend(loc='upper left', bbox_to_anchor=(1, 1))# 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('product_analysis.png', dpi=300, bbox_inches='tight')plt.show()# 输出数据统计摘要print("=" * 60)print("数据统计摘要")print("=" * 60)print(f"总销售额: {product_sales.sum():.0f} 万元")print(f"平均评分: {df_rating['评分'].mean():.2f}")print(f"总用户数: {df_rating['用户数'].sum():.0f}")print(f"销售额最高的产品: {product_sales.idxmax()} ({product_sales.max():.0f} 万元)")print(f"评分最高的产品: {df_rating.loc[df_rating['评分'].idxmax(), '产品']} ({df_rating['评分'].max():.2f})")```## 代码说明1. **数据生成**：使用numpy生成模拟的销售数据和评分数据2. **图表类型**：包含6种不同的图表类型： - 柱状图：显示各产品总销售额 - 折线图：展示各月销售额趋势 - 饼图：显示销售额占比 - 散点图：展示评分与用户数的关系 - 箱线图：显示销售额分布情况 - 堆叠面积图：展示各月销售额构成3. **可视化优化**： - 使用seaborn样式和调色板 - 添加数据标签和注释 - 设置合适的图表标题和轴标签 - 添加图例和颜色条 - 调整布局和添加脚注4. **输出**： - 显示图表 - 保存为高分辨率PNG图片 - 输出数据统计摘要## 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

Быстрый просмотр

Конструктор Brick Labs Ладья Садко AB-1212

Конструктор Brick Labs Ладья Садко AB-1212

Конструктор Brick Labs Ладья Садко AB-1212

Конструктор Brick Labs Ладья Садко AB-1212

Гарантия (месяцев)

:

12

Быстрый просмотр

Конструктор Brick Labs Такси AB-1301

Гарантия (месяцев)

:

12

Быстрый просмотр

Конструктор Brick Labs Чудо-юдо AB-1210

Конструктор Brick Labs Чудо-юдо AB-1210

Конструктор Brick Labs Чудо-юдо AB-1210

Гарантия (месяцев)

:

12

Новинка

Быстрый просмотр

Конструктор Brick Labs Избушка Бабы-Яги AB-1201

Конструктор Brick Labs Избушка Бабы-Яги AB-1201

Конструктор Brick Labs Избушка Бабы-Яги AB-1201

Конструктор Brick Labs Избушка Бабы-Яги AB-1201

Гарантия (месяцев)

:

12

Комментарии

Загрузка комментариев...

Назад к списку

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