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

Claire

# 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） try: font_path = "/System/Library/Fonts/PingFang.ttc" # macOS # font_path = "C:/Windows/Fonts/simhei.ttf" # Windows font_prop = font_manager.FontProperties(fname=font_path) plt.rcParams['font.sans-serif'] = [font_prop.get_name()] plt.rcParams['axes.unicode_minus'] = False except: print("未找到中文字体，使用默认字体") # 设置Seaborn样式 sns.set_style("whitegrid") 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'] # 创建销售数据 sales_data = pd.DataFrame({ '月份': np.tile(months, len(categories)), '产品': np.repeat(categories, len(months)), '销售额': np.random.randint(50, 200, size=len(categories)*len(months)), '利润': np.random.uniform(10, 50, size=len(categories)*len(months)) }) # 创建用户评分数据 ratings_data = pd.DataFrame({ '产品': categories, '评分': np.random.uniform(3.0, 5.0, size=len(categories)), '评价数量': np.random.randint(100, 1000, size=len(categories)) }) # 创建1x2的子图布局 fig, axes = plt.subplots(1, 2, figsize=(16, 6)) # 图表1：各产品销售额柱状图 sales_pivot = sales_data.pivot_table(index='产品', columns='月份', values='销售额', aggfunc='sum') sales_pivot.plot(kind='bar', ax=axes[0], width=0.8) axes[0].set_title('各产品月度销售额对比', fontsize=14, fontweight='bold', pad=15) axes[0].set_xlabel('产品', fontsize=12) axes[0].set_ylabel('销售额 (万元)', fontsize=12) axes[0].legend(title='月份', bbox_to_anchor=(1.05, 1), loc='upper left') axes[0].grid(True, alpha=0.3) # 在柱状图上添加数值标签 for container in axes[0].containers: axes[0].bar_label(container, fmt='%.0f', padding=3, fontsize=8) # 图表2：产品评分散点图（气泡图） scatter = axes[1].scatter( ratings_data['产品'], ratings_data['评分'], s=ratings_data['评价数量']/5, # 气泡大小表示评价数量 alpha=0.6, c=np.arange(len(categories)), cmap='viridis', edgecolors='black', linewidth=0.5 ) axes[1].set_title('产品评分与评价数量', fontsize=14, fontweight='bold', pad=15) axes[1].set_xlabel('产品', fontsize=12) axes[1].set_ylabel('平均评分', fontsize=12) axes[1].set_ylim(2.5, 5.5) axes[1].grid(True, alpha=0.3) # 添加颜色条表示气泡大小 cbar = plt.colorbar(scatter, ax=axes[1], pad=0.02) cbar.set_label('评价数量', rotation=270, labelpad=15) # 调整布局 plt.tight_layout() # 保存图表 plt.savefig('sales_visualization.png', dpi=300, bbox_inches='tight') plt.show() # 创建第二个图表：折线图展示趋势 fig2, ax2 = plt.subplots(figsize=(12, 6)) # 计算每月总销售额 monthly_sales = sales_data.groupby('月份')['销售额'].sum().reindex(months) # 绘制折线图 line = ax2.plot(months, monthly_sales.values, marker='o', linewidth=2.5, markersize=8, color='#FF6B6B', markerfacecolor='white', markeredgewidth=2) ax2.set_title('月度总销售额趋势', fontsize=16, fontweight='bold', pad=20) ax2.set_xlabel('月份', fontsize=12) ax2.set_ylabel('总销售额 (万元)', fontsize=12) ax2.grid(True, alpha=0.3) # 填充折线图下方区域 ax2.fill_between(months, monthly_sales.values, alpha=0.2, color='#FF6B6B') # 添加数据标签 for i, (month, value) in enumerate(zip(months, monthly_sales.values)): ax2.text(i, value + 5, f'{value:.0f}', ha='center', va='bottom', fontsize=10, fontweight='bold') # 添加平均线 avg_sales = monthly_sales.mean() ax2.axhline(y=avg_sales, color='#4ECDC4', linestyle='--', linewidth=2, alpha=0.7) ax2.text(len(months)-0.5, avg_sales+5, f'平均: {avg_sales:.0f}', ha='right', va='bottom', color='#4ECDC4', fontweight='bold') plt.tight_layout() plt.savefig('sales_trend.png', dpi=300, bbox_inches='tight') plt.show() # 创建第三个图表：饼图展示市场份额 fig3, ax3 = plt.subplots(figsize=(10, 8)) # 计算各产品总销售额 product_sales = sales_data.groupby('产品')['销售额'].sum() # 定义颜色 colors = plt.cm.Set3(np.linspace(0, 1, len(product_sales))) # 绘制饼图 wedges, texts, autotexts = ax3.pie( product_sales.values, labels=product_sales.index, colors=colors, autopct='%1.1f%%', startangle=90, pctdistance=0.85, textprops={'fontsize': 11} ) # 美化百分比文本 for autotext in autotexts: autotext.set_color('black') autotext.set_fontweight('bold') # 添加中心圆使饼图变为环形图 centre_circle = plt.Circle((0,0), 0.70, fc='white') ax3.add_artist(centre_circle) ax3.set_title('各产品市场份额分布', fontsize=16, fontweight='bold', pad=20) ax3.axis('equal') # 确保饼图是圆形 plt.tight_layout() plt.savefig('market_share.png', dpi=300, bbox_inches='tight') plt.show() print("数据可视化图表已生成并保存为PNG文件！") ``` ## 代码说明这个示例代码创建了三个不同的数据可视化图表： 1. **组合图表**：包含柱状图和气泡图，展示产品销售数据和评分 2. **趋势折线图**：展示月度销售趋势，带有平均线和数据标签 3. **环形饼图**：展示各产品的市场份额分布 ## 运行要求运行此代码需要安装以下Python库： ```bash pip install matplotlib seaborn numpy pandas ``` ## 主要功能特点 - 使用matplotlib和seaborn创建专业级图表 - 支持中文字体显示（如果系统中有中文字体） - 包含多种图表类型：柱状图、散点图、折线图、饼图 - 自动保存图表为高分辨率PNG文件 - 添加了数据标签、图例、网格线等增强可读性 - 使用颜色映射和样式美化图表你可以根据自己的数据修改示例中的数据部分，快速创建适合自己需求的可视化图表。

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.