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. 428
Пн - Пт: с 9:00 до 21:00
Сб - Вс: с 9:00 до 20:00

Clean Go

# 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） # 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=(16, 10)) fig.suptitle('产品销售数据分析', fontsize=16, 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.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)') ax1.set_xlabel('产品') # 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) 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=14, 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) product_sales = df.groupby('产品')['销售额'].sum() colors = plt.cm.Set3(np.linspace(0, 1, len(product_sales))) wedges, texts, autotexts = ax3.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, colors=colors, textprops={'fontsize': 10}) ax3.set_title('各产品销售额占比', fontsize=14, fontweight='bold') # 添加图例 ax3.legend(wedges, product_sales.index, title="产品", loc="center left", bbox_to_anchor=(1, 0, 0.5, 1), fontsize=9) # 4. 散点图 - 销售额与利润关系 ax4 = plt.subplot(2, 3, 4) scatter = ax4.scatter(df['销售额'], df['利润'], c=df['销售额'], cmap='viridis', s=100, alpha=0.7, edgecolors='w', linewidth=0.5) ax4.set_title('销售额与利润关系', fontsize=14, fontweight='bold') ax4.set_xlabel('销售额 (万元)') ax4.set_ylabel('利润 (万元)') # 添加颜色条 cbar = plt.colorbar(scatter, ax=ax4) cbar.set_label('销售额强度') # 5. 箱线图 - 各产品销售额分布 ax5 = plt.subplot(2, 3, 5) box_data = [df[df['产品'] == cat]['销售额'].values for cat in categories] box = ax5.boxplot(box_data, labels=categories, patch_artist=True) ax5.set_title('各产品销售额分布', fontsize=14, fontweight='bold') ax5.set_ylabel('销售额 (万元)') ax5.set_xlabel('产品') # 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) # 6. 堆叠面积图 - 各产品月度销售额构成 ax6 = plt.subplot(2, 3, 6) # 创建数据透视表 pivot_df = df.pivot_table(index='月份', columns='产品', values='销售额', aggfunc='sum') pivot_df = pivot_df.reindex(months) # 确保月份顺序正确 # 绘制堆叠面积图 colors = sns.color_palette("husl", len(categories)) ax6.stackplot(pivot_df.index, pivot_df.T.values, labels=categories, colors=colors, alpha=0.8) ax6.set_title('各产品月度销售额构成', fontsize=14, fontweight='bold') ax6.set_ylabel('销售额 (万元)') ax6.set_xlabel('月份') ax6.legend(loc='upper left', fontsize=9) ax6.grid(True, alpha=0.3) # 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: 模拟销售数据 | 生成时间: 2023年', ha='center', fontsize=9, style='italic', color='gray') # 保存图表 plt.savefig('sales_analysis.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"数据记录数: {len(df)}") print(f"时间范围: {df['月份'].min()} 到 {df['月份'].max()}") print(f"产品数量: {df['产品'].nunique()}") print(f"总销售额: {df['销售额'].sum():.0f} 万元") print(f"平均销售额: {df['销售额'].mean():.1f} 万元") print(f"最大销售额: {df['销售额'].max():.0f} 万元") print(f"最小销售额: {df['销售额'].min():.0f} 万元") print("=" * 60) # 创建月度汇总表 monthly_summary = df.groupby('月份').agg({ '销售额': ['sum', 'mean', 'std'], '利润': ['sum', 'mean'] }).round(1) print("\n月度销售汇总:") print(monthly_summary) ``` ## 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仪表板： 1. **柱状图**：显示各产品的总销售额 2. **折线图**：展示月度销售额趋势 3. **饼图**：显示各产品销售额占比 4. **散点图**：分析销售额与利润的关系 5. **箱线图**：展示各产品销售额的分布情况 6. **堆叠面积图**：显示各产品月度销售额构成 ## 运行要求要运行此代码，需要安装以下Python库： ```bash pip install matplotlib seaborn numpy pandas ``` ## 自定义选项 1. **修改数据**：可以替换`df` DataFrame中的数据为实际数据 2. **调整颜色**：通过修改`sns.set_palette()`或直接指定颜色值来更改配色方案 3. **更改图表类型**：每个子图都可以单独更改为其他类型的图表 4. **添加交互性**：可以使用Plotly库替代matplotlib创建交互式图表这个示例展示了如何使用Python创建专业的数据可视化，适用于数据分析报告、仪表板或演示文稿。

Быстрый просмотр

Clean Go Свежесть цитруса 1 л

Гарантия (месяцев)

:

12

Быстрый просмотр

Clean Go Морская свежесть 1 л

Гарантия (месяцев)

:

12

Быстрый просмотр

Средство для кухни Clean Go 500 мл

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.