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

Dahaci

# 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_prop = font_manager.FontProperties(fname=font_path) plt.rcParams['font.sans-serif'] = [font_prop.get_name()] plt.rcParams['axes.unicode_minus'] = False except: print("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'] # 生成销售数据 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)) }) # 生成用户评分数据 ratings = np.random.normal(4.2, 0.3, 100) ratings = np.clip(ratings, 1, 5) # 限制在1-5之间 # 创建画布 fig = plt.figure(figsize=(16, 10)) fig.suptitle('产品销售数据分析可视化', fontsize=16, fontweight='bold') # 1. 柱状图 - 各产品平均销售额 ax1 = plt.subplot(2, 3, 1) product_sales = sales_data.groupby('产品')['销售额'].mean() bars = ax1.bar(product_sales.index, product_sales.values, color=sns.color_palette("husl", len(categories))) ax1.set_title('各产品平均销售额', fontsize=12, 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 + 3, f'{height:.0f}', ha='center', va='bottom', fontsize=10) # 2. 折线图 - 各月销售趋势 ax2 = plt.subplot(2, 3, 2) monthly_sales = sales_data.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('月度销售趋势', fontsize=12, fontweight='bold') ax2.set_ylabel('总销售额 (万元)') ax2.set_xlabel('月份') ax2.fill_between(monthly_sales.index, monthly_sales.values, alpha=0.2) # 3. 散点图 - 销售额与利润关系 ax3 = plt.subplot(2, 3, 3) scatter = ax3.scatter(sales_data['销售额'], sales_data['利润'], c=sales_data['销售额'], cmap='viridis', alpha=0.7, s=100, edgecolors='black') ax3.set_title('销售额与利润关系', fontsize=12, fontweight='bold') ax3.set_xlabel('销售额 (万元)') ax3.set_ylabel('利润 (万元)') plt.colorbar(scatter, ax=ax3, label='销售额强度') # 4. 箱线图 - 各产品销售额分布 ax4 = plt.subplot(2, 3, 4) sns.boxplot(x='产品', y='销售额', data=sales_data, ax=ax4) ax4.set_title('各产品销售额分布', fontsize=12, fontweight='bold') ax4.set_ylabel('销售额 (万元)') ax4.set_xlabel('产品') # 5. 直方图 - 用户评分分布 ax5 = plt.subplot(2, 3, 5) ax5.hist(ratings, bins=15, edgecolor='black', alpha=0.7, color='skyblue') ax5.set_title('用户评分分布', fontsize=12, fontweight='bold') ax5.set_xlabel('评分 (1-5分)') ax5.set_ylabel('频数') ax5.axvline(ratings.mean(), color='red', linestyle='--', linewidth=2, label=f'平均分: {ratings.mean():.2f}') ax5.legend() # 6. 饼图 - 各产品销售额占比 ax6 = plt.subplot(2, 3, 6) product_total_sales = sales_data.groupby('产品')['销售额'].sum() colors = plt.cm.Set3(np.linspace(0, 1, len(product_total_sales))) wedges, texts, autotexts = ax6.pie(product_total_sales.values, labels=product_total_sales.index, colors=colors, autopct='%1.1f%%', startangle=90, explode=[0.05]*len(product_total_sales)) ax6.set_title('各产品销售额占比', fontsize=12, fontweight='bold') # 美化饼图文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.92) # 添加脚注 fig.text(0.5, 0.01, '数据来源: 模拟销售数据 | 可视化工具: Matplotlib & Seaborn', ha='center', fontsize=10, style='italic', alpha=0.7) # 保存图表 plt.savefig('data_visualization.png', dpi=300, bbox_inches='tight') plt.show() # 打印数据摘要 print("="*50) print("数据摘要:") print("="*50) print(f"总销售额: {sales_data['销售额'].sum():.0f} 万元") print(f"平均月销售额: {sales_data.groupby('月份')['销售额'].sum().mean():.0f} 万元") print(f"最畅销产品: {product_total_sales.idxmax()} ({product_total_sales.max():.0f} 万元)") print(f"用户平均评分: {ratings.mean():.2f} 分") print("="*50) ``` ## 代码说明这个可视化示例包含以下特点： 1. **多种图表类型**： - 柱状图：显示各产品平均销售额 - 折线图：展示月度销售趋势 - 散点图：分析销售额与利润的关系 - 箱线图：展示各产品销售额分布 - 直方图：显示用户评分分布 - 饼图：展示各产品销售额占比 2. **数据生成**： - 使用NumPy和Pandas生成模拟销售数据 - 包含产品、月份、销售额和利润等字段 3. **可视化优化**： - 使用Seaborn设置美观的样式和调色板 - 添加数据标签、图例和颜色条 - 设置标题和坐标轴标签 - 添加网格和填充区域增强可读性 4. **输出功能**： - 将图表保存为高分辨率PNG图像 - 在控制台输出数据摘要 ## 运行要求运行此代码需要安装以下Python库： ```bash pip 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，适用于数据分析报告、演示文稿或数据探索。您可以根据自己的数据调整代码中的数据和图表类型。

Быстрый просмотр

Кондиционер Dahaci FreshME DI07BFM-D/DO07BFM-D

Гарантия (месяцев)

:

24

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.