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

Exoprima

# 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, len(categories) * len(months)), '利润': np.random.uniform(10, 50, 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, len(categories)), '评价数量': np.random.randint(100, 1000, len(categories)) }) # 创建时间序列数据 dates = pd.date_range('2023-01-01', periods=30, freq='D') time_series_data = pd.DataFrame({ '日期': dates, '访问量': np.random.randint(500, 1500, len(dates)) + np.sin(np.arange(len(dates)) * 0.5) * 300, '转化率': np.random.uniform(0.01, 0.05, len(dates)) + np.sin(np.arange(len(dates)) * 0.3) * 0.01 }) # 创建多子图布局 fig = plt.figure(figsize=(16, 12)) fig.suptitle('产品销售数据分析报告', fontsize=16, fontweight='bold') # 1. 柱状图 - 各产品总销售额 ax1 = plt.subplot(2, 3, 1) product_sales = sales_data.groupby('产品')['销售额'].sum().sort_values(ascending=False) bars = ax1.bar(product_sales.index, product_sales.values, color=sns.color_palette("husl", len(categories))) ax1.set_title('各产品总销售额对比', 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 + 5, f'{int(height)}', ha='center', va='bottom', fontsize=9) # 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, markersize=6) ax2.set_title('月度销售趋势', fontsize=12, fontweight='bold') ax2.set_ylabel('销售额（万元）') ax2.set_xlabel('月份') ax2.grid(True, alpha=0.3) # 3. 散点图 - 销售额与利润关系 ax3 = plt.subplot(2, 3, 3) for product in categories: product_data = sales_data[sales_data['产品'] == product] ax3.scatter(product_data['销售额'], product_data['利润'], label=product, s=60, alpha=0.7) ax3.set_title('销售额与利润关系', fontsize=12, fontweight='bold') ax3.set_ylabel('利润（万元）') ax3.set_xlabel('销售额（万元）') ax3.legend(loc='best', fontsize=9) ax3.grid(True, alpha=0.3) # 4. 饼图 - 各产品销售额占比 ax4 = plt.subplot(2, 3, 4) explode = [0.05] * len(categories) # 让每个扇形稍微分离 colors = sns.color_palette("husl", len(categories)) wedges, texts, autotexts = ax4.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, explode=explode, colors=colors, shadow=True) ax4.set_title('各产品销售额占比', fontsize=12, fontweight='bold') # 设置百分比文本样式 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 5. 箱线图 - 各产品销售额分布 ax5 = plt.subplot(2, 3, 5) sales_data_pivot = sales_data.pivot_table(values='销售额', index='月份', columns='产品') sns.boxplot(data=sales_data_pivot, ax=ax5) ax5.set_title('各产品销售额分布', fontsize=12, fontweight='bold') ax5.set_ylabel('销售额（万元）') ax5.set_xlabel('产品') ax5.tick_params(axis='x', rotation=45) # 6. 组合图 - 时间序列分析 ax6 = plt.subplot(2, 3, 6) # 创建双Y轴 ax6_secondary = ax6.twinx() # 主Y轴：访问量 line1 = ax6.plot(time_series_data['日期'], time_series_data['访问量'], color='blue', linewidth=2, label='访问量') ax6.set_xlabel('日期') ax6.set_ylabel('访问量', color='blue') ax6.tick_params(axis='y', labelcolor='blue') # 次Y轴：转化率 line2 = ax6_secondary.plot(time_series_data['日期'], time_series_data['转化率'], color='red', linewidth=2, linestyle='--', label='转化率') ax6_secondary.set_ylabel('转化率', color='red') ax6_secondary.tick_params(axis='y', labelcolor='red') ax6_secondary.set_ylim(0, 0.06) # 合并图例 lines = line1 + line2 labels = [l.get_label() for l in lines] ax6.legend(lines, labels, loc='upper left', fontsize=9) ax6.set_title('网站访问量与转化率趋势', fontsize=12, fontweight='bold') ax6.grid(True, alpha=0.3) # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.93) # 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('data_visualization_report.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"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"销售额最高的产品: {product_sales.idxmax()} ({product_sales.max():.0f} 万元)") print(f"平均利润率: {(sales_data['利润'].sum() / sales_data['销售额'].sum() * 100):.1f}%") print("=" * 60) ``` ## 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**：展示各产品的总销售额对比 2. **折线图**：显示月度销售趋势 3. **散点图**：分析销售额与利润的关系 4. **饼图**：展示各产品销售额占比 5.

Комментарии

Загрузка комментариев...

Назад к списку

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