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

Globo Lighting

# 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） # 请根据你的系统调整字体路径 # plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', '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 = ['A', 'B', 'C', 'D', 'E'] values_bar = np.random.randint(20, 100, size=5) values_line = np.cumsum(np.random.randn(50) * 10 + 100) x_scatter = np.random.randn(100) * 10 y_scatter = x_scatter * 2 + np.random.randn(100) * 5 # 创建饼图数据 sizes = [30, 25, 20, 15, 10] labels = ['类别1', '类别2', '类别3', '类别4', '类别5'] # 创建DataFrame用于热力图 heatmap_data = pd.DataFrame( np.random.rand(10, 12), columns=[f'Month {i+1}' for i in range(12)], index=[f'Product {i+1}' for i in range(10)] ) # 创建图形和子图 fig = plt.figure(figsize=(16, 12)) fig.suptitle('数据可视化示例', fontsize=16, fontweight='bold') # 1. 柱状图 ax1 = plt.subplot(3, 3, 1) bars = ax1.bar(categories, values_bar, color=sns.color_palette()[:5]) ax1.set_title('柱状图示例', fontsize=12, fontweight='bold') ax1.set_xlabel('类别') ax1.set_ylabel('数值') # 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 + 1, f'{int(height)}', ha='center', va='bottom', fontsize=9) # 2. 折线图 ax2 = plt.subplot(3, 3, 2) ax2.plot(values_line, linewidth=2, marker='o', markersize=4) ax2.set_title('折线图示例', fontsize=12, fontweight='bold') ax2.set_xlabel('时间') ax2.set_ylabel('数值') ax2.grid(True, alpha=0.3) # 3. 散点图 ax3 = plt.subplot(3, 3, 3) scatter = ax3.scatter(x_scatter, y_scatter, c=np.sqrt(x_scatter**2 + y_scatter**2), cmap='viridis', alpha=0.7, s=50) ax3.set_title('散点图示例', fontsize=12, fontweight='bold') ax3.set_xlabel('X轴') ax3.set_ylabel('Y轴') plt.colorbar(scatter, ax=ax3, label='距离原点') # 4. 饼图 ax4 = plt.subplot(3, 3, 4) wedges, texts, autotexts = ax4.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, colors=sns.color_palette("pastel")) ax4.set_title('饼图示例', fontsize=12, fontweight='bold') # 美化饼图文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 5. 箱线图 ax5 = plt.subplot(3, 3, 5) box_data = [np.random.normal(0, std, 100) for std in range(1, 6)] bp = ax5.boxplot(box_data, patch_artist=True) ax5.set_title('箱线图示例', fontsize=12, fontweight='bold') ax5.set_xlabel('数据集') ax5.set_ylabel('数值') # 设置箱线图颜色 colors = sns.color_palette("Set2") for patch, color in zip(bp['boxes'], colors): patch.set_facecolor(color) # 6. 直方图 ax6 = plt.subplot(3, 3, 6) hist_data = np.random.randn(1000) ax6.hist(hist_data, bins=30, edgecolor='black', alpha=0.7, color=sns.color_palette()[2]) ax6.set_title('直方图示例', fontsize=12, fontweight='bold') ax6.set_xlabel('数值') ax6.set_ylabel('频率') # 添加均值和标准差线 mean_val = np.mean(hist_data) std_val = np.std(hist_data) ax6.axvline(mean_val, color='red', linestyle='--', linewidth=2, label=f'均值: {mean_val:.2f}') ax6.axvline(mean_val + std_val, color='orange', linestyle=':', linewidth=1.5) ax6.axvline(mean_val - std_val, color='orange', linestyle=':', linewidth=1.5) ax6.legend() # 7. 热力图 ax7 = plt.subplot(3, 3, 7) sns.heatmap(heatmap_data, ax=ax7, cmap='YlOrRd', cbar_kws={'label': '数值'}) ax7.set_title('热力图示例', fontsize=12, fontweight='bold') ax7.set_xlabel('月份') ax7.set_ylabel('产品') # 8. 面积图 ax8 = plt.subplot(3, 3, 8) x_area = np.linspace(0, 10, 100) y1_area = np.sin(x_area) y2_area = np.cos(x_area) ax8.fill_between(x_area, y1_area, alpha=0.5, label='sin(x)', color=sns.color_palette()[0]) ax8.fill_between(x_area, y2_area, alpha=0.5, label='cos(x)', color=sns.color_palette()[1]) ax8.set_title('面积图示例', fontsize=12, fontweight='bold') ax8.set_xlabel('X轴') ax8.set_ylabel('Y轴') ax8.legend() ax8.grid(True, alpha=0.3) # 9. 组合图（柱状图+折线图） ax9 = plt.subplot(3, 3, 9) x_combined = np.arange(1, 11) y_bar_combined = np.random.randint(10, 50, size=10) y_line_combined = np.cumsum(np.random.randn(10)) + 50 # 创建双Y轴 ax9_bar = ax9 ax9_line = ax9.twinx() # 绘制柱状图 bars_combined = ax9_bar.bar(x_combined, y_bar_combined, alpha=0.7, color=sns.color_palette()[3], label='柱状图数据') ax9_bar.set_xlabel('类别') ax9_bar.set_ylabel('柱状图数值', color=sns.color_palette()[3]) ax9_bar.tick_params(axis='y', labelcolor=sns.color_palette()[3]) # 绘制折线图 line_combined = ax9_line.plot(x_combined, y_line_combined, color=sns.color_palette()[4], marker='s', linewidth=2, label='折线图数据') ax9_line.set_ylabel('折线图数值', color=sns.color_palette()[4]) ax9_line.tick_params(axis='y', labelcolor=sns.color_palette()[4]) ax9.set_title('组合图示例', fontsize=12, fontweight='bold') # 合并图例 lines_labels = [ax9_bar.get_legend_handles_labels(), ax9_line.get_legend_handles_labels()] lines, labels = [sum(lol, []) for lol in zip(*lines_labels)] ax9.legend(lines, labels, loc='upper left') # 调整布局 plt.tight_layout(rect=[0, 0, 1, 0.96]) # 为总标题留出空间 # 保存图表 plt.savefig('data_visualization_example.png', dpi=150,

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.