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

Goodwill

# 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'] # 销售额数据 sales_data = { '月份': months * 5, '产品': np.repeat(categories, 6), '销售额': np.random.randint(50, 200, 30) } # 用户评分数据 rating_data = { '产品': categories, '评分': np.random.uniform(3.5, 5.0, 5), '用户数': np.random.randint(100, 1000, 5) } # 创建DataFrame df_sales = pd.DataFrame(sales_data) df_rating = pd.DataFrame(rating_data) # 创建多子图图表 fig = plt.figure(figsize=(16, 10)) fig.suptitle('产品数据分析报告', fontsize=18, 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_sales.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)', fontsize=12) ax1.tick_params(axis='x', rotation=45) # 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) for product in categories: product_monthly = df_sales[df_sales['产品'] == product].sort_values('月份') ax2.plot(months, product_monthly['销售额'], marker='o', linewidth=2, label=product) ax2.set_title('各月销售额趋势', fontsize=14, fontweight='bold') ax2.set_xlabel('月份', fontsize=12) ax2.set_ylabel('销售额 (万元)', fontsize=12) ax2.legend(loc='upper left', bbox_to_anchor=(1, 1)) ax2.grid(True, alpha=0.3) # 3. 饼图 - 销售额占比 ax3 = plt.subplot(2, 3, 3) colors = plt.cm.Set3(np.linspace(0, 1, 5)) wedges, texts, autotexts = ax3.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', colors=colors, startangle=90) ax3.set_title('销售额占比', fontsize=14, fontweight='bold') # 美化饼图文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 4. 散点图 - 评分与用户数关系 ax4 = plt.subplot(2, 3, 4) scatter = ax4.scatter(df_rating['评分'], df_rating['用户数'], s=df_rating['用户数']/5, alpha=0.7, c=df_rating['评分'], cmap='viridis') ax4.set_title('产品评分与用户数关系', fontsize=14, fontweight='bold') ax4.set_xlabel('评分 (1-5分)', fontsize=12) ax4.set_ylabel('用户数', fontsize=12) # 添加产品标签 for i, product in enumerate(df_rating['产品']): ax4.annotate(product, (df_rating['评分'][i], df_rating['用户数'][i]), xytext=(5, 5), textcoords='offset points', fontsize=9) # 添加颜色条 cbar = plt.colorbar(scatter, ax=ax4) cbar.set_label('评分值', rotation=270, labelpad=15) # 5. 箱线图 - 销售额分布 ax5 = plt.subplot(2, 3, 5) box_data = [df_sales[df_sales['产品'] == product]['销售额'].values for product in categories] box = ax5.boxplot(box_data, labels=categories, patch_artist=True) # 设置箱线图颜色 colors = sns.color_palette("husl", 5) for patch, color in zip(box['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) ax5.set_title('销售额分布情况', fontsize=14, fontweight='bold') ax5.set_ylabel('销售额 (万元)', fontsize=12) ax5.tick_params(axis='x', rotation=45) # 6. 堆叠面积图 - 各月各产品销售额构成 ax6 = plt.subplot(2, 3, 6) monthly_sales_pivot = df_sales.pivot_table(index='月份', columns='产品', values='销售额', aggfunc='sum') # 确保月份顺序正确 monthly_sales_pivot = monthly_sales_pivot.reindex(months) monthly_sales_pivot.plot.area(ax=ax6, alpha=0.8) ax6.set_title('各月销售额构成', fontsize=14, fontweight='bold') ax6.set_xlabel('月份', fontsize=12) ax6.set_ylabel('销售额 (万元)', fontsize=12) ax6.legend(loc='upper left', bbox_to_anchor=(1, 1)) # 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() # 创建单独的热力图 print("\n" + "="*60) print("月度销售热力图") print("="*60) # 准备热力图数据 heatmap_data = monthly_sales_pivot.T plt.figure(figsize=(10, 6)) sns.heatmap(heatmap_data, annot=True, fmt='d', cmap='YlOrRd', linewidths=0.5, cbar_kws={'label': '销售额 (万元)'}) plt.title('月度销售热力图', fontsize=16, fontweight='bold') plt.xlabel('月份', fontsize=12) plt.ylabel('产品', fontsize=12) plt.tight_layout() plt.savefig('sales_heatmap.png', dpi=300, bbox_inches='tight') plt.show() # 输出数据统计摘要 print("\n数据统计摘要:") print("-" * 40) print(f"总销售额: {df_sales['销售额'].sum():.0f} 万元") print(f"平均月销售额: {df_sales['销售额'].mean():.1f} 万元") print(f"最高月销售额: {df_sales['销售额'].max():.0f} 万元") print(f"最低月销售额: {df_sales['销售额'].min():.0f} 万元") print(f"平均产品评分: {df_rating['评分'].mean():.2f}") print(f"总用户数: {df_rating['用户数'].sum():.0f}") ``` ## 运行说明 1. **安装必要的库**： ```bash pip install matplotlib seaborn numpy pandas ``` 2. **运行代码**： - 将代码保存为 `.py` 文件并运行

Быстрый просмотр

Статуэтка Goodwill Xmas 2024 Санта с подарками AS 25015

статуэтка, Дед Мороз/люди, цвет красный/белый

Гарантия (месяцев)

:

12

Быстрый просмотр

Елочная игрушка Goodwill Xmas 2024 Сосулька P 29252

Елочная игрушка Goodwill Xmas 2024 Сосулька P 29252

елочная игрушка, сосулька, цвет серебристый

Гарантия (месяцев)

:

12

Быстрый просмотр

Елочная игрушка Goodwill Xmas 2024 Люстра P 37025

Елочная игрушка Goodwill Xmas 2024 Люстра P 37025

елочная игрушка, предметы, цвет золотистый/прозрачный

Гарантия (месяцев)

:

12

Быстрый просмотр

Goodwill Xmas 2020 Макарон лиловый D 47136-4

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.