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

GreenGo

# 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', 'Arial Unicode MS', 'DejaVu Sans'] # plt.rcParams['axes.unicode_minus'] = False # 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_data = pd.DataFrame({ '产品': categories, '评分': np.random.uniform(3.0, 5.0, size=len(categories)), '评价数量': np.random.randint(100, 1000, size=len(categories)) }) # 创建多子图布局 fig = plt.figure(figsize=(16, 10)) fig.suptitle('产品销售数据分析报告', 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 = 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=14, fontweight='bold') ax1.set_xlabel('产品') ax1.set_ylabel('销售额 (万元)') 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 - 月度销售趋势 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=14, fontweight='bold') ax2.set_xlabel('月份') ax2.set_ylabel('销售额 (万元)') ax2.grid(True, alpha=0.3) # 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) ax3.set_title('销售额与利润关系', fontsize=14, 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. 饼图 - 各产品销售额占比 ax4 = plt.subplot(2, 3, 4) colors = plt.cm.Set3(np.linspace(0, 1, len(categories))) wedges, texts, autotexts = ax4.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, colors=colors, textprops={'fontsize': 10}) ax4.set_title('各产品销售额占比', fontsize=14, fontweight='bold') # 添加图例 ax4.legend(wedges, product_sales.index, title="产品", loc="center left", bbox_to_anchor=(1, 0, 0.5, 1), fontsize=9) # 5. 箱线图 - 各产品销售额分布 ax5 = plt.subplot(2, 3, 5) sns.boxplot(x='产品', y='销售额', data=sales_data, ax=ax5) ax5.set_title('各产品销售额分布', fontsize=14, fontweight='bold') ax5.set_xlabel('产品') ax5.set_ylabel('销售额 (万元)') ax5.tick_params(axis='x', rotation=45) # 6. 组合图 - 评分与评价数量 ax6 = plt.subplot(2, 3, 6) ax6_bar = ax6.bar(ratings_data['产品'], ratings_data['评价数量'], alpha=0.7, label='评价数量', color='skyblue') ax6.set_xlabel('产品') ax6.set_ylabel('评价数量', color='skyblue') ax6.tick_params(axis='y', labelcolor='skyblue') ax6.tick_params(axis='x', rotation=45) # 创建第二个y轴用于评分 ax6_line = ax6.twinx() ax6_line.plot(ratings_data['产品'], ratings_data['评分'], color='coral', marker='s', linewidth=2.5, markersize=8, label='评分') ax6_line.set_ylabel('评分 (0-5分)', color='coral') ax6_line.tick_params(axis='y', labelcolor='coral') ax6_line.set_ylim(0, 5.5) ax6.set_title('产品评分与评价数量', fontsize=14, fontweight='bold') # 合并图例 lines1, labels1 = ax6.get_legend_handles_labels() lines2, labels2 = ax6_line.get_legend_handles_labels() ax6.legend(lines1 + lines2, labels1 + labels2, loc='upper left', fontsize=9) # 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=10, style='italic', alpha=0.7) # 保存图表 plt.savefig('sales_analysis_report.png', dpi=300, bbox_inches='tight') 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.index[0]} ({product_sales.values[0]} 万元)") print(f"平均利润率: {(sales_data['利润'].sum() / sales_data['销售额'].sum() * 100):.1f}%") print(f"平均产品评分: {ratings_data['评分'].mean():.2f} 分") print("="*60) ``` ## 代码说明 1. **数据生成**：使用NumPy和Pandas创建模拟的销售数据和评分数据 2. **可视化类型**： - 柱状图：展示各产品总销售额对比 - 折线图：显示月度销售趋势 - 散点图：分析销售额与利润的关系 - 饼图：展示各产品销售额占比 - 箱线图：显示各产品销售额分布情况 - 组合图：同时展示产品评分和评价数量 3. **样式特点**： - 使用Seaborn的"whitegrid"样式和"husl"调色板 - 添加了数据标签、图例和颜色条 - 设置了合适的字体大小和图表标题 - 添加了整体标题和脚注 4. **输出**： - 显示图表窗口 - 保存为高分辨率PNG图片 - 打印数据摘要信息 ## 运行要求运行此代码需要安装以下Python库： ``` pip install matplotlib seaborn numpy pandas

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.