sales@lix.by
г.Минск, ул. Тимирязева, д.67, пом. вн.225
Пн - Пт: с 9:00 до 21:00
Сб - Вс: с 9:00 до 20:00

Hairoticmen

# 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'] # 销售数据 sales_data = { '月份': months * 5, '产品': np.repeat(categories, 6), '销售额': np.random.randint(50, 200, 30), '利润': np.random.uniform(10, 50, 30) } df = pd.DataFrame(sales_data) # 创建多子图布局 fig = plt.figure(figsize=(15, 10)) fig.suptitle('2023年上半年产品销售分析', fontsize=16, fontweight='bold') # 1. 柱状图 - 各产品总销售额 ax1 = plt.subplot(2, 3, 1) product_sales = df.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=12, fontweight='bold') ax1.set_ylabel('销售额 (万元)') ax1.set_xlabel('产品') # 在柱状图上添加数值标签 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 - 各月销售额趋势 ax2 = plt.subplot(2, 3, 2) monthly_sales = df.groupby('月份')['销售额'].sum() ax2.plot(monthly_sales.index, monthly_sales.values, marker='o', linewidth=2, markersize=8) ax2.set_title('月度销售额趋势', fontsize=12, fontweight='bold') ax2.set_ylabel('销售额 (万元)') ax2.set_xlabel('月份') ax2.grid(True, alpha=0.3) # 3. 饼图 - 各产品销售额占比 ax3 = plt.subplot(2, 3, 3) explode = (0.05, 0, 0, 0, 0) # 突出显示第一个产品 wedges, texts, autotexts = ax3.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, explode=explode, shadow=True) ax3.set_title('各产品销售额占比', fontsize=12, fontweight='bold') # 4. 散点图 - 销售额与利润关系 ax4 = plt.subplot(2, 3, 4) scatter = ax4.scatter(df['销售额'], df['利润'], c=df.groupby('产品').ngroup(), cmap='viridis', s=100, alpha=0.7, edgecolors='w', linewidth=0.5) ax4.set_title('销售额与利润关系', fontsize=12, fontweight='bold') ax4.set_xlabel('销售额 (万元)') ax4.set_ylabel('利润 (万元)') # 添加颜色条 cbar = plt.colorbar(scatter, ax=ax4) cbar.set_label('产品类别') # 5. 箱线图 - 各产品销售额分布 ax5 = plt.subplot(2, 3, 5) box_data = [df[df['产品'] == cat]['销售额'].values for cat in categories] bp = ax5.boxplot(box_data, labels=categories, patch_artist=True) 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') # 设置箱线图颜色 colors = sns.color_palette("husl", 5) for patch, color in zip(bp['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) # 6. 堆叠面积图 - 各产品月度销售额 ax6 = plt.subplot(2, 3, 6) pivot_df = df.pivot_table(index='月份', columns='产品', values='销售额', aggfunc='sum') pivot_df.plot.area(ax=ax6, alpha=0.8) ax6.set_title('各产品月度销售额堆叠图', fontsize=12, fontweight='bold') ax6.set_ylabel('销售额 (万元)') ax6.set_xlabel('月份') ax6.legend(title='产品', bbox_to_anchor=(1.05, 1), loc='upper left') # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.92) # 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') # 保存图表 plt.savefig('sales_analysis.png', dpi=300, bbox_inches='tight') # 显示图表 plt.show() # 创建交互式图表（需要plotly库） try: import plotly.express as px import plotly.graph_objects as go from plotly.subplots import make_subplots # 创建交互式柱状图 fig_interactive = px.bar(df, x='月份', y='销售额', color='产品', title='交互式销售图表 - 按产品和月份', labels={'销售额': '销售额 (万元)'}, barmode='group') fig_interactive.update_layout( title_font_size=20, xaxis_title_font_size=14, yaxis_title_font_size=14, legend_title_font_size=14 ) # 保存交互式图表 fig_interactive.write_html("interactive_sales_chart.html") print("交互式图表已保存为 interactive_sales_chart.html") except ImportError: print("未安装plotly库，跳过交互式图表生成。") print("要生成交互式图表，请运行: pip install plotly") # 打印数据摘要 print("\n数据摘要:") print("=" * 50) print(f"数据集形状: {df.shape}") print(f"时间范围: {df['月份'].min()} 到 {df['月份'].max()}") print(f"产品数量: {df['产品'].nunique()}") print(f"总销售额: {df['销售额'].sum():.0f} 万元") print(f"平均月销售额: {df.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)") ``` ## 代码说明 1. **数据准备**：创建了一个模拟的销售数据集，包含产品、月份、销售额和利润等字段。 2. **可视化类型**： - 柱状图：显示各产品总销售额 - 折线图：展示月度销售额趋势 - 饼图：显示各产品销售额占比 - 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 - 堆叠面积图：显示各产品月度销售额变化 3. **样式设置**： - 使用seaborn的darkgrid样式 - 设置统一的配色方案 - 添加图表标题、轴标签和图例 - 在图表上添加数据标签 4. **额外功能**： - 保存图表为高分辨率PNG文件 - 可选生成交互式图表（需要plotly库） - 输出数据摘要统计信息 ## 运行要求运行此代码需要安装以下Python库： ```bash pip install matplotlib seaborn numpy pandas # 可选：用于交互式图表 pip install plotly ``` 这个示例展示了如何使用Python创建专业的数据可视化，适合用于数据分析报告、演示文稿或仪表板开发。

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