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

Hartan

# 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'] # 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 = 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)) }) # 创建画布 fig = plt.figure(figsize=(16, 10)) fig.suptitle('产品销售数据分析报告', fontsize=18, 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() 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', 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') # 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=2.5, 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, edgecolors='black') 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) wedges, texts, autotexts = ax4.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, colors=sns.color_palette("husl", len(categories))) ax4.set_title('各产品销售额占比', fontsize=14, fontweight='bold') # 设置饼图文字样式 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) box_data = [sales_data[sales_data['产品'] == cat]['销售额'].values for cat in categories] box = ax5.boxplot(box_data, labels=categories, patch_artist=True) 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) # 设置箱线图颜色 colors = sns.color_palette("husl", len(categories)) for patch, color in zip(box['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) # 6. 组合图 - 评分与评价数量 ax6 = plt.subplot(2, 3, 6) bar_width = 0.4 x_indexes = np.arange(len(categories)) bars1 = ax6.bar(x_indexes - bar_width/2, ratings['评分'], bar_width, label='评分', alpha=0.8, color='skyblue') ax6.set_xlabel('产品') ax6.set_ylabel('评分', color='skyblue') ax6.tick_params(axis='y', labelcolor='skyblue') ax6.set_xticks(x_indexes) ax6.set_xticklabels(categories, rotation=45) # 创建第二个y轴 ax6_2 = ax6.twinx() bars2 = ax6_2.bar(x_indexes + bar_width/2, ratings['评价数量'], bar_width, label='评价数量', alpha=0.8, color='salmon') ax6_2.set_ylabel('评价数量', color='salmon') ax6_2.tick_params(axis='y', labelcolor='salmon') ax6.set_title('产品评分与评价数量', fontsize=14, fontweight='bold') # 添加图例 lines1, labels1 = ax6.get_legend_handles_labels() lines2, labels2 = ax6_2.get_legend_handles_labels() ax6.legend(lines1 + lines2, labels1 + labels2, loc='upper left') # 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') # 保存图表 plt.savefig('sales_analysis_report.png', dpi=300, bbox_inches='tight') # 显示图表 plt.show() # 打印数据摘要 print("="*50) print("数据摘要:") print("="*50) print(f"总销售额: {product_sales.sum():.0f} 万元") print(f"平均月销售额: {monthly_sales.mean():.0f} 万元") print(f"最高评分产品: {ratings.loc[ratings['评分'].idxmax(), '产品']} ({ratings['评分'].max():.1f}分)") print(f"最多评价产品: {ratings.loc[ratings['评价数量'].idxmax(), '产品']} ({ratings['评价数量'].max()}条评价)") ``` ## 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**：显示各产品的总销售额 2. **折线图**：展示月度销售趋势 3. **散点图**：分析销售额与利润的关系 4. **饼图**：显示各产品销售额占比 5. **箱线图**：展示各产品销售额的分布情况 6. **组合图**：同时显示产品评分和评价数量 ## 运行要求运行此代码需要安装以下Python库： ```bash pip install matplotlib seaborn numpy pandas ``` ## 自定义建议 1. **数据源**：可以将示例数据替换为实际数据 2. **图表类型**：根据需求调整图表类型（如

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.