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

Кастанье

# 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("中文字体设置失败，将使用默认字体") # 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'] # 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) # 创建画布和子图 fig, axes = plt.subplots(2, 2, figsize=(14, 10)) fig.suptitle('产品销售数据分析', fontsize=16, fontweight='bold') # 1. 柱状图 - 各产品总销售额 ax1 = axes[0, 0] 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('各产品总销售额对比', fontsize=12, fontweight='bold') ax1.set_xlabel('产品') ax1.set_ylabel('销售额（万元）') # 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=10) # 2. 折线图 - 各月销售额趋势 ax2 = axes[0, 1] monthly_sales = df.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('月度销售额趋势', fontsize=12, 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 = axes[1, 0] scatter = ax3.scatter(df['销售额'], df['利润'], c=df['销售额'], cmap='viridis', s=100, alpha=0.7, edgecolors='black') ax3.set_title('销售额与利润关系', fontsize=12, fontweight='bold') ax3.set_xlabel('销售额（万元）') ax3.set_ylabel('利润（万元）') # 添加颜色条 cbar = plt.colorbar(scatter, ax=ax3) cbar.set_label('销售额强度') # 4. 箱线图 - 各产品销售额分布 ax4 = axes[1, 1] sns.boxplot(x='产品', y='销售额', data=df, ax=ax4, palette='Set2') ax4.set_title('各产品销售额分布', fontsize=12, fontweight='bold') ax4.set_xlabel('产品') ax4.set_ylabel('销售额（万元）') # 调整布局 plt.tight_layout(rect=[0, 0, 1, 0.96]) # 保存图表 plt.savefig('sales_analysis.png', dpi=300, bbox_inches='tight') # 显示图表 plt.show() # 创建单独的热力图 print("\n正在生成月度销售热力图...") # 创建数据透视表用于热力图 pivot_table = df.pivot_table(values='销售额', index='产品', columns='月份', aggfunc='sum') plt.figure(figsize=(10, 6)) sns.heatmap(pivot_table, annot=True, fmt='.0f', cmap='YlOrRd', linewidths=0.5, linecolor='gray', cbar_kws={'label': '销售额（万元）'}) plt.title('产品月度销售热力图', fontsize=14, fontweight='bold') plt.tight_layout() plt.savefig('sales_heatmap.png', dpi=300, bbox_inches='tight') plt.show() # 输出数据统计信息 print("\n=== 数据统计摘要 ===") print(f"数据集形状: {df.shape}") 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)") print(f"销售额最低的产品: {product_sales.idxmin()} ({product_sales.min():.0f} 万元)") ``` ## 代码说明 1. **数据准备**： - 创建了包含产品、月份、销售额和利润的模拟数据 - 使用pandas DataFrame存储数据 2. **可视化图表**： - **柱状图**：展示各产品的总销售额对比 - **折线图**：显示月度销售额趋势 - **散点图**：分析销售额与利润的关系 - **箱线图**：展示各产品销售额的分布情况 - **热力图**：单独创建的产品月度销售热力图 3. **样式设置**： - 使用Seaborn的"whitegrid"样式 - 设置中文字体支持（如果系统中有中文字体） - 添加图表标题、坐标轴标签和图例 - 在柱状图上添加数值标签 4. **输出功能**： - 将图表保存为PNG文件 - 显示数据统计摘要 ## 运行要求运行此代码需要安装以下Python库： ```bash pip install matplotlib seaborn numpy pandas ``` 这个示例展示了如何使用Python创建专业的数据可视化图表，适合用于数据分析报告、演示文稿等场景。您可以根据自己的数据调整代码中的参数和图表类型。

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.