Войти

Избранное

0 Корзина

Смартфоны Холодильники Телевизоры Водонагреватели (бойлеры) Газонокосилки Триммеры

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

Kendo

# 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，并包含了一些最佳实践。 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from datetime import datetime, timedelta # 设置中文字体和样式 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False sns.set_style("whitegrid") sns.set_palette("husl") # 创建示例数据 def create_sample_data(): """生成示例数据""" np.random.seed(42) # 创建时间序列数据 dates = [datetime(2023, 1, 1) + timedelta(days=i) for i in range(90)] # 创建DataFrame data = pd.DataFrame({ '日期': dates, '销售额': np.random.normal(1000, 200, 90).cumsum() + 5000, '访问量': np.random.poisson(500, 90) + np.random.normal(0, 50, 90), '转化率': np.random.beta(5, 2, 90) * 10, '产品类别': np.random.choice(['电子产品', '服装', '食品', '家居', '图书'], 90), '地区': np.random.choice(['华东', '华南', '华北', '华中', '西南', '西北', '东北'], 90) }) # 添加一些趋势和季节性 data['销售额'] = data['销售额'] + 50 * np.sin(np.arange(90) * 2 * np.pi / 30) data['访问量'] = data['访问量'] + 100 * np.sin(np.arange(90) * 2 * np.pi / 7) return data # 创建多子图仪表板 def create_dashboard(data): """创建包含多个图表的仪表板""" fig = plt.figure(figsize=(16, 12)) fig.suptitle('销售数据分析仪表板', fontsize=16, fontweight='bold', y=0.98) # 1. 时间序列图 - 销售额趋势 ax1 = plt.subplot(3, 3, 1) ax1.plot(data['日期'], data['销售额'], color='#2E86AB', linewidth=2) ax1.set_title('销售额趋势', fontsize=12, fontweight='bold') ax1.set_xlabel('日期') ax1.set_ylabel('销售额') ax1.tick_params(axis='x', rotation=45) ax1.grid(True, alpha=0.3) # 添加趋势线 z = np.polyfit(range(len(data)), data['销售额'], 1) p = np.poly1d(z) ax1.plot(data['日期'], p(range(len(data))), 'r--', alpha=0.7, label='趋势线') ax1.legend() # 2. 时间序列图 - 访问量趋势 ax2 = plt.subplot(3, 3, 2) ax2.plot(data['日期'], data['访问量'], color='#A23B72', linewidth=2) ax2.set_title('网站访问量趋势', fontsize=12, fontweight='bold') ax2.set_xlabel('日期') ax2.set_ylabel('访问量') ax2.tick_params(axis='x', rotation=45) ax2.grid(True, alpha=0.3) # 3. 散点图 - 访问量 vs 销售额 ax3 = plt.subplot(3, 3, 3) scatter = ax3.scatter(data['访问量'], data['销售额'], c=data['转化率'], cmap='viridis', alpha=0.6, s=50) ax3.set_title('访问量与销售额关系', fontsize=12, fontweight='bold') ax3.set_xlabel('访问量') ax3.set_ylabel('销售额') # 添加颜色条 cbar = plt.colorbar(scatter, ax=ax3) cbar.set_label('转化率') # 4. 柱状图 - 各产品类别销售额 ax4 = plt.subplot(3, 3, 4) category_sales = data.groupby('产品类别')['销售额'].sum().sort_values(ascending=False) bars = ax4.bar(category_sales.index, category_sales.values, color=sns.color_palette("husl", 5)) ax4.set_title('各产品类别销售额', fontsize=12, fontweight='bold') ax4.set_xlabel('产品类别') ax4.set_ylabel('总销售额') ax4.tick_params(axis='x', rotation=45) # 在柱子上添加数值标签 for bar in bars: height = bar.get_height() ax4.text(bar.get_x() + bar.get_width()/2., height + 1000, f'{int(height):,}', ha='center', va='bottom', fontsize=9) # 5. 饼图 - 地区分布 ax5 = plt.subplot(3, 3, 5) region_dist = data['地区'].value_counts() wedges, texts, autotexts = ax5.pie(region_dist.values, labels=region_dist.index, autopct='%1.1f%%', startangle=90, colors=sns.color_palette("Set2", len(region_dist))) ax5.set_title('销售地区分布', fontsize=12, fontweight='bold') # 6. 箱线图 - 各产品类别转化率分布 ax6 = plt.subplot(3, 3, 6) sns.boxplot(x='产品类别', y='转化率', data=data, ax=ax6) ax6.set_title('各产品类别转化率分布', fontsize=12, fontweight='bold') ax6.set_xlabel('产品类别') ax6.set_ylabel('转化率 (%)') ax6.tick_params(axis='x', rotation=45) # 7. 热力图 - 相关性矩阵 ax7 = plt.subplot(3, 3, 7) numeric_cols = ['销售额', '访问量', '转化率'] corr_matrix = data[numeric_cols].corr() sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', center=0, square=True, linewidths=1, ax=ax7, cbar_kws={"shrink": 0.8}) ax7.set_title('指标相关性热力图', fontsize=12, fontweight='bold') # 8. 直方图 - 转化率分布 ax8 = plt.subplot(3, 3, 8) ax8.hist(data['转化率'], bins=15, color='#F18F01', edgecolor='black', alpha=0.7) ax8.set_title('转化率分布', fontsize=12, fontweight='bold') ax8.set_xlabel('转化率 (%)') ax8.set_ylabel('频数') ax8.axvline(data['转化率'].mean(), color='red', linestyle='dashed', linewidth=2, label=f'均值: {data["转化率"].mean():.2f}') ax8.legend() # 9. 折线图 - 7日移动平均 ax9 = plt.subplot(3, 3, 9) data['销售额_7日平均'] = data['销售额'].rolling(window=7).mean() data['访问量_7日平均'] = data['访问量'].rolling(window=7).mean() ax9.plot(data['日期'], data['销售额_7日平均'], label='销售额(7日平均)', color='#2E86AB') ax9.plot(data['日期'], data['访问量_7日平均']/10, label='访问量(7日平均)/10', color='#A23B72') ax9.set_title('7日移动平均趋势', fontsize=12, fontweight='bold') ax9.set_xlabel('日期') ax9.set_ylabel('数值') ax9.tick_params(axis='x', rotation=45) ax9.legend() ax9.grid(True, alpha=0.3) plt.tight_layout() return fig # 创建单独的分析报告图表 def create_analysis_report(data): """创建详细的分析报告图表""" fig, axes = plt.subplots(2, 2, figsize=(14, 10

Быстрый просмотр

Отвертка Kendo SL6x150мм 20112 00000073164

Гарантия (месяцев)

:

12

Быстрый просмотр

Отвертка Kendo PH3x150 мм 20424 00000073134

Гарантия (месяцев)

:

12

Быстрый просмотр

Отвертка Kendo PZ2x150 мм 20153 00000073167

Гарантия (месяцев)

:

12

Быстрый просмотр

Отвертка Kendo SL6.5х1.2x150 мм 20406 00000073131

Гарантия (месяцев)

:

12

Быстрый просмотр

Нож строительный Kendo Pro 30604

Гарантия (месяцев)

:

12

Быстрый просмотр

Гаечный ключ Kendo CrV 15516

Гарантия (месяцев)

:

12

Быстрый просмотр

Отвертка Kendo PH3x200 мм 20137 00000073174

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.