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

Kroft

# 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%%', explode=explode, shadow=True, startangle=90) ax3.set_title('各产品销售额占比', fontsize=12, fontweight='bold') # 4. 箱线图 - 各产品销售额分布 ax4 = plt.subplot(2, 3, 4) sns.boxplot(x='产品', y='销售额', data=df, ax=ax4) ax4.set_title('各产品销售额分布', fontsize=12, fontweight='bold') ax4.set_ylabel('销售额 (万元)') ax4.set_xlabel('产品') # 5. 散点图 - 销售额与利润关系 ax5 = plt.subplot(2, 3, 5) scatter = ax5.scatter(df['销售额'], df['利润'], c=pd.Categorical(df['产品']).codes, s=100, alpha=0.7, cmap='viridis') ax5.set_title('销售额与利润关系', fontsize=12, fontweight='bold') ax5.set_ylabel('利润 (万元)') ax5.set_xlabel('销售额 (万元)') ax5.grid(True, alpha=0.3) # 添加图例 legend_elements = [plt.Line2D([0], [0], marker='o', color='w', markerfacecolor=plt.cm.viridis(i/5), markersize=10, label=cat) for i, cat in enumerate(categories)] ax5.legend(handles=legend_elements, title='产品', loc='upper left', fontsize=8) # 6. 堆叠面积图 - 各产品月度销售额 ax6 = plt.subplot(2, 3, 6) # 重塑数据为宽格式 pivot_df = df.pivot_table(index='月份', columns='产品', values='销售额', aggfunc='sum') pivot_df.plot(kind='area', stacked=True, alpha=0.7, ax=ax6) 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(loc='upper left', fontsize=8) # 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() # 创建单独的热力图 print("\n" + "="*60) print("月度产品销售额热力图") print("="*60) # 创建热力图数据 heatmap_data = df.pivot_table(index='产品', columns='月份', values='销售额', aggfunc='sum') plt.figure(figsize=(10, 6)) sns.heatmap(heatmap_data, annot=True, fmt='.0f', cmap='YlOrRd', linewidths=0.5) plt.title('月度产品销售额热力图', fontsize=14, fontweight='bold') plt.xlabel('月份') plt.ylabel('产品') plt.tight_layout() plt.savefig('sales_heatmap.png', dpi=300, bbox_inches='tight') plt.show() # 输出数据摘要 print("\n数据摘要:") print("-" * 40) 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)") ``` ## 运行说明 1. **环境要求**： - Python 3.6+ - 需要安装的库：matplotlib, seaborn, numpy, pandas - 安装命令：`pip install matplotlib seaborn numpy pandas` 2. **代码功能**： - 创建包含6个子图的综合数据可视化仪表板 - 包含柱状图、折线图、饼图、箱线图、散点图和堆叠面积图 - 添加了热力图作为额外可视化 - 所有图表都包含完整的标签、标题和图例 - 自动保存图表为PNG文件 3. **自定义选项**： - 可以修改`categories`和`months`变量来更改产品和月份 - 可以调整图表颜色、大小和样式 - 如需使用中文字体，请取消注释字体设置部分并指定正确的字体路径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、仪表板或演示文稿。

Быстрый просмотр

Струбцина Kroft 203006

Струбцина Kroft 203006

вес 490 г

Гарантия (месяцев)

:

12

Быстрый просмотр

Набор отверток Kroft 202089-1 (4 предмета)

Набор отверток Kroft 202089-1 (4 предмета)

набор отверток, 4 предмета

Гарантия (месяцев)

:

12

Быстрый просмотр

Рулетка Kroft 202059

Рулетка Kroft 202059

Рулетка Kroft 202059

вес 134 г

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.