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

La Decoro

# 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. 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['销售额'], cmap='viridis', s=100, alpha=0.7, edgecolors='black') 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)') plt.colorbar(scatter, ax=ax4, label='销售额强度') # 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() # 打印数据摘要 print("=" * 60) print("数据摘要:") print("=" * 60) 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)") print("=" * 60) ``` ## 代码说明 1. **数据准备**：创建了模拟的销售数据，包含5个产品在6个月内的销售额和利润数据。 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：展示各产品销售额的分布情况 - 堆叠面积图：显示各产品月度销售额的堆叠情况 3. **样式特点**： - 使用seaborn的深色网格样式 - 统一配色方案 - 添加了数据标签和标题 - 包含图例和颜色条 - 添加了脚注信息 4. **输出**： - 保存为高分辨率PNG图片 - 在控制台输出数据摘要 ## 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和演示。你可以根据自己的数据修改代码中的数据集部分。

Быстрый просмотр

Кашпо La Decoro Топаз КШ-9801 (мокачино)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Геометрия (3 л, антрацит)

Кашпо La Decoro Геометрия (3 л, антрацит)

Кашпо La Decoro Геометрия (3 л, антрацит)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Терра (3.57 л, белый)

Кашпо La Decoro Терра (3.57 л, белый)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Терра (1.1 л, мокко)

Кашпо La Decoro Терра (1.1 л, мокко)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Терра (1.1 л, антрацит)

Кашпо La Decoro Терра (1.1 л, антрацит)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Геометрия (2.2 л, мокачино)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Блоссом (8.3 л, белый)

Кашпо La Decoro Блоссом (8.3 л, белый)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Вдохновение (3 л, белый)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Leaves КШ-9585 (пудровый/белый)

Гарантия (месяцев)

:

12

Быстрый просмотр

Вазон La Decoro Подвесное (4.5 л, мокачино)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Византия (15 л, мокачино)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Блоссом (3.5 л, пралине)

Кашпо La Decoro Блоссом (3.5 л, пралине)

Гарантия (месяцев)

:

12

Быстрый просмотр

Кашпо La Decoro Топаз КШ-3023 (теплая хвоя)

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.