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

Linea Hali

# 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'] # 创建销售数据 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.randint(10, 80, size=len(categories)*len(months)) }) # 创建用户评分数据 ratings_data = pd.DataFrame({ '产品': categories, '评分': np.random.uniform(3.5, 5.0, size=len(categories)), '评价数量': np.random.randint(100, 1000, size=len(categories)) }) # 创建1x2的子图布局 fig, axes = plt.subplots(1, 2, figsize=(15, 6)) # 图表1：各产品销售额趋势（折线图） for product in categories: product_data = sales_data[sales_data['产品'] == product] axes[0].plot(product_data['月份'], product_data['销售额'], marker='o', linewidth=2, markersize=6, label=product) axes[0].set_title('各产品销售额趋势（2023年上半年）', fontsize=14, fontweight='bold') axes[0].set_xlabel('月份', fontsize=12) axes[0].set_ylabel('销售额（万元）', fontsize=12) axes[0].legend(title='产品', title_fontsize=11, fontsize=10) axes[0].grid(True, alpha=0.3) axes[0].set_ylim(0, 220) # 图表2：产品评分与评价数量（气泡图） scatter = axes[1].scatter(ratings_data['评分'], ratings_data['评价数量'], s=ratings_data['评价数量']/10, # 气泡大小 alpha=0.7, c=np.arange(len(categories)), cmap='viridis') axes[1].set_title('产品评分与评价数量', fontsize=14, fontweight='bold') axes[1].set_xlabel('评分（1-5分）', fontsize=12) axes[1].set_ylabel('评价数量', fontsize=12) axes[1].set_xlim(3.4, 5.1) # 添加产品标签 for i, row in ratings_data.iterrows(): axes[1].annotate(row['产品'], (row['评分'], row['评价数量']), xytext=(5, 5), textcoords='offset points', fontsize=10) # 添加颜色条 cbar = plt.colorbar(scatter, ax=axes[1]) cbar.set_label('产品序号', rotation=270, labelpad=15) plt.tight_layout() plt.show() # 创建第二个图表：柱状图和箱线图组合 fig2, axes2 = plt.subplots(2, 1, figsize=(12, 10)) # 图表3：各产品总销售额（柱状图） total_sales = sales_data.groupby('产品')['销售额'].sum().sort_values(ascending=False) bars = axes2[0].bar(total_sales.index, total_sales.values, color=sns.color_palette("coolwarm", len(categories))) # 添加数值标签 for bar in bars: height = bar.get_height() axes2[0].text(bar.get_x() + bar.get_width()/2., height + 5, f'{int(height)}', ha='center', va='bottom', fontsize=10) axes2[0].set_title('各产品总销售额对比', fontsize=14, fontweight='bold') axes2[0].set_xlabel('产品', fontsize=12) axes2[0].set_ylabel('总销售额（万元）', fontsize=12) axes2[0].set_ylim(0, total_sales.max() * 1.15) # 图表4：各产品利润分布（箱线图） profit_data = [sales_data[sales_data['产品'] == cat]['利润'].values for cat in categories] boxplot = axes2[1].boxplot(profit_data, labels=categories, patch_artist=True) # 设置箱线图颜色 colors = sns.color_palette("Set2", len(categories)) for patch, color in zip(boxplot['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) axes2[1].set_title('各产品利润分布（箱线图）', fontsize=14, fontweight='bold') axes2[1].set_xlabel('产品', fontsize=12) axes2[1].set_ylabel('利润（万元）', fontsize=12) plt.tight_layout() plt.show() # 创建第三个图表：热力图 fig3, ax3 = plt.subplots(figsize=(10, 8)) # 创建月度销售数据透视表 monthly_sales_pivot = sales_data.pivot_table( index='产品', columns='月份', values='销售额', aggfunc='sum' ) # 重新排列月份顺序 monthly_sales_pivot = monthly_sales_pivot[months] # 创建热力图 heatmap = sns.heatmap(monthly_sales_pivot, annot=True, fmt=".0f", cmap="YlOrRd", linewidths=0.5, cbar_kws={'label': '销售额（万元）'}, ax=ax3) ax3.set_title('产品月度销售额热力图', fontsize=16, fontweight='bold', pad=20) ax3.set_xlabel('月份', fontsize=12) ax3.set_ylabel('产品', fontsize=12) plt.tight_layout() plt.show() # 输出数据统计摘要 print("=" * 50) print("数据统计摘要") print("=" * 50) print(f"数据集包含 {len(sales_data)} 条销售记录") print(f"时间范围: {sales_data['月份'].min()} 到 {sales_data['月份'].max()}") print(f"产品数量: {len(categories)}") print("\n各产品销售额统计:") print(sales_data.groupby('产品')['销售额'].describe()) ``` ## 代码说明这个示例代码展示了： 1. **多种图表类型**： - 折线图：显示各产品销售额趋势 - 气泡图：展示产品评分与评价数量的关系 - 柱状图：比较各产品总销售额 - 箱线图：显示各产品利润分布 - 热力图：展示产品月度销售情况 2. **主要功能**： - 使用matplotlib和seaborn创建可视化 - 设置中文字体支持 - 创建模拟数据集 - 添加图表标题、标签和图例 - 自定义颜色和样式 - 添加数据标签和注释 3. **运行要求**： - 需要安装matplotlib、seaborn、numpy和pandas库 - 可以通过`pip install matplotlib seaborn numpy pandas`安装这个示例可以直接运行，生成多个美观的数据可视化图表，适合用于数据分析报告或演示。

Комментарии

Загрузка комментариев...

Назад к списку

Продолжая использовать сайт, вы соглашаетесь с политикой использования файлов cookie.