sales@lix.by
г.Минск, ул. Тимирязева, д.67, пом. вн.225
Пн - Пт: с 9:00 до 21:00
Сб - Вс: с 9:00 до 20:00

Listerine

# 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'] # 销售额数据 sales_data = { '月份': months * 5, '产品': np.repeat(categories, 6), '销售额': np.random.randint(50, 200, 30) } # 用户评分数据 ratings_data = { '产品': categories, '评分': np.random.uniform(3.0, 5.0, 5), '评价数量': np.random.randint(100, 1000, 5) } # 创建DataFrame df_sales = pd.DataFrame(sales_data) df_ratings = pd.DataFrame(ratings_data) # 创建多子图图表 fig, axes = plt.subplots(2, 2, figsize=(14, 10)) fig.suptitle('产品数据分析报告', fontsize=16, fontweight='bold') # 1. 柱状图：各产品平均销售额 avg_sales = df_sales.groupby('产品')['销售额'].mean() axes[0, 0].bar(avg_sales.index, avg_sales.values, color=sns.color_palette("husl", 5)) axes[0, 0].set_title('各产品平均销售额', fontsize=12, fontweight='bold') axes[0, 0].set_ylabel('销售额（万元）') axes[0, 0].tick_params(axis='x', rotation=45) # 在柱状图上添加数值标签 for i, v in enumerate(avg_sales.values): axes[0, 0].text(i, v + 2, f'{v:.1f}', ha='center', fontweight='bold') # 2. 折线图：各产品月度销售趋势 for product in categories: product_data = df_sales[df_sales['产品'] == product] axes[0, 1].plot(product_data['月份'], product_data['销售额'], marker='o', linewidth=2, label=product) axes[0, 1].set_title('各产品月度销售趋势', fontsize=12, fontweight='bold') axes[0, 1].set_ylabel('销售额（万元）') axes[0, 1].legend(loc='upper left', bbox_to_anchor=(1, 1)) axes[0, 1].grid(True, alpha=0.3) # 3. 散点图：评分与评价数量的关系 scatter = axes[1, 0].scatter(df_ratings['评分'], df_ratings['评价数量'], s=df_ratings['评价数量']/10, c=range(len(df_ratings)), alpha=0.6, edgecolors='w', linewidth=0.5) axes[1, 0].set_title('产品评分与评价数量关系', fontsize=12, fontweight='bold') axes[1, 0].set_xlabel('评分（1-5分）') axes[1, 0].set_ylabel('评价数量') # 添加产品标签 for i, row in df_ratings.iterrows(): axes[1, 0].annotate(row['产品'], (row['评分'], row['评价数量']), xytext=(5, 5), textcoords='offset points') # 4. 饼图：各产品销售额占比 total_sales = df_sales.groupby('产品')['销售额'].sum() axes[1, 1].pie(total_sales.values, labels=total_sales.index, autopct='%1.1f%%', startangle=90, colors=sns.color_palette("husl", 5)) axes[1, 1].set_title('各产品销售额占比', fontsize=12, fontweight='bold') # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.92) # 保存图表 plt.savefig('product_analysis.png', dpi=300, bbox_inches='tight') plt.show() # 创建单独的热力图 print("\n月度销售数据透视表:") pivot_table = df_sales.pivot_table(values='销售额', index='产品', columns='月份', aggfunc='sum') print(pivot_table) # 创建热力图 plt.figure(figsize=(10, 6)) sns.heatmap(pivot_table, annot=True, fmt='.0f', cmap='YlOrRd', linewidths=0.5) 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() print("图表已生成并保存为 'product_analysis.png' 和 'sales_heatmap.png'") ``` ## 代码说明 1. **数据准备**： - 创建了模拟的销售数据和评分数据 - 使用pandas DataFrame存储数据 2. **可视化图表**： - **柱状图**：显示各产品的平均销售额 - **折线图**：展示各产品月度销售趋势 - **散点图**：分析产品评分与评价数量的关系 - **饼图**：显示各产品销售额占比 - **热力图**：展示产品月度销售数据矩阵 3. **自定义功能**： - 添加了数据标签和注释 - 设置了统一的配色方案 - 调整了图表布局和样式 - 添加了图表标题和轴标签 ## 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。你可以根据自己的数据修改代码中的数据集部分。

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