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

Lumax

# 使用Python实现简单的数据可视化下面是一个使用Python的matplotlib和pandas库创建简单数据可视化的示例。这个程序会生成一个包含折线图、柱状图和散点图的综合图表。 ```python import matplotlib.pyplot as plt import pandas as pd import numpy as np from matplotlib import rcParams # 设置中文字体（如果系统中有中文字体） rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans'] rcParams['axes.unicode_minus'] = False # 创建示例数据 def create_sample_data(): # 创建时间序列数据 dates = pd.date_range('2023-01-01', periods=12, freq='M') # 创建销售数据 sales_data = { '月份': [date.strftime('%Y-%m') for date in dates], '产品A销售额': np.random.randint(50, 200, 12) * 1000, '产品B销售额': np.random.randint(30, 180, 12) * 1000, '产品C销售额': np.random.randint(40, 160, 12) * 1000, '客户满意度': np.random.uniform(3.0, 5.0, 12), '广告投入': np.random.randint(10, 50, 12) * 1000 } return pd.DataFrame(sales_data) # 创建可视化图表 def create_visualization(df): # 创建画布和子图 fig = plt.figure(figsize=(15, 10)) # 设置整体标题 fig.suptitle('2023年度产品销售分析报告', fontsize=16, fontweight='bold') # 1. 折线图 - 各产品月度销售额趋势 ax1 = plt.subplot(2, 2, 1) months = df['月份'] ax1.plot(months, df['产品A销售额'], 'o-', label='产品A', linewidth=2) ax1.plot(months, df['产品B销售额'], 's-', label='产品B', linewidth=2) ax1.plot(months, df['产品C销售额'], '^-', label='产品C', linewidth=2) ax1.set_title('各产品月度销售额趋势', fontsize=12, fontweight='bold') ax1.set_xlabel('月份') ax1.set_ylabel('销售额 (千元)') ax1.legend() ax1.grid(True, alpha=0.3) ax1.tick_params(axis='x', rotation=45) # 2. 柱状图 - 各产品年度总销售额对比 ax2 = plt.subplot(2, 2, 2) products = ['产品A', '产品B', '产品C'] total_sales = [ df['产品A销售额'].sum(), df['产品B销售额'].sum(), df['产品C销售额'].sum() ] colors = ['#FF6B6B', '#4ECDC4', '#45B7D1'] bars = ax2.bar(products, total_sales, color=colors, edgecolor='black') ax2.set_title('各产品年度总销售额对比', fontsize=12, fontweight='bold') ax2.set_ylabel('总销售额 (千元)') # 在柱状图上添加数值标签 for bar, value in zip(bars, total_sales): height = bar.get_height() ax2.text(bar.get_x() + bar.get_width()/2., height + 50000, f'{int(value/1000)}K', ha='center', va='bottom', fontweight='bold') # 3. 散点图 - 广告投入与销售额关系 ax3 = plt.subplot(2, 2, 3) total_sales_per_month = df['产品A销售额'] + df['产品B销售额'] + df['产品C销售额'] scatter = ax3.scatter(df['广告投入'], total_sales_per_month, c=df['客户满意度'], s=100, alpha=0.7, cmap='viridis') ax3.set_title('广告投入与总销售额关系（颜色表示客户满意度）', fontsize=12, fontweight='bold') ax3.set_xlabel('广告投入 (千元)') ax3.set_ylabel('月度总销售额 (千元)') # 添加颜色条 cbar = plt.colorbar(scatter, ax=ax3) cbar.set_label('客户满意度 (1-5分)') # 添加趋势线 z = np.polyfit(df['广告投入'], total_sales_per_month, 1) p = np.poly1d(z) ax3.plot(df['广告投入'], p(df['广告投入']), "r--", alpha=0.8, linewidth=2) # 4. 饼图 - 各产品销售额占比 ax4 = plt.subplot(2, 2, 4) explode = (0.05, 0, 0) # 突出显示产品A wedges, texts, autotexts = ax4.pie(total_sales, explode=explode, labels=products, colors=colors, autopct='%1.1f%%', shadow=True, startangle=90) ax4.set_title('各产品销售额占比', fontsize=12, fontweight='bold') # 美化饼图文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 调整布局 plt.tight_layout() # 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12月', ha='center', fontsize=9, style='italic') return fig # 数据统计分析 def perform_analysis(df): print("=" * 50) print("2023年度销售数据分析报告") print("=" * 50) # 计算总销售额 total_sales = df[['产品A销售额', '产品B销售额', '产品C销售额']].sum().sum() print(f"年度总销售额: ¥{total_sales:,.2f}") # 计算各产品销售额 for product in ['产品A', '产品B', '产品C']: product_sales = df[f'{product}销售额'].sum() percentage = (product_sales / total_sales) * 100 print(f"{product}销售额: ¥{product_sales:,.2f} ({percentage:.1f}%)") # 计算平均客户满意度 avg_satisfaction = df['客户满意度'].mean() print(f"平均客户满意度: {avg_satisfaction:.2f}/5.0") # 找出销售额最高的月份 df['月度总销售额'] = df['产品A销售额'] + df['产品B销售额'] + df['产品C销售额'] best_month = df.loc[df['月度总销售额'].idxmax()] print(f"销售额最高的月份: {best_month['月份']} (¥{best_month['月度总销售额']:,.2f})") # 计算广告投入回报率 total_ad_spend = df['广告投入'].sum() roi = (total_sales - total_ad_spend) / total_ad_spend * 100 print(f"广告投入回报率: {roi:.1f}%") print("=" * 50) # 主程序 def main(): print("正在生成销售数据可视化图表...") # 创建示例数据 df = create_sample_data() # 执行数据分析 perform_analysis(df) # 创建可视化图表 fig = create_visualization(df) # 保存图表 plt.savefig('sales_analysis_2023.png', dpi=300, bbox_inches='tight') print("图表已保存为 'sales_analysis_2023.png'") # 显示图表 plt.show() if __name__ == "__main__": main() ``` ## 运行说明 1. **环境要求**： - Python 3.6+ - 需要安装的库：matplotlib, pandas, numpy - 安装命令：`pip install matplotlib pandas numpy` 2. **程序功能**： - 生成模拟的销售数据 - 执行基本的数据分析并输出报告 - 创建包含四种类型图表的可视化： - 折线图：显示各产品月度销售趋势 - 柱状图：比较各产品年度总销售额 - 散点图：分析广告投入与销售额的关系 - 饼图：展示各产品销售额占比 - 将图表保存为PNG

Быстрый просмотр

ТВ-антенна Lumax BIO-V253

ТВ-антенна Lumax BIO-V253

всеволновая комнатная антенна

Гарантия (месяцев)

:

24

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.