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

Meggi

# 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 numpy as np import pandas as pd from matplotlib import rcParams # 设置中文字体 rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans'] rcParams['axes.unicode_minus'] = False # 创建示例数据 np.random.seed(42) months = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月'] # 销售数据 sales_data = { '月份': months, '产品A': np.random.randint(50, 200, 12), '产品B': np.random.randint(30, 150, 12), '产品C': np.random.randint(20, 120, 12), '温度': np.random.uniform(15, 35, 12), # 模拟温度数据 '广告投入': np.random.randint(1000, 5000, 12) # 模拟广告投入 } # 创建DataFrame df = pd.DataFrame(sales_data) # 创建图表 fig, axes = plt.subplots(2, 2, figsize=(14, 10)) fig.suptitle('2023年产品销售数据分析', fontsize=16, fontweight='bold') # 1. 折线图 - 各产品月度销售趋势 ax1 = axes[0, 0] ax1.plot(df['月份'], df['产品A'], marker='o', label='产品A', linewidth=2) ax1.plot(df['月份'], df['产品B'], marker='s', label='产品B', linewidth=2) ax1.plot(df['月份'], df['产品C'], marker='^', label='产品C', linewidth=2) ax1.set_title('各产品月度销售趋势') ax1.set_xlabel('月份') ax1.set_ylabel('销售量') ax1.legend() ax1.grid(True, alpha=0.3) # 2. 柱状图 - 各产品年度总销量对比 ax2 = axes[0, 1] products = ['产品A', '产品B', '产品C'] total_sales = [df['产品A'].sum(), df['产品B'].sum(), df['产品C'].sum()] colors = ['#FF6B6B', '#4ECDC4', '#45B7D1'] bars = ax2.bar(products, total_sales, color=colors, edgecolor='black') ax2.set_title('各产品年度总销量对比') ax2.set_xlabel('产品') ax2.set_ylabel('总销售量') # 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 + 50, f'{value}', ha='center', va='bottom', fontweight='bold') # 3. 散点图 - 广告投入与产品A销量的关系 ax3 = axes[1, 0] scatter = ax3.scatter(df['广告投入'], df['产品A'], c=df['温度'], cmap='coolwarm', s=100, alpha=0.7, edgecolors='black') ax3.set_title('广告投入与产品A销量的关系') ax3.set_xlabel('广告投入 (元)') ax3.set_ylabel('产品A销售量') # 添加颜色条表示温度 cbar = plt.colorbar(scatter, ax=ax3) cbar.set_label('温度 (°C)') # 添加趋势线 z = np.polyfit(df['广告投入'], df['产品A'], 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 - 各产品销量占比 ax4 = axes[1, 1] explode = (0.05, 0, 0) # 突出显示产品A ax4.pie(total_sales, labels=products, autopct='%1.1f%%', colors=colors, explode=explode, shadow=True, startangle=90) ax4.set_title('各产品销量占比') # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.92) # 添加整体说明文本 fig.text(0.5, 0.02, '数据说明：本图表展示了2023年三种产品的销售数据，包括月度趋势、总量对比、广告投入与销量的关系以及市场份额分布。', 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("2023年销售数据摘要") print("="*60) print(f"产品A总销量: {df['产品A'].sum()} 单位") print(f"产品B总销量: {df['产品B'].sum()} 单位") print(f"产品C总销量: {df['产品C'].sum()} 单位") print(f"产品A平均月销量: {df['产品A'].mean():.1f} 单位") print(f"产品B平均月销量: {df['产品B'].mean():.1f} 单位") print(f"产品C平均月销量: {df['产品C'].mean():.1f} 单位") print(f"产品A最佳销售月份: {df.loc[df['产品A'].idxmax(), '月份']} (销量: {df['产品A'].max()} 单位)") print(f"产品B最佳销售月份: {df.loc[df['产品B'].idxmax(), '月份']} (销量: {df['产品B'].max()} 单位)") print(f"产品C最佳销售月份: {df.loc[df['产品C'].idxmax(), '月份']} (销量: {df['产品C'].max()} 单位)") print("="*60) ``` ## 运行说明 1. **环境要求**： - Python 3.6+ - 需要安装的库：matplotlib, numpy, pandas - 安装命令：`pip install matplotlib numpy pandas` 2. **程序功能**： - 生成模拟的销售数据 - 创建包含4个子图的综合图表： 1. 折线图：展示各产品月度销售趋势 2. 柱状图：展示各产品年度总销量对比 3. 散点图：展示广告投入与产品A销量的关系（带温度颜色编码） 4. 饼图：展示各产品销量占比 - 保存图表为PNG文件 - 在控制台输出数据摘要 3. **运行结果**： - 程序会显示一个可视化图表窗口 - 图表会保存为当前目录下的`sales_analysis.png`文件 - 控制台会输出销售数据的统计摘要这个程序展示了如何使用Python进行基本的数据可视化，适合初学者学习matplotlib的基本用法。你可以根据需要修改数据、图表类型和样式设置。

Комментарии

Загрузка комментариев...

Назад к списку

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