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

Ocypus

# 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'] # 生成销售数据 sales_data = { '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.uniform(10, 50, size=len(categories)*len(months)) } df = pd.DataFrame(sales_data) # 创建子图布局 fig, axes = plt.subplots(2, 2, figsize=(14, 10)) fig.suptitle('产品销售数据分析', fontsize=16, fontweight='bold') # 1. 柱状图：各产品总销售额 product_sales = df.groupby('产品')['销售额'].sum().sort_values(ascending=False) bars = axes[0, 0].bar(product_sales.index, product_sales.values, color=sns.color_palette("husl", len(categories))) axes[0, 0].set_title('各产品总销售额对比', fontsize=12, fontweight='bold') axes[0, 0].set_xlabel('产品') axes[0, 0].set_ylabel('销售额') axes[0, 0].tick_params(axis='x', rotation=45) # 在柱状图上添加数值标签 for bar in bars: height = bar.get_height() axes[0, 0].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 monthly_sales = df.groupby('月份')['销售额'].sum() axes[0, 1].plot(monthly_sales.index, monthly_sales.values, marker='o', linewidth=2, markersize=8) axes[0, 1].set_title('月度销售额趋势', fontsize=12, fontweight='bold') axes[0, 1].set_xlabel('月份') axes[0, 1].set_ylabel('销售额') axes[0, 1].grid(True, alpha=0.3) # 在折线图上添加数值标签 for x, y in zip(monthly_sales.index, monthly_sales.values): axes[0, 1].text(x, y + 5, f'{int(y)}', ha='center', va='bottom', fontsize=9) # 3. 散点图：销售额与利润关系 scatter = axes[1, 0].scatter(df['销售额'], df['利润'], c=df['销售额'], cmap='viridis', alpha=0.7, s=100, edgecolors='w', linewidth=0.5) axes[1, 0].set_title('销售额与利润关系', fontsize=12, fontweight='bold') axes[1, 0].set_xlabel('销售额') axes[1, 0].set_ylabel('利润') # 添加颜色条 cbar = plt.colorbar(scatter, ax=axes[1, 0]) cbar.set_label('销售额强度') # 4. 箱线图：各产品销售额分布 box_data = [df[df['产品'] == cat]['销售额'].values for cat in categories] box = axes[1, 1].boxplot(box_data, labels=categories, patch_artist=True) axes[1, 1].set_title('各产品销售额分布', fontsize=12, fontweight='bold') axes[1, 1].set_xlabel('产品') axes[1, 1].set_ylabel('销售额') axes[1, 1].tick_params(axis='x', rotation=45) # 为箱线图添加颜色 colors = sns.color_palette("husl", len(categories)) for patch, color in zip(box['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.92) # 保存图表 plt.savefig('sales_analysis.png', dpi=300, bbox_inches='tight') # 显示图表 plt.show() # 创建单独的热力图 print("\n月度产品销售额热力图数据:") heatmap_data = df.pivot_table(values='销售额', index='产品', columns='月份', aggfunc='sum') print(heatmap_data) plt.figure(figsize=(10, 6)) sns.heatmap(heatmap_data, annot=True, fmt='.0f', cmap='YlOrRd', linewidths=0.5) plt.title('月度产品销售额热力图', fontsize=14, fontweight='bold') plt.tight_layout() plt.savefig('sales_heatmap.png', dpi=300, bbox_inches='tight') plt.show() # 输出数据统计信息 print("\n数据统计摘要:") print("=" * 50) print(f"总销售额: {df['销售额'].sum():.0f}") print(f"平均销售额: {df['销售额'].mean():.2f}") print(f"销售额标准差: {df['销售额'].std():.2f}") print(f"最高销售额: {df['销售额'].max():.0f}") print(f"最低销售额: {df['销售额'].min():.0f}") print("=" * 50) ``` ## 代码说明 1. **数据生成**：使用NumPy和Pandas创建模拟的销售数据 2. **图表类型**： - 柱状图：比较各产品的总销售额 - 折线图：展示月度销售额趋势 - 散点图：分析销售额与利润的关系 - 箱线图：显示各产品销售额的分布情况 - 热力图：展示产品与月份的销售额矩阵 3. **可视化特性**： - 使用seaborn的配色方案 - 添加数据标签和注释 - 自定义图表样式和布局 - 保存图表为高分辨率图片 ## 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进行基本的数据可视化，适合用于数据分析报告、演示文稿或数据探索。你可以根据自己的数据调整代码中的参数和图表类型。

Быстрый просмотр

Блок питания Ocypus Gamma P550 Gamma-P550-W1HDBK024X-EU

Блок питания Ocypus Gamma P550 Gamma-P550-W1HDBK024X-EU

Гарантия (месяцев)

:

36

Быстрый просмотр

Корпус Ocypus Iota C70 Curve BK ARGB

Корпус Ocypus Iota C70 Curve BK ARGB

Гарантия (месяцев)

:

36

Быстрый просмотр

Кулер для процессора Ocypus Iota A62 WH

Гарантия (месяцев)

:

36

Быстрый просмотр

Корпус Ocypus Iota C50 Curve BK ARGB

Корпус Ocypus Iota C50 Curve BK ARGB

Гарантия (месяцев)

:

36

Быстрый просмотр

Корпус Ocypus Gamma C50 BK ARGB

Корпус Ocypus Gamma C50 BK ARGB

Гарантия (месяцев)

:

24

Быстрый просмотр

Корпус Ocypus Delta C70 BK ARGB

Гарантия (месяцев)

:

12

Быстрый просмотр

Блок питания Ocypus Iota P1000 Iota-P1000-G1FFBK024X-EU

Гарантия (месяцев)

:

12

Быстрый просмотр

Корпус Ocypus Iota C70 Curve WH ARGB

Гарантия (месяцев)

:

36

Быстрый просмотр

Блок питания Ocypus Delta P850 Delta-P850-B1FDBK024X-EU

Гарантия (месяцев)

:

12

Быстрый просмотр

Блок питания Ocypus Delta P650 Delta-P650-B1FDBK024X-EU

Гарантия (месяцев)

:

12

Быстрый просмотр

Кулер для процессора Ocypus Delta A62 BK ARGB

Гарантия (месяцев)

:

24

Быстрый просмотр

Корпус Ocypus Gamma C70 WH

Корпус Ocypus Gamma C70 WH

Корпус Ocypus Gamma C70 WH

Корпус Ocypus Gamma C70 WH

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.