Войти

Избранное

0 Корзина

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

Plaisir

# 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'] # 销售数据 sales_data = { '月份': months * 5, '产品': np.repeat(categories, 6), '销售额': np.random.randint(50, 200, 30), '利润': np.random.uniform(10, 50, 30) } df = pd.DataFrame(sales_data) # 创建多子图布局 fig = plt.figure(figsize=(15, 10)) fig.suptitle('2023年上半年产品销售分析', fontsize=16, fontweight='bold') # 1. 柱状图 - 各产品总销售额 ax1 = plt.subplot(2, 3, 1) product_sales = df.groupby('产品')['销售额'].sum() bars = ax1.bar(product_sales.index, product_sales.values, color=sns.color_palette("husl", 5)) ax1.set_title('各产品总销售额', fontsize=12, fontweight='bold') ax1.set_ylabel('销售额 (万元)') ax1.set_xlabel('产品') # 在柱状图上添加数值标签 for bar in bars: height = bar.get_height() ax1.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 ax2 = plt.subplot(2, 3, 2) monthly_sales = df.groupby('月份')['销售额'].sum() ax2.plot(monthly_sales.index, monthly_sales.values, marker='o', linewidth=2.5, markersize=8) ax2.set_title('月度销售额趋势', fontsize=12, fontweight='bold') ax2.set_ylabel('销售额 (万元)') ax2.set_xlabel('月份') ax2.grid(True, alpha=0.3) # 3. 饼图 - 各产品销售额占比 ax3 = plt.subplot(2, 3, 3) explode = (0.05, 0, 0, 0, 0) # 突出显示第一个产品 wedges, texts, autotexts = ax3.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', explode=explode, shadow=True, startangle=90) ax3.set_title('各产品销售额占比', fontsize=12, fontweight='bold') # 4. 箱线图 - 各产品销售额分布 ax4 = plt.subplot(2, 3, 4) sns.boxplot(x='产品', y='销售额', data=df, ax=ax4) ax4.set_title('各产品销售额分布', fontsize=12, fontweight='bold') ax4.set_ylabel('销售额 (万元)') ax4.set_xlabel('产品') # 5. 散点图 - 销售额与利润关系 ax5 = plt.subplot(2, 3, 5) scatter = ax5.scatter(df['销售额'], df['利润'], c=pd.Categorical(df['产品']).codes, s=100, alpha=0.7, cmap='viridis') ax5.set_title('销售额与利润关系', fontsize=12, fontweight='bold') ax5.set_ylabel('利润 (万元)') ax5.set_xlabel('销售额 (万元)') ax5.grid(True, alpha=0.3) # 添加图例 legend_elements = [plt.Line2D([0], [0], marker='o', color='w', markerfacecolor=plt.cm.viridis(i/4), markersize=10, label=cat) for i, cat in enumerate(categories)] ax5.legend(handles=legend_elements, title='产品', loc='upper left', fontsize=8) # 6. 热力图 - 各产品月度销售额 ax6 = plt.subplot(2, 3, 6) # 创建数据透视表 heatmap_data = df.pivot_table(values='销售额', index='产品', columns='月份', aggfunc='sum') im = ax6.imshow(heatmap_data, cmap='YlOrRd', aspect='auto') ax6.set_title('各产品月度销售额热力图', fontsize=12, fontweight='bold') ax6.set_xlabel('月份') ax6.set_ylabel('产品') ax6.set_xticks(range(len(months))) ax6.set_yticks(range(len(categories))) ax6.set_xticklabels(months) ax6.set_yticklabels(categories) # 添加热力图的数值标签 for i in range(len(categories)): for j in range(len(months)): text = ax6.text(j, i, int(heatmap_data.iloc[i, j]), ha="center", va="center", color="black", fontsize=9) # 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() # 创建单独的趋势分析图表 fig2, ax = plt.subplots(figsize=(10, 6)) # 为每个产品绘制折线图 for product in categories: product_data = df[df['产品'] == product] ax.plot(product_data['月份'], product_data['销售额'], marker='o', linewidth=2, markersize=6, label=product) ax.set_title('各产品月度销售额趋势对比', fontsize=14, fontweight='bold') ax.set_ylabel('销售额 (万元)') ax.set_xlabel('月份') ax.legend(title='产品', loc='upper left') ax.grid(True, alpha=0.3) # 添加平均线 avg_sales = df.groupby('月份')['销售额'].mean() ax.plot(avg_sales.index, avg_sales.values, 'k--', linewidth=2, label='月平均') plt.tight_layout() plt.savefig('sales_trend_comparison.png', dpi=300, bbox_inches='tight') plt.show() # 打印数据摘要 print("=" * 50) print("数据摘要") print("=" * 50) print(f"总销售额: {df['销售额'].sum():.0f} 万元") print(f"平均月销售额: {df.groupby('月份')['销售额'].sum().mean():.0f} 万元") print(f"销售额最高的产品: {product_sales.idxmax()} ({product_sales.max():.0f} 万元)") print(f"销售额最低的产品: {product_sales.idxmin()} ({product_sales.min():.0f} 万元)") print("=" * 50) ``` ## 代码说明 1. **数据准备**：创建了一个包含产品、月份、销售额和利润的模拟数据集。 2. **可视化类型**： - 柱状图：显示各产品总销售额 - 折线图：展示月度销售额趋势 - 饼图：显示各产品销售额占比 - 箱线图：展示各产品销售额分布情况 - 散点图：分析销售额与利润的关系 - 热力图：展示各产品在不同月份的销售额 3. **自定义功能**： - 添加了数据标签 - 设置了图表标题和坐标轴标签 - 应用了颜色主题 - 添加了图例 - 保存图表为图片文件 4. **额外功能**： - 创建了第二个图表进行趋势对比 - 添加了数据摘要输出 ## 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，适用于数据分析报告、商业演示等多种场景。

Быстрый просмотр

Консервированный корм для собак Plaisir Говядина, сердце и овощи 100 г

консервированный корм, для всех возрастов, порода: мини (до 10 кг)/средняя (от 10 до 25 кг)/крупная (от 25 кг), для контроля веса, пауч

Быстрый просмотр

Пресервы Plaisir паштет из курицы 150 г

пресервы корм, для взрослых, порода: для всех размеров пород, беззерновой, блистер

Быстрый просмотр

Пресервы Plaisir паштет из индейки 150 г

пресервы корм, для взрослых, порода: для всех размеров пород, беззерновой, блистер

Быстрый просмотр

Пресервы Plaisir для щенков паштет из курицы 150 г

пресервы корм, для щенков, порода: для всех размеров пород, беззерновой, блистер

Быстрый просмотр

Пресервы Plaisir паштет из говядины, сердца и овощей 150 г

пресервы корм, для взрослых, порода: для всех размеров пород, беззерновой, контейнер

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.