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

Popcorn Books

# 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 - 月度销售额趋势 ax2 = plt.subplot(2, 3, 2) for product in categories: product_monthly = df[df['产品'] == product].sort_values('月份') ax2.plot(months, product_monthly['销售额'], marker='o', linewidth=2, label=product) 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.legend(loc='upper left', fontsize=8) 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) # 突出显示第一个扇区 wedges, texts, autotexts = ax3.pie( product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, explode=explode, shadow=True ) ax3.set_title('各产品销售额占比', fontsize=12, fontweight='bold') # 设置百分比文本样式 for autotext in autotexts: autotext.set_color('white') autotext.set_fontsize(9) # 4. 散点图 - 销售额与利润关系 ax4 = plt.subplot(2, 3, 4) scatter = ax4.scatter( df['销售额'], df['利润'], c=df['销售额'], cmap='viridis', s=100, alpha=0.7, edgecolors='w', linewidth=0.5 ) ax4.set_title('销售额与利润关系', fontsize=12, fontweight='bold') ax4.set_xlabel('销售额 (万元)') ax4.set_ylabel('利润 (万元)') plt.colorbar(scatter, ax=ax4, label='销售额强度') # 5. 箱线图 - 各产品销售额分布 ax5 = plt.subplot(2, 3, 5) box_data = [df[df['产品'] == product]['销售额'].values for product in categories] box = ax5.boxplot(box_data, labels=categories, patch_artist=True) ax5.set_title('各产品销售额分布', fontsize=12, fontweight='bold') ax5.set_ylabel('销售额 (万元)') ax5.set_xlabel('产品') # 设置箱线图颜色 colors = sns.color_palette("husl", 5) for patch, color in zip(box['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) # 6. 堆叠面积图 - 月度各产品销售额构成 ax6 = plt.subplot(2, 3, 6) monthly_product_sales = df.pivot_table(index='月份', columns='产品', values='销售额', aggfunc='sum') monthly_product_sales = monthly_product_sales.reindex(months) # 确保月份顺序正确 ax6.stackplot( months, [monthly_product_sales[product] for product in categories], labels=categories, alpha=0.8 ) ax6.set_title('月度各产品销售额构成', fontsize=12, fontweight='bold') ax6.set_ylabel('销售额 (万元)') ax6.set_xlabel('月份') ax6.legend(loc='upper left', fontsize=8) # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.92) # 添加脚注 fig.text(0.5, 0.01, '数据来源: 模拟销售数据 | 可视化工具: Matplotlib & Seaborn', ha='center', fontsize=9, style='italic', alpha=0.7) # 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月度各产品销售额热力图:") monthly_pivot = df.pivot_table(index='产品', columns='月份', values='销售额', aggfunc='sum') monthly_pivot = monthly_pivot.reindex(categories).reindex(columns=months) plt.figure(figsize=(10, 6)) sns.heatmap(monthly_pivot, annot=True, fmt='d', cmap='YlOrRd', linewidths=0.5) plt.title('月度各产品销售额热力图', fontsize=14, fontweight='bold') plt.xlabel('月份') plt.ylabel('产品') plt.tight_layout() plt.savefig('sales_heatmap.png', dpi=300, bbox_inches='tight') plt.show() # 输出数据摘要 print("\n数据摘要:") print("=" * 50) print(f"数据集形状: {df.shape}") print(f"时间范围: {df['月份'].min()} 到 {df['月份'].max()}") print(f"产品数量: {len(df['产品'].unique())}") print("\n各产品销售额统计:") print(df.groupby('产品')['销售额'].describe()) ``` ## 代码说明 1. **数据准备**：创建了一个模拟的销售数据集，包含产品、月份、销售额和利润等字段。 2. **可视化类型**： - 柱状图：展示各产品总销售额 - 折线图：显示月度销售额趋势 - 饼图：展示各产品销售额占比 - 散点图：分析销售额与利润的关系 - 箱线图：展示各产品销售额分布 - 堆叠面积图：显示月度各产品销售额构成 - 热力图：展示月度各产品销售额矩阵 3. **自定义功能**： - 添加了数据标签 - 设置了颜色主题 - 添加了图表标题和脚注 - 自动保存图表为PNG文件 - 输出数据摘要统计 ## 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，适用于数据分析报告、商业演示等多种场景。你可以根据自己的数据修改代码中的数据集部分，快速生成适合自己需求的可视化图表。

Быстрый просмотр

Popcorn Books Дыши (Woorie)

Быстрый просмотр

Popcorn Books Нигиль (Карин Саша)

Быстрый просмотр

Popcorn Books Смысл. Том 2 (Woorie)

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