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

Реноме

# 使用Python实现简单的数据可视化下面我将展示一个使用Python进行数据可视化的完整示例，包含数据生成、处理和可视化展示。 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from datetime import datetime, timedelta # 设置中文字体和样式 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False sns.set_style("whitegrid") # 1. 生成模拟数据 def generate_sample_data(): """生成模拟销售数据""" np.random.seed(42) # 生成日期范围（最近90天） end_date = datetime.now() start_date = end_date - timedelta(days=89) dates = pd.date_range(start=start_date, end=end_date, freq='D') # 生成产品类别 categories = ['电子产品', '服装', '食品', '家居用品', '图书'] # 生成模拟数据 data = [] for date in dates: for category in categories: # 基本销量 + 随机波动 + 季节性趋势 base_sales = np.random.randint(50, 200) seasonal_factor = 20 * np.sin(2 * np.pi * (date.dayofyear / 365)) random_factor = np.random.randint(-30, 30) sales = max(10, int(base_sales + seasonal_factor + random_factor)) # 价格和利润 price = np.random.uniform(20, 200) profit_margin = np.random.uniform(0.1, 0.4) profit = sales * price * profit_margin data.append({ '日期': date, '产品类别': category, '销量': sales, '单价': round(price, 2), '利润': round(profit, 2) }) return pd.DataFrame(data) # 2. 数据处理和分析 def analyze_data(df): """对数据进行基本分析""" # 按产品类别汇总 category_summary = df.groupby('产品类别').agg({ '销量': 'sum', '利润': 'sum', '单价': 'mean' }).round(2) # 按日期汇总（最近30天） recent_data = df[df['日期'] >= (datetime.now() - timedelta(days=30))] daily_summary = recent_data.groupby('日期').agg({ '销量': 'sum', '利润': 'sum' }).reset_index() # 计算增长率 if len(daily_summary) >= 2: recent_growth = ((daily_summary['利润'].iloc[-1] - daily_summary['利润'].iloc[-2]) / daily_summary['利润'].iloc[-2] * 100) else: recent_growth = 0 return category_summary, daily_summary, recent_growth # 3. 可视化函数 def create_visualizations(df, category_summary, daily_summary, recent_growth): """创建可视化图表""" fig = plt.figure(figsize=(16, 12)) # 1. 各产品类别销量和利润对比（子图1） ax1 = plt.subplot(2, 3, 1) x = np.arange(len(category_summary)) width = 0.35 ax1.bar(x - width/2, category_summary['销量'], width, label='销量', alpha=0.8, color='skyblue') ax1.set_xlabel('产品类别') ax1.set_ylabel('销量', color='skyblue') ax1.set_xticks(x) ax1.set_xticklabels(category_summary.index, rotation=45) ax1.tick_params(axis='y', labelcolor='skyblue') ax1_twin = ax1.twinx() ax1_twin.bar(x + width/2, category_summary['利润'], width, label='利润', alpha=0.8, color='salmon') ax1_twin.set_ylabel('利润', color='salmon') ax1_twin.tick_params(axis='y', labelcolor='salmon') ax1.set_title('各产品类别销量和利润对比') lines1, labels1 = ax1.get_legend_handles_labels() lines2, labels2 = ax1_twin.get_legend_handles_labels() ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left') # 2. 最近30天销量趋势（子图2） ax2 = plt.subplot(2, 3, 2) ax2.plot(daily_summary['日期'], daily_summary['销量'], marker='o', linewidth=2, markersize=4, color='green', alpha=0.7) ax2.fill_between(daily_summary['日期'], daily_summary['销量'], alpha=0.3, color='green') ax2.set_xlabel('日期') ax2.set_ylabel('销量') ax2.set_title('最近30天销量趋势') ax2.tick_params(axis='x', rotation=45) ax2.grid(True, alpha=0.3) # 3. 产品类别利润分布（子图3） ax3 = plt.subplot(2, 3, 3) colors = plt.cm.Set3(np.linspace(0, 1, len(category_summary))) wedges, texts, autotexts = ax3.pie(category_summary['利润'], labels=category_summary.index, autopct='%1.1f%%', colors=colors, startangle=90, textprops={'fontsize': 9}) ax3.set_title('产品类别利润分布') # 4. 销量与利润关系散点图（子图4） ax4 = plt.subplot(2, 3, 4) scatter = ax4.scatter(df['销量'], df['利润'], c=df['单价'], alpha=0.6, cmap='viridis', s=30) ax4.set_xlabel('销量') ax4.set_ylabel('利润') ax4.set_title('销量与利润关系（颜色表示单价）') plt.colorbar(scatter, ax=ax4, label='单价') ax4.grid(True, alpha=0.3) # 5. 各产品类别平均单价（子图5） ax5 = plt.subplot(2, 3, 5) bars = ax5.barh(category_summary.index, category_summary['单价'], color=plt.cm.Paired(np.linspace(0, 1, len(category_summary)))) ax5.set_xlabel('平均单价') ax5.set_title('各产品类别平均单价') # 在条形末端添加数值标签 for i, (bar, value) in enumerate(zip(bars, category_summary['单价'])): ax5.text(value + 2, bar.get_y() + bar.get_height()/2, f'¥{value:.1f}', va='center', fontsize=9) # 6. 关键指标展示（子图6） ax6 = plt.subplot(2, 3, 6) ax6.axis('off') # 计算关键指标 total_sales = df['销量'].sum() total_profit = df['利润'].sum() avg_daily_sales = daily_summary['销量'].mean() best_category = category_summary['利润'].idxmax() best_category_profit = category_summary['利润'].max() # 在子图中添加文本 metrics_text = f""" 关键业务指标总销量: {total_sales:,} 总利润: ¥{total_profit:,.2f} 日均销量: {avg_daily_sales:.1f} 最近增长: {recent_growth:.1f}% 最盈利品类: {best_category} 品类利润: ¥{best_category_profit:,.2f} 数据时间范围: {df['日期'].min().strftime('%Y-%m-%d')} 至 {df['日期'].max().strftime('%Y-%m-%d')} 数据总数: {len(df):,} 条 """ ax6.text(0.1, 0.95, metrics_text, fontsize=11, verticalalignment='top', bbox=dict(boxstyle='round', facecolor='wheat', alpha=0.5)) plt.suptitle('销售数据分析仪表板', fontsize=16, fontweight='bold', y=0.98

Быстрый просмотр

Постельное белье Реноме Семейный Оливковая коллекция УУ 7117 (поплин)

Постельное белье Реноме Семейный Оливковая коллекция УУ 7117 (поплин)

семейный, бязь (хлопок), пододеяльник 145x215 см, простыня 220x240 см, наволочка 70x70 см, оливковый/голубой/серый

Быстрый просмотр

Постельное белье Реноме 1.5сп Урибарра 6653-1

Постельное белье Реноме 1.5сп Урибарра 6653-1

1.5-спальный, бязь (хлопок), пододеяльник 145x210 см, простыня 150x210 см, наволочка 70x70 см, розовый/серый

Новинка

Быстрый просмотр

Плед Реноме Pinoli 2сп PN-018 (жаккард дымчато-розовый)

Плед Реноме Pinoli 2сп PN-018 (жаккард дымчато-розовый)

плед (классический), 180x200, 220 г/м?, жаккард (полиэстер), розовый

Новинка

Быстрый просмотр

Плед Реноме Pinoli 1.5сп PN-019 (жаккард ментоловый)

Плед Реноме Pinoli 1.5сп PN-019 (жаккард ментоловый)

плед (классический), 150x200, 220 г/м?, жаккард (полиэстер), бирюзовый

Новинка

Быстрый просмотр

Плед Реноме Pinoli 1.5сп PN-018 (жаккард дымчато-розовый)

Плед Реноме Pinoli 1.5сп PN-018 (жаккард дымчато-розовый)

плед (классический), 150x200, 220 г/м?, жаккард (полиэстер), розовый

Быстрый просмотр

Постельное белье Реноме Семейный Темно-синяя коллекция ПП 7436 (сатин)

семейный, сатин, пододеяльник 150x210 см, простыня 225x250 см, наволочка 50x70/70x70 см, темно-синий/белый/розовый

Быстрый просмотр

Постельное белье Реноме Шуя 72553

простыня, бязь (хлопок), простыня 150x210 см, белый/голубой

Быстрый просмотр

Постельное белье Реноме Шуя 2спальная 202891

простыня, бязь (хлопок), простыня 180x220 см, серый/фиолетовый/бежевый

Быстрый просмотр

Постельное белье Реноме Шуя 72551

простыня, бязь (хлопок), простыня 150x210 см, белый/коричневый

Быстрый просмотр

Защитный наматрасник Реноме Микрофибра 42/255 150x200 (овечья шерсть, 320)

защитный, микрофибра, наполнитель: шерсть/полиэстер, на угловых резинках

Быстрый просмотр

Постельное белье Реноме 2сп Шарман крупные цветы 70919-1 (бязь, 125)

Постельное белье Реноме 2сп Шарман крупные цветы 70919-1 (бязь, 125)

2-спальный, бязь (хлопок), пододеяльник 175x210 см, простыня 200x220 см, наволочка 70x70 см, розовый/желтый/белый

Быстрый просмотр

Спальная подушка Реноме 68x68 14/023н (заменитель лебяжьего пуха тк хлопковая)

спальная подушка квадратная (68x68 см), наполнитель: искусственный лебяжий пух/полиэстер (полиэфир), чехол: поликоттон

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.