Войти

Избранное

0 Корзина

Смартфоны Холодильники Телевизоры Водонагреватели (бойлеры) Газонокосилки Духовые шкафы Посудомоечные машины Стиральные машины 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

Royal Albert

# 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'] # 销售额数据 sales_data = { '月份': months * 5, '产品': np.repeat(categories, 6), '销售额': np.random.randint(50, 200, 30) } # 用户评分数据 rating_data = { '产品': categories, '评分': np.random.uniform(3.5, 5.0, 5), '用户数': np.random.randint(100, 1000, 5) } # 创建DataFrame df_sales = pd.DataFrame(sales_data) df_rating = pd.DataFrame(rating_data) # 创建多子图图表 fig = plt.figure(figsize=(16, 10)) fig.suptitle('产品数据分析报告', fontsize=18, fontweight='bold', y=0.98) # 1. 柱状图 - 各产品总销售额 ax1 = plt.subplot(2, 3, 1) product_sales = df_sales.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=14, fontweight='bold') ax1.set_ylabel('销售额 (万元)', fontsize=12) ax1.tick_params(axis='x', rotation=45) # 在柱子上添加数值标签 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=10) # 2. 折线图 - 各月销售额趋势 ax2 = plt.subplot(2, 3, 2) for product in categories: product_monthly = df_sales[df_sales['产品'] == product].sort_values('月份') ax2.plot(months, product_monthly['销售额'], marker='o', linewidth=2.5, label=product) ax2.set_title('各月销售额趋势', fontsize=14, fontweight='bold') ax2.set_xlabel('月份', fontsize=12) ax2.set_ylabel('销售额 (万元)', fontsize=12) ax2.legend(loc='upper left', bbox_to_anchor=(1, 1)) ax2.grid(True, alpha=0.3) # 3. 饼图 - 销售额占比 ax3 = plt.subplot(2, 3, 3) colors = plt.cm.Set3(np.linspace(0, 1, 5)) wedges, texts, autotexts = ax3.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', colors=colors, startangle=90) ax3.set_title('销售额占比', fontsize=14, fontweight='bold') # 美化饼图文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 4. 散点图 - 评分与用户数关系 ax4 = plt.subplot(2, 3, 4) scatter = ax4.scatter(df_rating['评分'], df_rating['用户数'], s=df_rating['用户数']/5, alpha=0.7, c=df_rating['评分'], cmap='viridis') ax4.set_title('产品评分与用户数关系', fontsize=14, fontweight='bold') ax4.set_xlabel('评分 (1-5分)', fontsize=12) ax4.set_ylabel('用户数', fontsize=12) # 添加产品标签 for i, product in enumerate(categories): ax4.annotate(product, (df_rating['评分'][i], df_rating['用户数'][i]), xytext=(5, 5), textcoords='offset points', fontsize=9) # 添加颜色条 cbar = plt.colorbar(scatter, ax=ax4) cbar.set_label('评分值', rotation=270, labelpad=15) # 5. 箱线图 - 销售额分布 ax5 = plt.subplot(2, 3, 5) box_data = [df_sales[df_sales['产品'] == product]['销售额'].values for product in categories] box_plot = ax5.boxplot(box_data, labels=categories, patch_artist=True) # 设置箱线图颜色 colors = sns.color_palette("husl", 5) for patch, color in zip(box_plot['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) ax5.set_title('各产品销售额分布', fontsize=14, fontweight='bold') ax5.set_ylabel('销售额 (万元)', fontsize=12) ax5.tick_params(axis='x', rotation=45) # 6. 堆叠面积图 - 各月各产品销售额构成 ax6 = plt.subplot(2, 3, 6) monthly_sales_pivot = df_sales.pivot_table(index='月份', columns='产品', values='销售额', aggfunc='sum') # 确保月份顺序正确 monthly_sales_pivot = monthly_sales_pivot.reindex(months) monthly_sales_pivot.plot.area(ax=ax6, alpha=0.8) ax6.set_title('各月销售额构成', fontsize=14, fontweight='bold') ax6.set_xlabel('月份', fontsize=12) ax6.set_ylabel('销售额 (万元)', fontsize=12) ax6.legend(loc='upper left', bbox_to_anchor=(1, 1)) # 调整布局 plt.tight_layout(rect=[0, 0, 1, 0.96]) # 添加脚注 plt.figtext(0.5, 0.01, '数据来源: 模拟数据 | 生成时间: 2023年', ha='center', fontsize=10, style='italic') # 保存图表 plt.savefig('product_analysis.png', dpi=300, bbox_inches='tight') plt.show() # 输出数据统计摘要 print("=" * 60) print("数据统计摘要") print("=" * 60) print(f"总销售额: {product_sales.sum():.0f} 万元") print(f"平均每月销售额: {df_sales['销售额'].mean():.1f} 万元") print(f"最高评分产品: {df_rating.loc[df_rating['评分'].idxmax(), '产品']} ({df_rating['评分'].max():.2f}分)") print(f"最多用户产品: {df_rating.loc[df_rating['用户数'].idxmax(), '产品']} ({df_rating['用户数'].max()}用户)") print("=" * 60) ``` ## 代码说明这个示例代码创建了一个包含6个子图的数据可视化仪表板： 1. **柱状图**：显示各产品的总销售额 2. **折线图**：展示各产品在不同月份的销售趋势 3. **饼图**：显示各产品销售额的占比 4. **散点图**：展示产品评分与用户数的关系 5. **箱线图**：显示各产品销售额的分布情况 6. **堆叠面积图**：展示各月销售额的产品构成 ## 运行要求运行此代码需要安装以下Python库： ```bash pip install matplotlib seaborn numpy pandas ``` ## 自定义选项你可以根据需要修改以下部分： - 数据：替换为自己的数据集 - 颜色：修改调色板或颜色映射 - 图表类型：选择适合你数据的图表类型 - 字体：如果需要显示中文，请取消注释字体设置部分并指定正确的字体路径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、演示文稿或仪表板开发。

Быстрый просмотр

Royal Albert Miranda Kerr Gratitude 40001839

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.