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

Сибтермо

# 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), '评价数量': np.random.randint(100, 1000, 5) } # 创建DataFrame df_sales = pd.DataFrame(sales_data) df_rating = pd.DataFrame(rating_data) # 创建多子图布局 fig = plt.figure(figsize=(15, 10)) fig.suptitle('产品数据分析报告', fontsize=16, 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=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) 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', label=product, linewidth=2) ax2.set_title('各月销售额趋势', 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 - 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%%', startangle=90, colors=colors) ax3.set_title('销售额占比', fontsize=12, fontweight='bold') # 美化饼图文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 4. 散点图 - 评分与评价数量关系 ax4 = plt.subplot(2, 3, 4) scatter = ax4.scatter(df_rating['评分'], df_rating['评价数量'], s=df_rating['评价数量']/10, alpha=0.7, c=range(len(df_rating)), cmap='viridis') ax4.set_title('产品评分与评价数量', fontsize=12, fontweight='bold') ax4.set_xlabel('评分') ax4.set_ylabel('评价数量') # 为散点添加产品标签 for i, product in enumerate(df_rating['产品']): ax4.annotate(product, (df_rating['评分'][i], df_rating['评价数量'][i]), xytext=(5, 5), textcoords='offset points', fontsize=9) # 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 = ax5.boxplot(box_data, labels=categories, patch_artist=True) ax5.set_title('销售额分布', fontsize=12, fontweight='bold') ax5.set_ylabel('销售额 (万元)') ax5.set_xlabel('产品') # 为箱线图添加颜色 colors = sns.color_palette("husl", 5) for patch, color in zip(box['boxes'], colors): patch.set_facecolor(color) patch.set_alpha(0.7) # 6. 热力图 - 各产品月度销售热力图 ax6 = plt.subplot(2, 3, 6) # 重塑数据为热力图格式 heatmap_data = df_sales.pivot_table(index='产品', columns='月份', values='销售额') im = ax6.imshow(heatmap_data, cmap='YlOrRd', aspect='auto') ax6.set_title('月度销售热力图', 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) # 在热力图中添加数值 for i in range(len(categories)): for j in range(len(months)): text = ax6.text(j, i, heatmap_data.iloc[i, j], ha="center", va="center", color="black", fontsize=9) # 添加颜色条 plt.colorbar(im, ax=ax6, fraction=0.046, pad=0.04) # 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=9, style='italic') # 保存图表 plt.savefig('data_visualization_report.png', dpi=300, bbox_inches='tight') # 显示图表 plt.show() # 创建单独的趋势分析图表 fig2, (ax7, ax8) = plt.subplots(1, 2, figsize=(12, 5)) # 7. 面积图 - 累计销售额 ax7.stackplot(months, [df_sales[df_sales['产品'] == product].sort_values('月份')['销售额'].values for product in categories], labels=categories, alpha=0.7) ax7.set_title('累计销售额趋势', fontsize=12, fontweight='bold') ax7.set_ylabel('累计销售额 (万元)') ax7.set_xlabel('月份') ax7.legend(loc='upper left', fontsize=9) ax7.grid(True, alpha=0.3) # 8. 雷达图 - 产品多维度评估 ax8 = plt.subplot(1, 2, 2, projection='polar') # 创建评估维度 dimensions = ['销售额', '评分', '评价数量', '市场份额', '客户满意度'] N = len(dimensions) # 归一化数据 product_values = [] for i, product in enumerate(categories): # 这里使用模拟数据 values = np.random.uniform(0.5, 1.0, N) values = np.concatenate((values, [values[0]])) # 闭合雷达图 product_values.append(values) # 设置角度 angles = np.linspace(0, 2 * np.pi, N, endpoint=False).tolist() angles += angles[:1] # 闭合 # 绘制雷达图 for i, (product, values) in enumerate(zip(categories, product_values)): ax8.plot(angles, values, linewidth=2, label=product)

Быстрый просмотр

Раскладушка Сибтермо 175x75см 01010107

Раскладушка Сибтермо 175x75см 01010107

Гарантия (месяцев)

:

12

Быстрый просмотр

Коптильня Сибтермо МК.05 00610604

Гарантия (месяцев)

:

12

Быстрый просмотр

Коврик под печь Сибтермо 00510504

Гарантия (месяцев)

:

12

Быстрый просмотр

Термосумка Сибтермо 02320901

Гарантия (месяцев)

:

12

Быстрый просмотр

Раскладушка Сибтермо 205x75см 01010110

Раскладушка Сибтермо 205x75см 01010110

Гарантия (месяцев)

:

12

Быстрый просмотр

Коптильня Сибтермо МК.01 00610600

Коптильня Сибтермо МК.01 00610600

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.