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

Smartstol

# 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（如果需要显示中文） # 请根据你的系统字体路径调整 # plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', '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) } # 创建DataFrame df = pd.DataFrame(sales_data) # 创建画布和子图 fig, axes = plt.subplots(2, 2, figsize=(14, 10)) fig.suptitle('产品销售数据分析', fontsize=16, fontweight='bold') # 1. 柱状图 - 各产品总销售额 product_sales = df.groupby('产品')['销售额'].sum() axes[0, 0].bar(product_sales.index, product_sales.values, color=sns.color_palette("husl", 5)) axes[0, 0].set_title('各产品总销售额对比', fontsize=12, fontweight='bold') axes[0, 0].set_xlabel('产品') axes[0, 0].set_ylabel('销售额') axes[0, 0].tick_params(axis='x', rotation=45) # 在柱状图上添加数值标签 for i, v in enumerate(product_sales.values): axes[0, 0].text(i, v + 5, str(v), ha='center', fontweight='bold') # 2. 折线图 - 各月销售趋势 monthly_sales = df.groupby('月份')['销售额'].sum() axes[0, 1].plot(monthly_sales.index, monthly_sales.values, marker='o', linewidth=2.5, markersize=8, color='#FF6B6B') axes[0, 1].set_title('月度销售趋势', fontsize=12, fontweight='bold') axes[0, 1].set_xlabel('月份') axes[0, 1].set_ylabel('销售额') axes[0, 1].grid(True, alpha=0.3) # 在折线图上添加数值标签 for x, y in zip(monthly_sales.index, monthly_sales.values): axes[0, 1].text(x, y + 5, str(y), ha='center', fontweight='bold') # 3. 箱线图 - 销售额分布 product_data = [df[df['产品'] == cat]['销售额'] for cat in categories] axes[1, 0].boxplot(product_data, labels=categories) axes[1, 0].set_title('各产品销售额分布', fontsize=12, fontweight='bold') axes[1, 0].set_xlabel('产品') axes[1, 0].set_ylabel('销售额') axes[1, 0].tick_params(axis='x', rotation=45) # 4. 热力图 - 产品月度销售矩阵 # 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 = axes[1, 1].imshow(heatmap_data.values, cmap='YlOrRd', aspect='auto') axes[1, 1].set_title('产品月度销售热力图', fontsize=12, fontweight='bold') axes[1, 1].set_xlabel('月份') axes[1, 1].set_ylabel('产品') axes[1, 1].set_xticks(np.arange(len(months))) axes[1, 1].set_yticks(np.arange(len(categories))) axes[1, 1].set_xticklabels(months) axes[1, 1].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 = axes[1, 1].text(j, i, heatmap_data.values[i, j], ha="center", va="center", color="black", fontweight='bold') # 添加颜色条 plt.colorbar(im, ax=axes[1, 1]) # 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() # 创建单独的饼图 fig2, ax2 = plt.subplots(figsize=(8, 8)) wedges, texts, autotexts = ax2.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, colors=sns.color_palette("husl", 5), explode=[0.05] * 5) # 美化饼图 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') ax2.set_title('产品销售额占比', fontsize=14, fontweight='bold') plt.tight_layout() plt.savefig('sales_pie_chart.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()}") print(f"平均月销售额: {df.groupby('月份')['销售额'].sum().mean():.2f}") print(f"销售额最高的产品: {product_sales.idxmax()} ({product_sales.max()})") print(f"销售额最低的产品: {product_sales.idxmin()} ({product_sales.min()})") print(f"销售额最高的月份: {monthly_sales.idxmax()} ({monthly_sales.max()})") ``` ## 代码说明 1. **数据准备**：创建了模拟的销售数据，包含5个产品在6个月内的销售额。 2. **可视化类型**： - **柱状图**：展示各产品的总销售额对比 - **折线图**：展示月度销售趋势 - **箱线图**：展示各产品销售额的分布情况 - **热力图**：展示产品与月份的销售矩阵 - **饼图**：展示各产品销售额占比 3. **自定义功能**： - 添加了数据标签 - 设置了颜色主题 - 调整了图表布局 - 添加了图表标题和坐标轴标签 - 保存图表为图片文件 4. **数据摘要**：在控制台输出关键统计数据 ## 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进行基本的数据可视化，你可以根据自己的数据调整代码以适应不同的分析需求。

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.