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

Super Bat

# 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） try: font_path = "/System/Library/Fonts/PingFang.ttc" # macOS # font_path = "C:/Windows/Fonts/simhei.ttf" # Windows font_prop = font_manager.FontProperties(fname=font_path) plt.rcParams['font.sans-serif'] = [font_prop.get_name()] plt.rcParams['axes.unicode_minus'] = False except: print("未找到中文字体，使用默认字体") # 设置Seaborn样式 sns.set_style("whitegrid") 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'] # 创建销售数据 sales_data = pd.DataFrame({ '月份': np.tile(months, len(categories)), '产品': np.repeat(categories, len(months)), '销售额': np.random.randint(50, 200, size=len(categories)*len(months)), '利润': np.random.uniform(10, 50, size=len(categories)*len(months)) }) # 创建用户评分数据 ratings_data = pd.DataFrame({ '产品': categories, '评分': np.random.uniform(3.0, 5.0, size=len(categories)), '评价数量': np.random.randint(100, 1000, size=len(categories)) }) # 创建时间序列数据 dates = pd.date_range('2023-01-01', periods=30, freq='D') time_series_data = pd.DataFrame({ '日期': dates, '访问量': np.random.randint(500, 2000, size=len(dates)), '转化率': np.random.uniform(0.01, 0.05, size=len(dates)) }) # 创建图表 fig = plt.figure(figsize=(16, 12)) fig.suptitle('产品销售数据分析报告', fontsize=18, fontweight='bold') # 1. 柱状图 - 各产品总销售额 ax1 = plt.subplot(2, 3, 1) product_sales = sales_data.groupby('产品')['销售额'].sum().sort_values(ascending=False) bars = ax1.bar(product_sales.index, product_sales.values, color=sns.color_palette("husl", len(categories))) ax1.set_title('各产品总销售额对比', fontsize=14, fontweight='bold') ax1.set_xlabel('产品') ax1.set_ylabel('销售额（万元）') ax1.tick_params(axis='x', rotation=45) # 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 - 月度销售趋势 ax2 = plt.subplot(2, 3, 2) monthly_sales = sales_data.groupby('月份')['销售额'].sum() ax2.plot(monthly_sales.index, monthly_sales.values, marker='o', linewidth=2.5, markersize=8) ax2.set_title('月度销售趋势', fontsize=14, fontweight='bold') ax2.set_xlabel('月份') ax2.set_ylabel('销售额（万元）') ax2.grid(True, alpha=0.3) # 3. 散点图 - 销售额与利润关系 ax3 = plt.subplot(2, 3, 3) for product in categories: product_data = sales_data[sales_data['产品'] == product] ax3.scatter(product_data['销售额'], product_data['利润'], s=product_data['销售额']/5, alpha=0.7, label=product) ax3.set_title('销售额与利润关系', fontsize=14, fontweight='bold') ax3.set_xlabel('销售额（万元）') ax3.set_ylabel('利润（万元）') ax3.legend(loc='upper left', fontsize=9) ax3.grid(True, alpha=0.3) # 4. 饼图 - 市场份额分布 ax4 = plt.subplot(2, 3, 4) market_share = product_sales / product_sales.sum() * 100 colors = plt.cm.Set3(np.linspace(0, 1, len(categories))) wedges, texts, autotexts = ax4.pie(market_share.values, labels=market_share.index, autopct='%1.1f%%', startangle=90, colors=colors) ax4.set_title('市场份额分布', fontsize=14, fontweight='bold') # 美化百分比文本 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 5. 箱线图 - 销售额分布 ax5 = plt.subplot(2, 3, 5) sales_by_product = [sales_data[sales_data['产品'] == cat]['销售额'].values for cat in categories] box = ax5.boxplot(sales_by_product, labels=categories, patch_artist=True) ax5.set_title('各产品销售额分布', fontsize=14, fontweight='bold') ax5.set_xlabel('产品') ax5.set_ylabel('销售额（万元）') ax5.tick_params(axis='x', rotation=45) # 设置箱线图颜色 for patch, color in zip(box['boxes'], sns.color_palette("husl", len(categories))): patch.set_facecolor(color) patch.set_alpha(0.7) # 6. 组合图 - 访问量与转化率 ax6 = plt.subplot(2, 3, 6) ax6_secondary = ax6.twinx() # 主坐标轴 - 访问量 line1 = ax6.plot(time_series_data['日期'], time_series_data['访问量'], color='royalblue', linewidth=2, label='访问量') ax6.set_xlabel('日期') ax6.set_ylabel('访问量', color='royalblue') ax6.tick_params(axis='y', labelcolor='royalblue') ax6.tick_params(axis='x', rotation=45) # 次坐标轴 - 转化率 line2 = ax6_secondary.plot(time_series_data['日期'], time_series_data['转化率']*100, color='coral', linewidth=2, linestyle='--', label='转化率') ax6_secondary.set_ylabel('转化率 (%)', color='coral') ax6_secondary.tick_params(axis='y', labelcolor='coral') # 合并图例 lines = line1 + line2 labels = [l.get_label() for l in lines] ax6.legend(lines, labels, loc='upper left') ax6.set_title('网站访问量与转化率趋势', fontsize=14, fontweight='bold') ax6.grid(True, alpha=0.3) # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.92) # 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('data_visualization_report.png', dpi=300, bbox_inches='tight') plt.show() # 显示数据统计摘要 print("="*60) print("数据统计摘要") print("="*60) print(f"总销售额: {sales_data['销售额'].sum():,.0f} 万元") print(f"平均月销售额: {sales_data.groupby('月份')['销售额'].sum().mean():,.0f} 万元") print(f"最畅销产品: {product_sales.idxmax()} ({product_sales.max():,.0f} 万元)") print(f"平均利润率: {(sales_data['利润'].sum() / sales_data['销售额'].sum() * 100):.1f}%") print("="*60) ``` ## 运行说明 1. **安装必要的库**： ```bash pip install matplotlib seaborn pandas numpy ``` 2. **运行代码**： - 将上面的代码保存为 `data_visualization.py` - 运行 `python

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.