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

SUUNTO

# 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'] # 销售数据 sales_data = { '月份': months * 5, '产品': np.repeat(categories, 6), '销售额': np.random.randint(50, 200, 30), '利润': np.random.uniform(10, 50, 30) } df = pd.DataFrame(sales_data) # 创建多子图布局 fig = plt.figure(figsize=(16, 10)) fig.suptitle('产品销售数据分析', 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.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)') ax1.set_xlabel('产品') # 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) monthly_sales = df.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('月度销售额趋势', fontsize=14, fontweight='bold') ax2.set_ylabel('销售额 (万元)') ax2.set_xlabel('月份') ax2.grid(True, alpha=0.3) # 3. 散点图 - 销售额与利润关系 ax3 = plt.subplot(2, 3, 3) scatter = ax3.scatter(df['销售额'], df['利润'], c=df['销售额'], cmap='viridis', s=100, alpha=0.7, edgecolors='black') 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)') plt.colorbar(scatter, ax=ax3, label='销售额强度') # 4. 箱线图 - 各产品销售额分布 ax4 = plt.subplot(2, 3, 4) box_data = [df[df['产品'] == cat]['销售额'].values for cat in categories] box = ax4.boxplot(box_data, labels=categories, patch_artist=True) ax4.set_title('各产品销售额分布', fontsize=14, fontweight='bold') ax4.set_ylabel('销售额 (万元)') ax4.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) # 5. 饼图 - 各产品销售额占比 ax5 = plt.subplot(2, 3, 5) wedges, texts, autotexts = ax5.pie(product_sales.values, labels=product_sales.index, autopct='%1.1f%%', startangle=90, colors=colors, explode=[0.05]*5) ax5.set_title('各产品销售额占比', fontsize=14, fontweight='bold') # 设置饼图文本样式 for autotext in autotexts: autotext.set_color('white') autotext.set_fontweight('bold') # 6. 热力图 - 各产品月度销售额 ax6 = plt.subplot(2, 3, 6) # 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 = ax6.imshow(heatmap_data.values, cmap='YlOrRd', aspect='auto') ax6.set_title('各产品月度销售额热力图', fontsize=14, fontweight='bold') ax6.set_xlabel('月份') ax6.set_ylabel('产品') ax6.set_xticks(np.arange(len(months))) ax6.set_yticks(np.arange(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, int(heatmap_data.values[i, j]), ha="center", va="center", color="black", fontweight='bold') plt.colorbar(im, ax=ax6, label='销售额 (万元)') # 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: 模拟销售数据 | 生成时间: 2023年', ha='center', fontsize=10, style='italic') # 保存图表 plt.savefig('sales_analysis.png', dpi=300, bbox_inches='tight') # 显示图表 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():.0f} 万元") print(f"平均月销售额: {df.groupby('月份')['销售额'].sum().mean():.0f} 万元") print(f"销售额最高的产品: {product_sales.idxmax()} ({product_sales.max():.0f} 万元)") print(f"销售额最低的产品: {product_sales.idxmin()} ({product_sales.min():.0f} 万元)") print("="*50) ``` ## 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**：展示月度销售额趋势 3. **散点图**：分析销售额与利润的关系 4. **箱线图**：展示各产品销售额的分布情况 5. **饼图**：显示各产品销售额的占比 6. **热力图**：展示各产品在不同月份的销售额 ## 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： - 数据源：替换`df` DataFrame中的数据 - 颜色方案：修改`sns.set_palette()`中的参数 - 图表尺寸：调整`figsize`参数 - 图表类型：根据需要添加或删除不同类型的图表这个示例展示了如何使用Python创建专业的数据可视化，适用于数据分析报告、仪表板等场景。

Быстрый просмотр

Умные часы Suunto 9 Peak Titanium (синий гранит)

Умные часы Suunto 9 Peak Titanium (синий гранит)

Умные часы Suunto 9 Peak Titanium (синий гранит)

Умные часы Suunto 9 Peak Titanium (синий гранит)

Гарантия (месяцев)

:

12

Быстрый просмотр

Умные часы Suunto 9 Peak Pro Titanium (сланец)

Умные часы Suunto 9 Peak Pro Titanium (сланец)

Умные часы Suunto 9 Peak Pro Titanium (сланец)

Умные часы Suunto 9 Peak Pro Titanium (сланец)

Гарантия (месяцев)

:

12

Быстрый просмотр

Умные часы Suunto Vertical (черный/лимонный)

Умные часы Suunto Vertical (черный/лимонный)

Умные часы Suunto Vertical (черный/лимонный)

Умные часы Suunto Vertical (черный/лимонный)

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.