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

VDENMENV

# 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，并包含了一些数据准备和样式设置。 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from scipy import stats # 设置中文字体和图表样式 plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False sns.set_style("whitegrid") sns.set_palette("husl") # 创建示例数据 np.random.seed(42) n_samples = 200 # 生成模拟数据 data = pd.DataFrame({ '产品类别': np.random.choice(['电子产品', '服装', '食品', '家居', '书籍'], n_samples), '销售额': np.random.exponential(scale=1000, size=n_samples) + 500, '利润': np.random.normal(loc=300, scale=100, size=n_samples), '月份': np.random.choice(range(1, 13), n_samples), '客户评分': np.random.uniform(3, 5, n_samples), '广告投入': np.random.uniform(100, 1000, n_samples) }) # 添加一些相关性 data['利润'] = data['利润'] + 0.3 * data['销售额'] / 100 + np.random.normal(0, 50, n_samples) # 创建多子图图表 fig = plt.figure(figsize=(16, 12)) fig.suptitle('销售数据分析可视化', fontsize=16, fontweight='bold') # 1. 销售额分布直方图 ax1 = plt.subplot(3, 3, 1) ax1.hist(data['销售额'], bins=20, edgecolor='black', alpha=0.7, color='skyblue') ax1.set_xlabel('销售额') ax1.set_ylabel('频数') ax1.set_title('销售额分布直方图') ax1.axvline(data['销售额'].mean(), color='red', linestyle='--', linewidth=2, label=f'均值: {data["销售额"].mean():.0f}') ax1.legend() # 2. 产品类别销售额条形图 ax2 = plt.subplot(3, 3, 2) category_sales = data.groupby('产品类别')['销售额'].mean().sort_values(ascending=False) bars = ax2.bar(category_sales.index, category_sales.values, color=sns.color_palette("husl", 5)) ax2.set_xlabel('产品类别') ax2.set_ylabel('平均销售额') ax2.set_title('各产品类别平均销售额') ax2.tick_params(axis='x', rotation=45) # 添加数值标签 for bar in bars: height = bar.get_height() ax2.text(bar.get_x() + bar.get_width()/2., height + 20, f'{height:.0f}', ha='center', va='bottom', fontsize=9) # 3. 销售额与利润散点图 ax3 = plt.subplot(3, 3, 3) scatter = ax3.scatter(data['销售额'], data['利润'], c=data['客户评分'], cmap='viridis', alpha=0.6, s=50) ax3.set_xlabel('销售额') ax3.set_ylabel('利润') ax3.set_title('销售额与利润关系（颜色表示客户评分）') plt.colorbar(scatter, ax=ax3, label='客户评分') # 添加回归线 z = np.polyfit(data['销售额'], data['利润'], 1) p = np.poly1d(z) ax3.plot(data['销售额'], p(data['销售额']), "r--", alpha=0.8, linewidth=2) # 4. 箱线图：各产品类别利润分布 ax4 = plt.subplot(3, 3, 4) sns.boxplot(x='产品类别', y='利润', data=data, ax=ax4) ax4.set_xlabel('产品类别') ax4.set_ylabel('利润') ax4.set_title('各产品类别利润分布箱线图') ax4.tick_params(axis='x', rotation=45) # 5. 月度销售额趋势 ax5 = plt.subplot(3, 3, 5) monthly_sales = data.groupby('月份')['销售额'].mean() ax5.plot(monthly_sales.index, monthly_sales.values, marker='o', linewidth=2, markersize=8) ax5.fill_between(monthly_sales.index, monthly_sales.values, alpha=0.3) ax5.set_xlabel('月份') ax5.set_ylabel('平均销售额') ax5.set_title('月度销售额趋势') ax5.set_xticks(range(1, 13)) ax5.grid(True, alpha=0.3) # 6. 客户评分分布饼图 ax6 = plt.subplot(3, 3, 6) rating_bins = pd.cut(data['客户评分'], bins=[3, 3.5, 4, 4.5, 5], labels=['3-3.5', '3.5-4', '4-4.5', '4.5-5']) rating_counts = rating_bins.value_counts() colors = plt.cm.Set3(np.linspace(0, 1, len(rating_counts))) wedges, texts, autotexts = ax6.pie(rating_counts.values, labels=rating_counts.index, autopct='%1.1f%%', startangle=90, colors=colors, explode=[0.05]*len(rating_counts)) ax6.set_title('客户评分分布') # 7. 相关性热力图 ax7 = plt.subplot(3, 3, 7) numeric_cols = ['销售额', '利润', '客户评分', '广告投入'] corr_matrix = data[numeric_cols].corr() im = ax7.imshow(corr_matrix, cmap='coolwarm', vmin=-1, vmax=1) ax7.set_xticks(range(len(numeric_cols))) ax7.set_yticks(range(len(numeric_cols))) ax7.set_xticklabels(numeric_cols, rotation=45) ax7.set_yticklabels(numeric_cols) ax7.set_title('变量间相关性热力图') # 添加相关系数值 for i in range(len(numeric_cols)): for j in range(len(numeric_cols)): text = ax7.text(j, i, f'{corr_matrix.iloc[i, j]:.2f}', ha="center", va="center", color="white" if abs(corr_matrix.iloc[i, j]) > 0.5 else "black") # 8. 广告投入与销售额关系 ax8 = plt.subplot(3, 3, 8) ax8.scatter(data['广告投入'], data['销售额'], alpha=0.6, s=50) ax8.set_xlabel('广告投入') ax8.set_ylabel('销售额') ax8.set_title('广告投入与销售额关系') # 添加回归线 z2 = np.polyfit(data['广告投入'], data['销售额'], 1) p2 = np.poly1d(z2) ax8.plot(data['广告投入'], p2(data['广告投入']), "r--", alpha=0.8, linewidth=2) # 9. 密度图：利润分布 ax9 = plt.subplot(3, 3, 9) sns.kdeplot(data=data, x='利润', fill=True, ax=ax9, alpha=0.6) ax9.axvline(data['利润'].mean(), color='red', linestyle='--', linewidth=2, label=f'均值: {data["利润"].mean():.1f}') ax9.axvline(data['利润'].median(), color='green', linestyle='--', linewidth=2, label=f'中位数: {data["利润"].median():.1f}') ax9.set_xlabel('利润') ax9.set_ylabel('密度') ax9.set_title('利润分布密度图') ax9.legend() # 调整布局 plt.tight_layout() plt.subplots_adjust(top=0.94) # 保存图表 plt.savefig('data_visualization.png', dpi=300, bbox_inches='tight') # 显示图表 plt.show() # 打印数据摘要 print("数据摘要:") print("=" * 50) print(f"数据总行数: {len(data)}") print(f"销售额统计: 均值={data['销售额'].mean():.2f}, 标准差={data['销售额'].std():.2f}") print(f"利润统计: 均值={data['利润'].mean():.2f}, 标准差={data['利润'].std():.2f}") print(f"客户评分统计

Быстрый просмотр

Bluetooth гарнитура VDENMENV DL22

Bluetooth гарнитура VDENMENV DL22

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.