开源 python 应用 开发（七）数据可视化

pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple/

import matplotlib.pyplot as plt
import numpy as np#pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple/
# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)# 创建图形
plt.figure(figsize=(8, 6))# 绘制线图
plt.plot(x, y, label='sin(x)', color='blue', linewidth=2)# 添加标题和标签
plt.title('Sine Wave', fontsize=16)
plt.xlabel('X-axis', fontsize=14)
plt.ylabel('Y-axis', fontsize=14)# 添加图例
plt.legend(fontsize=12)# 显示网格
plt.grid(True, linestyle='--', alpha=0.7)# 显示图形
plt.show()

import matplotlib.pyplot as plt
import matplotlib.patches as patches# 创建一个图形和坐标轴
fig, ax = plt.subplots()# 创建一个长方形（Rectangle）
# 参数：(左下角x坐标, 左下角y坐标), 宽度, 高度
rectangle = patches.Rectangle((0.2, 0.3), 0.5, 0.4, linewidth=2, edgecolor='r', facecolor='blue', alpha=0.5)# 添加到坐标轴
ax.add_patch(rectangle)# 设置坐标轴范围
ax.set_xlim(0, 1)
ax.set_ylim(0, 1)# 显示图形
plt.title("Rectangle using matplotlib")
plt.show()

pip install pandas -i https://mirrors.aliyun.com/pypi/simple/

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np# 准备数据
data = {"月份": ["1月", "2月", "3月", "4月", "5月", "6月", "7月", "8月", "9月", "10月", "11月", "12月"],"销售额": [336, 389, 704, 469, 414, 464, 409, 483, 481, 525, 567, 465],"阳光硅片": [100, 110, 130, 114, 160, 176, 154, 131, 121, 231, 114, 231],"华测硅片": [113, 114, 231, 232, 123, 165, 132, 176, 198, 113, 321, 123],"TD测试": [123, 165, 343, 123, 131, 123, 123, 176, 162, 181, 132, 111]
}
df = pd.DataFrame(data)# 设置全局样式
plt.style.use('ggplot')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False# 创建画布和子图（增大画布尺寸并调整布局参数）
fig = plt.figure(figsize=(20, 16))  # 宽度增加到20，高度增加到16
fig.suptitle('2023年销售数据分析报告', fontsize=18, y=1.02)# 调整子图之间的间距参数
plt.subplots_adjust(wspace=0.3, hspace=0.4)  # 增加水平和垂直间距# 子图1：趋势分析（折线图）
ax1 = plt.subplot(2, 2, 1)
ax1.plot(df["月份"], df["销售额"], marker="o", label="总销售额", linewidth=2, color='#1f77b4')
ax1.plot(df["月份"], df["阳光硅片"], marker="s", label="阳光硅片", color='#ff7f0e')
ax1.plot(df["月份"], df["华测硅片"], marker="^", label="华测硅片", color='#2ca02c')
ax1.plot(df["月份"], df["TD测试"], marker="d", label="TD测试", color='#d62728')
ax1.set_title("1. 销售额及品牌趋势分析", pad=13, fontsize=14)  # 增加标题间距和字体大小
#ax1.set_xlabel("月份", fontsize=12)
ax1.set_ylabel("销售额（万）", fontsize=12)
ax1.legend(fontsize=10)
ax1.grid(linestyle="--")# 子图2：品牌占比（堆叠面积图）
ax2 = plt.subplot(2, 2, 2)
ax2.stackplot(df["月份"], df["阳光硅片"], df["华测硅片"], df["TD测试"],labels=["阳光硅片", "华测硅片", "TD测试"],colors=["#FFA07A", "#98FB98", "#87CEFA"]
)
ax2.set_title("2. 品牌销售额占比（堆叠视图）", pad=13, fontsize=14)
#ax2.set_xlabel("月份", fontsize=12)
ax2.set_ylabel("销售额（万）", fontsize=12)
ax2.legend(loc="upper left", fontsize=10)# 子图3：品牌对比（柱状图）
ax3 = plt.subplot(2, 2, 3)
width = 0.25
x = np.arange(len(df["月份"]))
ax3.bar(x - width, df["阳光硅片"], width, label="阳光硅片", color="#FFA07A")
ax3.bar(x, df["华测硅片"], width, label="华测硅片", color="#98FB98")
ax3.bar(x + width, df["TD测试"], width, label="TD测试", color="#87CEFA")
ax3.set_title("3. 各品牌月度销售额对比", pad=13, fontsize=14)
ax3.set_ylabel("销售额（万）", fontsize=12)
ax3.set_xticks(x)
ax3.set_xticklabels(df["月份"], fontsize=10)
ax3.legend(fontsize=10)# 子图4：相关性分析（热力图）
ax4 = plt.subplot(2, 2, 4)
corr = df[["销售额", "阳光硅片", "华测硅片", "TD测试"]].corr()
im = ax4.imshow(corr, cmap="coolwarm", vmin=-1, vmax=1)
ax4.set_title("4. 销售额与品牌的相关性", pad=13, fontsize=14)
ax4.set_xticks(np.arange(len(corr.columns)))
ax4.set_yticks(np.arange(len(corr.columns)))
ax4.set_xticklabels(corr.columns, fontsize=10)
ax4.set_yticklabels(corr.columns, fontsize=10)
cbar = plt.colorbar(im, ax=ax4)
cbar.ax.tick_params(labelsize=10)  # 设置colorbar刻度字体大小# 添加相关系数文本（调整字体大小）
for i in range(len(corr.columns)):for j in range(len(corr.columns)):ax4.text(j, i, f"{corr.iloc[i, j]:.2f}", ha="center", va="center", color="black", fontsize=10)plt.tight_layout(pad=4.0)  # 增加整体边距
plt.show()