利用Python简单的可视化工具

pip install matplotlib

import matplotlib.pyplot as plt

# 假设这是某公司12个月的销售额数据
months = ['一月', '二月', '三月', '四月', '五月', '六月',
          '七月', '八月', '九月', '十月', '十一月', '十二月']
sales = [1000, 1200, 900, 1500, 1800, 2000,
         2200, 2500, 2300, 2600, 2800, 3000]

# 创建图表
plt.figure(figsize=(10, 6))
plt.plot(months, sales, marker='o', linestyle='-', color='b')

# 添加标题和标签
plt.title('公司月销售额趋势')
plt.xlabel('月份')
plt.ylabel('销售额 (元)')

# 显示网格
plt.grid(True)

# 显示图表
plt.show()

import seaborn as sns

# 设置Seaborn风格
sns.set(style="whitegrid")

# 绘制折线图
plt.figure(figsize=(10, 6))
sns.lineplot(x=months, y=sales, marker='o', sort=False, color='b')

# 添加标题和标签
plt.title('公司月销售额趋势')
plt.xlabel('月份')
plt.ylabel('销售额 (元)')

# 显示图表
plt.show()

import plotly.express as px

# 使用相同的销售数据
fig = px.bar(x=months, y=sales, title='公司月销售额趋势',
             labels={'x': '月份', 'y': '销售额 (元)'}, color=sales,
             color_continuous_scale='Blues')

# 显示图表
fig.show()

import geopandas as gpd
import folium

# 假设这是我们的数据
data = {
    '城市': ['北京', '上海', '广州', '深圳'],
    '人口': [21542000, 24281000, 14904000, 13027000],
    '经度': [116.4074, 121.4737, 113.2644, 114.0579],
    '纬度': [39.9042, 31.2304, 23.1291, 22.5431]
}

# 创建GeoDataFrame
gdf = gpd.GeoDataFrame(data, geometry=gpd.points_from_xy(data['经度'], data['纬度']))

# 创建地图
m = folium.Map(location=[35, 110], zoom_start=5)

# 在地图上添加标记
for index, row in gdf.iterrows():
    folium.Marker([row['geometry'].y, row['geometry'].x], 
                  popup=f"{row['城市']}: {row['人口']}人").add_to(m)

# 显示地图
m.save('map.html')  # 保存为HTML文件

import pandas as pd
import numpy as np

# 模拟数据
np.random.seed(42)
dates = pd.date_range(start='2023-01-01', periods=100, freq='D')
users = ['User' + str(i) for i in range(1, 21)]
actions = ['浏览', '购买']
products = ['产品A', '产品B', '产品C']

data = {
    '日期': np.random.choice(dates, 100),
    '用户': np.random.choice(users, 100),
    '操作': np.random.choice(actions, 100, p=[0.8, 0.2]),
    '产品': np.random.choice(products, 100),
    '数量': np.random.randint(1, 10, size=100)
}

df = pd.DataFrame(data)
print(df.head())

# 去除重复项
df.drop_duplicates(inplace=True)

# 填充缺失值（如果有）
df.fillna(method='ffill', inplace=True)

# 转换日期格式
df['日期'] = pd.to_datetime(df['日期'])

import matplotlib.pyplot as plt

# 按日期分组并计算每日总操作数
daily_actions = df.groupby('日期').size()

# 绘制趋势图
plt.figure(figsize=(12, 6))
plt.plot(daily_actions.index, daily_actions.values, marker='o', linestyle='-', color='b')
plt.title('用户行为趋势')
plt.xlabel('日期')
plt.ylabel('操作次数')
plt.grid(True)
plt.show()

import seaborn as sns

# 按产品分组并计算总销量
product_sales = df[df['操作'] == '购买'].groupby('产品')['数量'].sum().reset_index()

# 绘制柱状图
plt.figure(figsize=(8, 6))
sns.barplot(x='产品', y='数量', data=product_sales, palette='viridis')
plt.title('产品销量对比')
plt.xlabel('产品')
plt.ylabel('销量')
plt.show()

import folium

# 假设我们有一些用户的经纬度信息
user_locations = {
    'User1': (39.9042, 116.4074),  # 北京
    'User2': (31.2304, 121.4737),  # 上海
    'User3': (23.1291, 113.2644),  # 广州
    'User4': (22.5431, 114.0579)   # 深圳
}

# 创建地图
m = folium.Map(location=[35, 110], zoom_start=5)

# 在地图上添加标记
for user, location in user_locations.items():
    actions_count = len(df[df['用户'] == user])
    folium.Marker(location, popup=f"{user}: {actions_count}次操作").add_to(m)

# 显示地图
m.save('user_behavior_map.html')