本文分享自华为云社区《画图实战-Python实现某产品全年销量数据多种样式可视化》，作者：虫无涯。
学习心得
-
有时候我们需要对某些数据进行分析，得到一些可视化效果图，而这些效果图可以直观展示给我们数据的变化趋势；
-
比如某产品的月销量数据、销售额的地区分布、销售增长和季节的变化情况、产品的贡献度分析等等；
-
本文主要针对某产品全年销量数据，绘制各种不同样式的图表，以不同样式展示数据；
-
学习本文建议对Python的matplotlib第三库有一定的了解。
Matplotlib说明
什么是Matplotlib？
-
Matplotlib是一个Python的2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形；
-
Matplotlib可生成绘图、直方图、功率谱、条形图、错误图、散点图、折线图等；
-
Matplotlib是Python生态系统的一个重要组成部分，是用于可视化的绘图库；
-
Matplotlib提供了一整套和matlab相似的命令API和可视化界面，可以生成出版质量级别的精美图形。
Matplotlib特性
A、X轴和Y轴；B、X轴和Y轴刻度；C、X轴和Y轴标签；D、绘图区域。
A、hold属性默认为True，可在一幅图中绘制多个曲线；B、将hold属性修改为False，每一个plot都会覆盖前面的plot（这种方法不推荐，建议使用默认的）。
A、可使用grid方法为图添加网格线；B、还可以使用其他方法，如axis方法、xlim方法、ylim方法、legend方法；
matplotlib配置信息是从配置文件读取的。在配置文件中可以为matplotlib的几乎所有属性指定永久有效的默认；主要为永久配置和动态配置。
Matplotlib安装
直接使用pip安装即可：
pip install matplotlib
产品订单量-折线图
某产品全年订单量数据
数据提取和分析
month = ["Jan", "Feb", "Mar", "Apr",
"May", "Jun", "Jul", "Aug",
"Sep", "Oct", "Nov", "Dec"]
print(f"月份为：{month}")
# 输出：月份为：['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']
复制运行
# 订单量
indent = [15, 33, 42, 50, 115, 20, 86, 66, 59, 43, 39, 50]
# 退货量
returned = [6, 13, 18, 23, 55, 98, 42, 31, 25, 22, 17, 24]
print(f"每月订单量为：{indent}")
print(f"每月退货量为：{returned}")
绘制折线图
x1 = month y1 = indentx2= month y2 = returned
import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "matplotlib"])
import matplotlib.pyplot as plt
month = ["Jan", "Feb", "Mar", "Apr",
"May", "Jun", "Jul", "Aug",
"Sep", "Oct", "Nov", "Dec"]
print(f"月份为：{month}")
# 订单量
indent = [15, 33, 42, 50, 115, 20, 86, 66, 59, 43, 39, 50]
# 退货量
returned = [6, 13, 18, 23, 55, 98, 42, 31, 25, 22, 17, 24]
print(f"每月订单量为：{indent}")
print(f"每月退货量为：{returned}")
# 绘制折线图
plt.plot(month, indent, label='订单量',
linewidth=2, color='r', marker='o',
markerfacecolor='blue', markersize=8)
plt.plot(month, returned, label='退货量',
linewidth=2, color='y', marker='o',
markerfacecolor='blue', markersize=8)
plt.xlabel('月份')
plt.ylabel('数量')
plt.title('某产品全年订单销售情况')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.legend()
# plt.show()
plt.savefig("plot.jpg")
产品订单&销售额-条形图
某产品全年订单&销售额数据
绘制条形图
x1 = indent y1 = m1x2= returned y2 = m2
import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "matplotlib"])
import matplotlib.pyplot as plt
# 订单量
indent = [10, 30, 50, 70, 90, 110, 130, 150]
# 销售额
m1 = [5, 7, 9, 11, 13, 15, 17, 19]
# 退货量
returned = [20, 40, 60, 80, 100, 120, 140, 160]
# 价格
m2 = [3, 5, 7, 9, 11, 13, 15, 17]
# 绘制折线图
plt.bar(indent, m1, width=3, label='订单量-销售额', color='r', )
plt.bar(returned, m2, width=3, label='退货量-价格', color='y')
plt.xlabel('数量')
plt.ylabel('价格')
plt.title('某产品全年订单&销售额情况')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.legend()
# plt.show()
plt.savefig("plot.jpg")
注意：后续的数据和操作逻辑和前边的一样，为了快速了解其使用，不再描述详细的数据，仅用示例说明。
某产品xx-直方图
import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "matplotlib"])
import matplotlib.pyplot as plt
data = [15, 33, 42, 50, 115, 20, 86, 66, 59, 43, 39, 50]
x = range(0, 100, 2)
# 绘制直方图
plt.hist(data, x, rwidth=3, label='直方图', color='y')
plt.xlabel('X')
plt.ylabel('Y')
plt.title('直方图')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.legend()
# plt.show()
plt.savefig("plot.jpg")
某产品xx-散点图
import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "matplotlib"])
import matplotlib.pyplot as plt
data = [15, 33, 42, 50, 115, 20, 86, 66, 59, 43, 39, 50]
x = range(0, len(data))
# 绘制散点图
plt.scatter(x, data, label='散点图', s=15)
plt.xlabel('X')
plt.ylabel('Y')
plt.title('散点图')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.legend()
# plt.show()
plt.savefig("plot.jpg")
某产品xx-饼图
import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "matplotlib"])
subprocess.check_call([sys.executable, "-m", "pip", "install", "numpy"])
import matplotlib.pyplot as plt
import numpy as np
data = np.array([10, 20, 15, 15, 5, 5, 30])
plt.pie(data,
labels=['P1', 'P2', 'P3', 'P4', 'P5', 'P6', 'P7'],
colors=["#8B008B", "#FF1493", "#4B0082", "#B0C4DE", "#E1FFFF", "#008080", "#00FF7F"],
explode=(0, 0, 0.3, 0, 0, 0.2, 0),
autopct='%.2f%%',
)
plt.title('饼图')
plt.rcParams['font.sans-serif'] = ['SimHei']
# plt.show()
plt.savefig("plot.jpg")
某产品xx-多图效果
import subprocess
import sys
subprocess.check_call([sys.executable, "-m", "pip", "install", "matplotlib"])
subprocess.check_call([sys.executable, "-m", "pip", "install", "numpy"])
import matplotlib.pyplot as plt
import numpy as np
x = np.array([10, 50])
y = np.array([10, 80])
plt.subplot(2, 2, 1)
plt.plot(x, y)
plt.title("图1")
x = np.array([10, 20, 30, 40])
y = np.array([10, 30, 50, 110])
plt.subplot(2, 2, 2)
plt.plot(x, y)
plt.title("图2")
x = np.array([10, 20, 30, 40])
y = np.array([50, 60, 70, 80])
plt.subplot(2, 2, 3)
plt.plot(x, y)
plt.title("图3")
x = np.array([20, 25, 30, 35])
y = np.array([40, 45, 50, 55])
plt.subplot(2, 2, 4)
plt.plot(x, y)
plt.title("图4")
plt.suptitle("多图显示")
plt.rcParams['font.sans-serif'] = ['SimHei']
#plt.show()
plt.savefig("plot.jpg")
总结
Python实现某产品全年销量数据多种样式可视化，主要是应用了python的matplotlib库进行绘制各种图表，除了以上的几种图表，还有柱状图、网格图等等。学习的时候建议使用真实的数据，可以真正达到分析问题的效果。
点击关注，第一时间了解华为云新鲜技术~
评论区