python 数据可视化：直方图、核密度估计图、箱线图、累积分布函数图

 1 import pandas as pd
 2 import matplotlib.pyplot as plt
 3 import seaborn as sns  # matplotlib的补充
 4 
 5 # 读取Excel文件
 6 file_path = "单日销售情况.xlsx"
 7 sheet_name = "2023-6-30日销售情况"
 8 df = pd.read_excel(file_path, sheet_name)
 9 
10 # 提取所需的列
11 selected_columns = ['损耗率(%)', '日销量(千克)', '类别']
12 selected_data = df[selected_columns]
13 
14 # 设置显示中文
15 plt.rcParams['font.sans-serif'] = ['KaiTi']  # 'SimHei'也可以
16 plt.rcParams['axes.unicode_minus'] = False
17 
18 # 绘制一维直方图
19 plt.figure(figsize=(12, 6))
20 plt.subplot(1, 2, 1)
21 sns.histplot(selected_data['类别'], bins=20, kde=False, color='steelblue')
22 plt.xlabel('类别')
23 plt.ylabel('频数')
24 plt.title('某生鲜超市2023年6月30日销售蔬菜类别一维直方图')
25 
26 # 绘制一维核密度估计图
27 plt.subplot(1, 2, 2)
28 sns.kdeplot(x=selected_data['日销量(千克)'], fill=True, color='steelblue')
29 plt.xlabel('日销量(千克)')
30 plt.ylabel('核密度估计')
31 plt.title('某生鲜超市2023年6月30日销售额一维核密度估计图')
32 
33 # 显示图形
34 plt.tight_layout()
35 plt.show()

 1 import pandas as pd
 2 import matplotlib.pyplot as plt
 3 import seaborn as sns   # matplotlib的补充
 4 
 5 # 读取Excel文件
 6 file_path = "单日销售情况.xlsx"
 7 sheet_name = "2023-6-30日销售情况"
 8 df = pd.read_excel(file_path, sheet_name)
 9 
10 # 提取所需的列
11 selected_columns = ['损耗率(%)', '日销量(千克)']
12 selected_data = df[selected_columns]
13 
14 # 设置显示中文
15 plt.rcParams['font.sans-serif'] = ['KaiTi']  # 'SimHei'也可以
16 plt.rcParams['axes.unicode_minus'] = False
17 
18 # 绘制统计直方图和核密度估计图
19 plt.figure(figsize=(12, 6))
20 
21 # 绘制二维直方图
22 plt.subplot(1, 2, 1)
23 plt.hist2d(x=selected_data['日销量(千克)'], y=selected_data['损耗率(%)'], bins=(50, 50), cmap='Blues')
24 plt.xlabel('日销量(千克)')
25 plt.ylabel('损耗率(%)')
26 plt.title('某生鲜超市2023年6月30日39种商品日销量和损耗率直方图')
27 
28 
29 # 绘制核密度估计图
30 plt.subplot(1, 2, 2)
31 sns.kdeplot(x=selected_data['日销量(千克)'], y=selected_data['损耗率(%)'], cmap='Blues', fill=True)
32 plt.xlabel('日销量(千克)')
33 plt.ylabel('损耗率(%)')
34 plt.title('某生鲜超市2023年6月30日39种商品日销量和损耗率核密度估计图')
35 
36 # 显示图形
37 plt.tight_layout()
38 plt.show()

 1 import numpy as np
 2 import pandas as pd
 3 import matplotlib.pyplot as plt
 4 import seaborn as sns
 5 
 6 # 读取Excel文件
 7 file_path = "某件商品信息.xlsx"
 8 sheet_name1 = "小白菜每月销售信息"
 9 sheet_name2 = "云南生菜每月销售信息"
10 df1 = pd.read_excel(file_path, sheet_name1)
11 df2 = pd.read_excel(file_path, sheet_name2)
12 
13 # 给数据添加标签，以便识别来源
14 df1['来源'] = '小白菜'
15 df2['来源'] = '云南生菜'
16 
17 # 合并两个数据框
18 combined_data = pd.concat([df1, df2])
19 
20 # 设置显示中文
21 plt.rcParams['font.sans-serif'] = ['KaiTi']  # 'SimHei'也可以
22 plt.rcParams['axes.unicode_minus'] = False
23 
24 # 绘制箱线图
25 sns.boxplot(x='来源', y='销量(千克)', data=combined_data)
26 plt.xlabel('')
27 plt.ylabel('销量(千克)')
28 plt.title('小白菜和云南生菜2020年7月至2023年2月月销量箱线图')
29 plt.show()
30 
31 # 提取小白菜的销量列
32 sales_data = df1['销量(千克)']
33 
34 # 计算累积分布函数
35 sorted_data = np.sort(sales_data)
36 cumulative_prob = np.arange(1, len(sorted_data) + 1) / len(sorted_data)
37 
38 # 绘制累积分布函数图
39 plt.plot(sorted_data, cumulative_prob, marker='o', linestyle='-', color='b')
40 plt.xlabel('销量(千克)')
41 plt.ylabel('累积概率')
42 plt.title('小白菜销量累计分布函数图')
43 plt.grid(True)
44 plt.show()
45 
46 
47 # 提取云南生菜的销量列
48 sales_data = df2['销量(千克)']
49 
50 # 计算累积分布函数
51 sorted_data = np.sort(sales_data)
52 cumulative_prob = np.arange(1, len(sorted_data) + 1) / len(sorted_data)
53 
54 # 绘制累积分布函数图
55 plt.plot(sorted_data, cumulative_prob, marker='o', linestyle='-', color='b')
56 plt.xlabel('销量(千克)')
57 plt.ylabel('累积概率')
58 plt.title('云南生菜销量累计分布函数图')
59 plt.grid(True)
60 plt.show()