Python管理咨询数据可视化实战：收入分布与顾问利用率双轴对比图表生成脚本

管理咨询项目分析的可视化图表生成脚本，主要用于展示不同项目类型的收入分布、顾问利用率对比

1. 核心功能概述

数据模拟：生成4类管理咨询项目（战略咨询、运营优化、数字化转型、人力资源咨询）的模拟
数据可视化 ：
- 直方图：展示特定
- 分组柱状图：比较不同项目类型的平均收入与顾问利用率。
- 标注与样式：添加目标收入线、高利润区域标记、利润率标签、数据说明、版权信息等。

2. 代码模块详解

(1) 字体设置

复制代码

Python
1def set_chinese_font(): 2 """尝试设置中文字体，回退到通用方案""" 3 try: 4 # 尝试使用中文系统字体（如SimHei、Microsoft YaHei等） 5 chinese_fonts = ['SimHei', 'Microsoft YaHei', 'KaiTi', 'STXihei', 'STHeiti'] 6 forfontinchinese_fonts:7 iffontinfont_manager.findfont(font):8 plt.rcParams['font.sans-serif'] = [font] 9 plt.rcParams['axes.unicode_minus'] = False 10 return 11 # 回退方案 12 plt.rcParams['font.sans-serif'] = ['sans-serif'] 13 except: 14 plt.rcParams['font.sans-serif'] = ['sans-serif']

作用：确保图表能正确显示中文标签（如项目名称、坐标轴标题等），避免乱码。
技术点 ：使用matplotlib.font_manager动态查找系统中可用的中文字体。

(2) 数据生成

复制代码

Python
1def generate_project_data(name, revenue_base, utilization_rate, margin): 2 """生成咨询项目数据""" 3 revenue_data = np.random.normal(loc=revenue_base, scale=revenue_base*0.2, size=50) 4 utilization_data = np.random.normal(loc=utilization_rate, scale=0.1, size=50) 5 return{6 'name': name, 7 'revenue': revenue_data, 8 'utilization': utilization_data, 9 'margin': margin, 10 'color': '' 11 }

作用：生成模拟数据，使用numpy.random.normal生成正态分布的收入和利用率数据。
参数：
- revenue_base：收入均值。
- utilization_rate：顾问利用率均值。
- margin：利润率。

(3) 图表绘制

直方图（第一子图）：
- 展示"战略咨询"项目的收入分布。
- 用不同颜色和透明度对比"数字化转型"项目。
- 标注目标收入线（600万元）和高利润区域（400-700万元）。
分组柱状图（第二子图）：
- 横轴：项目类型（战略咨询、运营优化等）。
- 纵轴：左轴为平均收入（万元），右轴为顾问利用率（%）。
- 双柱状图对比：同一项目类型的收入与利用率。
- 添加利润率标签（如"利润率: 45%"）。
  
  import matplotlib.pyplot as plt
  import numpy as np
  import pandas as pd
  from matplotlib import font_manager
  from datetime import datetime
  
  更健壮的字体设置方案
  
  def set_chinese_font():
  """尝试设置中文字体，回退到通用方案"""
  try:
  # 尝试查找系统中可用的中文字体
  chinese_fonts = ['SimHei', 'Microsoft YaHei', 'KaiTi', 'STXihei', 'STHeiti']
  for font in chinese_fonts:
  if font in font_manager.findfont(font):
  plt.rcParams['font.sans-serif'] = [font]
  plt.rcParams['axes.unicode_minus'] = False
  return
  # 如果找不到特定字体，尝试使用通用解决方案
  plt.rcParams['font.sans-serif'] = ['sans-serif']
  plt.rcParams['axes.unicode_minus'] = False
  except:
  # 最终回退方案
  plt.rcParams['font.sans-serif'] = ['sans-serif']
  plt.rcParams['axes.unicode_minus'] = False
  
  设置字体
  
  set_chinese_font()
  
  生成模拟管理咨询数据
  
  np.random.seed(2023)
  def generate_project_data(name, revenue_base, utilization_rate, margin):
  """生成咨询项目数据"""
  revenue_data = np.random.normal(loc=revenue_base, scale=revenue_base*0.2, size=50)
  utilization_data = np.random.normal(loc=utilization_rate, scale=0.1, size=50)
  return {
  'name': name,
  'revenue': revenue_data,
  'utilization': utilization_data,
  'margin': margin,
  'color': ''
  }
  
  创建不同项目类型的数据
  
  projects = [
  generate_project_data('战略咨询', 500, 0.75, 0.35),
  generate_project_data('运营优化', 300, 0.85, 0.40),
  generate_project_data('数字化转型', 400, 0.80, 0.45),
  generate_project_data('人力资源咨询', 250, 0.90, 0.30)
  ]
  
  设置项目专属色系
  
  consulting_colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']
  for i, project in enumerate(projects):
  project['color'] = consulting_colors[i]
  
  创建画布和子图
  
  fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(18, 7), gridspec_kw={'width_ratios': [1, 1.5]})
  fig.suptitle('管理咨询项目分析', fontsize=18, fontweight='bold', y=0.98)
  
  第一图：战略咨询项目的收入分布
  
  target_project = projects[0]
  n, bins, patches = ax1.hist(
  target_project['revenue'],
  bins=10,
  alpha=0.85,
  color=target_project['color'],
  edgecolor='#333333',
  linewidth=1.2,
  label='战略咨询'
  )
  
  添加数字化转型项目收入分布作为对比
  
  ax1.hist(
  projects[2]['revenue'],
  bins=bins,
  alpha=0.45,
  color=projects[2]['color'],
  edgecolor='#333333',
  linewidth=1.0,
  hatch='//',
  label='数字化转型'
  )
  
  添加目标收入线
  
  target_revenue = 600
  ax1.axvline(x=target_revenue, color='#1A936F', linestyle='-', linewidth=2.5, alpha=0.9)
  ax1.text(target_revenue+20, ax1.get_ylim()[1]*0.9, f'目标收入: ¥{target_revenue}万',
  color='#1A936F', fontweight='bold')
  
  标记高利润区域
  
  high_margin_window = (400, 700)
  ax1.axvspan(high_margin_window[0], high_margin_window[1], alpha=0.08, color='green')
  ax1.text(high_margin_window[0]+50, ax1.get_ylim()[1]*0.75,
  f'高利润区域 ¥{high_margin_window[0]}-{high_margin_window[1]}万', color='#2ca02c')
  
  ax1.set_title(f"{target_project['name']}项目收入分布", fontsize=14)
  ax1.set_xlabel('项目收入 (万元)', fontsize=12)
  ax1.set_ylabel('项目数量', fontsize=12)
  ax1.grid(axis='y', linestyle=':', alpha=0.4)
  ax1.legend(loc='upper right')
  ax1.set_axisbelow(True)
  
  第二图：不同项目类型的顾问利用率对比
  
  bar_width = 0.35
  x = np.arange(len(projects))
  
  计算平均收入和使用率
  
  revenue_means = [np.mean(project['revenue']) for project in projects]
  utilization_means = [np.mean(project['utilization']) for project in projects]
  
  创建分组柱状图
  
  rects1 = ax2.bar(
  x - bar_width/2,
  revenue_means,
  bar_width,
  color=[project['color'] for project in projects],
  alpha=0.8,
  edgecolor='#333333',
  linewidth=1.0,
  label='平均收入'
  )
  
  rects2 = ax2.bar(
  x + bar_width/2,
  utilization_means * 1000, # 缩放比例以便在同一图表显示
  bar_width,
  color=[project['color'] for project in projects],
  alpha=0.95,
  edgecolor='#333333',
  linewidth=1.0,
  hatch='//',
  label='顾问利用率 (%)'
  )
  
  添加数值标签
  
  def autolabel(rects, ax, is_percent=False):
  for rect in rects:
  height = rect.get_height()
  value = height / 10 if is_percent else height
  ax.annotate(f'{value:.0f}{"%" if is_percent else ""}',
  xy=(rect.get_x() + rect.get_width() / 2, height),
  xytext=(0, 3), # 3点垂直偏移
  textcoords="offset points",
  ha='center', va='bottom',
  fontsize=10,
  fontweight='bold')
  
  autolabel(rects1, ax2)
  autolabel(rects2, ax2, is_percent=True)
  
  设置项目标签
  
  ax2.set_xticks(x)
  ax2.set_xticklabels([project['name'] for project in projects], fontsize=12)
  ax2.set_title('项目类型对比 (收入 vs 顾问利用率)', fontsize=14)
  ax2.set_ylabel('收入 (万元) / 利用率 (%)', fontsize=12)
  ax2.grid(axis='y', linestyle=':', alpha=0.3)
  ax2.legend(loc='upper left', framealpha=0.9)
  ax2.set_axisbelow(True)
  
  添加利润率
  
  for i, project in enumerate(projects):
  margin = project['margin'] * 100
  ax2.text(i, max(revenue_means[i], utilization_means[i]*1000) + 50,
  f'利润率: {margin:.0f}%',
  ha='center', fontsize=11, fontweight='bold',
  color='#E63946')
  
  添加数据说明
  
  current_date = datetime.now().strftime('%Y-%m-%d')
  analytics_text = (
  f"数据分析周期: 2023年1月-2023年6月 | 生成日期: {current_date}\n"
  "趋势洞察: 数字化转型项目利润率最高(45%)，人力资源项目顾问利用率最高(90%)"
  )
  
  plt.figtext(0.5, 0.01, analytics_text,
  ha='center', fontsize=10.5, style='italic',
  bbox=dict(facecolor='#F8F9FA', edgecolor='#DEE2E6', alpha=0.8))
  
  布局优化
  
  plt.tight_layout(rect=[0, 0.03, 1, 0.95])
  
  添加版权信息
  
  plt.figtext(0.95, 0.01, "© 2023 管理咨询分析团队", ha='right', fontsize=9, alpha=0.7)
  
  保存和显示
  
  plt.savefig('consulting_project_analysis.png', dpi=120, bbox_inches='tight')
  plt.show()

Python管理咨询数据可视化实战：收入分布与顾问利用率双轴对比图表生成脚本

1. 核心功能概述

2. 代码模块详解

(1) 字体设置

(2) 数据生成

(3) 图表绘制

更健壮的字体设置方案

设置字体

生成模拟管理咨询数据

创建不同项目类型的数据

设置项目专属色系

创建画布和子图

第一图：战略咨询项目的收入分布

添加数字化转型项目收入分布作为对比

添加目标收入线

标记高利润区域

第二图：不同项目类型的顾问利用率对比

计算平均收入和使用率

创建分组柱状图

添加数值标签

设置项目标签

添加利润率

添加数据说明

布局优化

添加版权信息

保存和显示