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()

相关推荐
百锦再34 分钟前
详细解析 .NET 依赖注入的三种生命周期模式
java·开发语言·.net·di·注入·模式·依赖
风吹落叶花飘荡1 小时前
2025 Next.js项目提前编译并在服务器
服务器·开发语言·javascript
失败又激情的man2 小时前
python之requests库解析
开发语言·爬虫·python
打酱油的;2 小时前
爬虫-request处理get
爬虫·python·django
专注VB编程开发20年2 小时前
常见 HTTP 方法的成功状态码200,204,202,201
开发语言·网络协议·tcp/ip·http
有没有没有重复的名字2 小时前
线程安全的单例模式与读者写者问题
java·开发语言·单例模式
开开心心_Every3 小时前
便捷的电脑自动关机辅助工具
开发语言·人工智能·pdf·c#·电脑·音视频·sublime text
用什么都重名4 小时前
MinerU:高效智能PDF文档解析工具完全指南
人工智能·python·pdf·mineru·makedown
霖004 小时前
C++学习笔记三
运维·开发语言·c++·笔记·学习·fpga开发
倔强青铜三4 小时前
苦练Python第4天:Python变量与数据类型入门
前端·后端·python