1.折线图（趋势数据分析）
python
复制代码
# 导入必要的库
import pandas as pd # 用于数据处理与表格操作
import matplotlib.pyplot as plt # 用于数据可视化，绘制图表
# 创建数据：以字典形式定义每个月的三个产品的销量
data = {
'月份': ['1月', '2月', '3月', '4月', '5月', '6月',
'7月', '8月', '9月', '10月', '11月', '12月'], # x轴：时间（月份）
'产品A': [120, 135, 150, 145, 160, 170, # y轴：产品A每月销量
165, 180, 175, 190, 185, 200],
'产品B': [90, 95, 105, 110, 115, 120, # 产品B每月销量
125, 130, 135, 140, 145, 150],
'产品C': [70, 75, 80, 85, 90, 95, # 产品C每月销量
100, 105, 110, 115, 120, 125]
}
# 将字典转换为 pandas 的 DataFrame，便于后续处理和绘图
df = pd.DataFrame(data)
# =========================
# 开始使用 matplotlib 绘图
# =========================
# 1.设置中文字体支持（否则中文可能显示为方块或乱码）
plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体显示中文
plt.rcParams['axes.unicode_minus'] = False # 解决负号'-'显示为方块的问题
# 2.创建一个画布和坐标轴对象（fig: 整个图像，ax: 坐标轴）
fig, ax = plt.subplots(figsize=(10, 6)) # 设置图像大小为宽10英寸，高6英寸
# 3.绘制三条折线，分别代表 产品A、产品B、产品C 的销量变化
# 参数说明：
# x: x轴数据（月份）
# y: y轴数据（销量）
# label: 图例中显示的名称
# marker: 数据点标记样式（如 'o' 表示圆点）
# linewidth: 线条粗细
# color: 线条颜色（可选，可自定义如 'red', '#1f77b4' 等）
ax.plot(df['月份'], df['产品A'], label='产品A', marker='o', linewidth=2, color='blue')
ax.plot(df['月份'], df['产品B'], label='产品B', marker='s', linewidth=2, color='green')
ax.plot(df['月份'], df['产品C'], label='产品C', marker='^', linewidth=2, color='red')
# 4.添加图表标题
ax.set_title('2024年各月份产品销量趋势图', fontsize=16, fontweight='bold')
# 5.添加x轴和y轴标签
ax.set_xlabel('月份', fontsize=12)
ax.set_ylabel('销量（件/月）', fontsize=12)
# 6.添加图例（显示每条线代表什么），并设置图例位置为右上角
ax.legend(loc='upper left')
# 7.设置x轴刻度标签旋转角度（避免月份重叠，提升可读性）
plt.xticks(rotation=45)
# 8.添加网格线（便于观察数值），alpha控制透明度
ax.grid(True, alpha=0.3)
# 9.自动调整布局，防止标签被截断
plt.tight_layout()
# 10.显示图表
plt.show()
2.条形图（数据之间的对比）
python
复制代码
# 导入必要的库
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np # 用于生成条形图的定位点
# 原始数据
data = {
'月份': ['1月', '2月', '3月', '4月', '5月', '6月',
'7月', '8月', '9月', '10月', '11月', '12月'],
'产品A': [120, 135, 150, 145, 160, 170, 165, 180, 175, 190, 185, 200],
'产品B': [90, 95, 105, 110, 115, 120, 125, 130, 135, 140, 145, 150],
'产品C': [70, 75, 80, 85, 90, 95, 100, 105, 110, 115, 120, 125]
}
# 转为 DataFrame
df = pd.DataFrame(data)
# 1.设置中文字体，避免中文乱码
plt.rcParams['font.sans-serif'] = ['SimHei'] # 黑体
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题
# 2.创建画布
plt.figure(figsize=(12, 6))
# 3.设定条形的宽度
bar_width = 0.25
# 4.获取月份作为x轴的索引位置
x = np.arange(len(df['月份'])) # [0, 1, 2, ..., 11]
# 5.绘制三个产品的条形图，通过调整x的位置实现并排（分组条形图）
plt.bar(x - bar_width, df['产品A'], width=bar_width, label='产品A', color='blue')
plt.bar(x, df['产品B'], width=bar_width, label='产品B', color='green')
plt.bar(x + bar_width, df['产品C'], width=bar_width, label='产品C', color='red')
# 6.添加图表标题和轴标签
plt.title('2024年各月份产品销量对比（分组条形图）', fontsize=16)
plt.xlabel('月份', fontsize=12)
plt.ylabel('销量（件）', fontsize=12)
# 7.设置x轴刻度位置和标签
plt.xticks(x, df['月份'], rotation=45) # 让月份居中显示，并适当旋转避免重叠
# 8.添加图例
plt.legend()
# 9.添加网格（可选，便于观察数值）
plt.grid(axis='y', alpha=0.3)
# 10自动调整布局
plt.tight_layout()
# 11.显示图表
plt.show()
3.饼图（比例分布）
python
复制代码
# 导入必要的库
import pandas as pd
import matplotlib.pyplot as plt
# 原始销售数据
data = {
'月份': ['1月', '2月', '3月', '4月', '5月', '6月',
'7月', '8月', '9月', '10月', '11月', '12月'],
'产品A': [120, 135, 150, 145, 160, 170, 165, 180, 175, 190, 185, 200],
'产品B': [90, 95, 105, 110, 115, 120, 125, 130, 135, 140, 145, 150],
'产品C': [70, 75, 80, 85, 90, 95, 100, 105, 110, 115, 120, 125]
}
# 转为 DataFrame
df = pd.DataFrame(data)
# 1.计算各产品的总销量
产品A总销量 = df['产品A'].sum() # 12个月加总
产品B总销量 = df['产品B'].sum()
产品C总销量 = df['产品C'].sum()
# 2.构建饼图所需数据
labels = ['产品A', '产品B', '产品C'] # 每一块的标签
sizes = [产品A总销量, 产品B总销量, 产品C总销量] # 每一块的数值
colors = ['lightblue', 'lightgreen', 'lightcoral'] # 每一块的颜色（可选）
explode = (0, 0.1, 0) # 突出显示第2块（产品B），值越大突出越明显
# 3.设置中文字体（防止中文显示为方块）
plt.rcParams['font.sans-serif'] = ['SimHei'] # 黑体
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题
# 4.创建饼图
plt.figure(figsize=(8, 8)) # 设置画布大小
plt.pie(sizes,
labels=labels, # 每一块的标签
colors=colors, # 每一块颜色
autopct='%1.1f%%', # 显示百分比，保留1位小数
startangle=90, # 起始角度（90度，从顶部开始）
explode=explode, # 突出显示某一块
shadow=True, # 是否显示阴影（立体感）
)
# 5.添加标题
plt.title('2024年各产品总销量占比（饼图）', fontsize=16)
# 6.显示图表
plt.show()
4.散点图（两变量之间的相关性）
python
复制代码
# 导入必要的库
import matplotlib.pyplot as plt
import numpy as np # 用于生成模拟数据（也可用真实数据）
# 🎲 模拟一组数据（也可以替换成你的真实数据，比如从 CSV、Excel、DataFrame 读取）
np.random.seed(42) # 设置随机种子，保证每次运行结果一致
# 模拟广告投入（x轴，单位：万元）
x = np.random.randint(1, 50, size=50) # 50个样本，范围 1~49 万元
# 模拟销量（y轴，与x有一定相关性，但也加入随机扰动）
y = 2 * x + np.random.normal(0, 20, size=50) # 基础线性关系 + 噪声
# 设置中文字体（防止中文显示乱码）
plt.rcParams['font.sans-serif'] = ['SimHei'] # 黑体
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题
# 创建画布
plt.figure(figsize=(8, 6))
# 绘制散点图
plt.scatter(x, y,
s=60, # 每个点的大小
c='blue', # 每个点的颜色（可设为列表实现多色）
alpha=0.7, # 透明度（0透明 ~ 1不透明）
marker='o', # 点的形状，'o'是圆点，也可以是 's'（方块）、'^'（三角）等
edgecolors='black', # 点的边框颜色
label='广告投入 vs 销量' # 图例标签
)
# 添加标题和坐标轴标签
plt.title('广告投入与产品销量散点图', fontsize=16)
plt.xlabel('广告投入（万元）', fontsize=12)
plt.ylabel('产品销量（件）', fontsize=12)
# 添加图例
plt.legend()
# 添加网格（便于观察数值趋势）
plt.grid(True, alpha=0.3)
# 显示图表
plt.show()
5.箱线图（数据分布范围和异常值）
python
复制代码
# 导入必要的库
import matplotlib.pyplot as plt
import numpy as np # 用于生成模拟数据
# 🎲 模拟 6 个门店的月销量数据（单位：件）
np.random.seed(42) # 设置随机种子，保证结果可复现
# 生成6组不同的销量分布数据（每组15~20个样本）
data = [
np.random.normal(120, 15, 20), # 门店1：均值120，标准差15
np.random.normal(130, 20, 20), # 门店2
np.random.normal(110, 10, 20), # 门店3
np.random.normal(150, 30, 20), # 门店4（波动大，可能有异常值）
np.random.normal(125, 18, 20), # 门店5
np.random.normal(140, 25, 20), # 门店6
]
# 设置中文字体（防止中文显示为方块）
plt.rcParams['font.sans-serif'] = ['SimHei'] # 黑体
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示问题
# 创建画布
plt.figure(figsize=(10, 6))
# 绘制箱线图
plt.boxplot(
data,
vert=True, # 垂直箱线图（True：竖直，False：水平）
patch_artist=True, # 填充箱体颜色
notch=False, # 不显示中位数置信区间凹槽
showfliers=True, # 显示异常值（outliers）
tick_labels=['门店1', '门店2', '门店3', '门店4', '门店5', '门店6'], # x轴标签
)
# 添加标题和轴标签
plt.title('各门店销量分布箱线图', fontsize=16)
plt.xlabel('门店', fontsize=12)
plt.ylabel('销量（件）', fontsize=12)
# 添加网格（便于观察）
plt.grid(True, alpha=0.3)
# 显示图表
plt.show()
