备赛过程中,图形的绘制是非常重要的一部分,可以直观地展示数据和结果。不同类型的图形适用于不同的情况,下面我简单介绍一下各种图形的特点和用途:
折线图(Line Chart):
- 用于显示数据随时间或其他连续变量的变化趋势。
- 适合展示数据的趋势、周期性和变化规律。
柱状图(Bar Chart):
- 用于比较不同类别之间的数据大小或变化。
- 适合展示类别数据的差异,比如不同组的得分、销售额等。
散点图(Scatter Plot):
- 用于展示两个变量之间的关系,是否存在趋势或相关性。
- 适合用于寻找变量之间的关联性,例如是否存在线性关系。
饼图(Pie Chart):
- 用于显示各部分占整体的比例关系。
- 适合展示数据的相对比例,比如市场份额、资源分配等。
分布子图(Histogram):
- 用于展示数据分布情况,了解数据集的特征。
- 适合展示数据的分布形态,如是否对称、集中在哪个区间等。
在备赛过程中,根据具体的问题和数据特点选择合适的图形进行绘制,能够更好地帮助你理解问题、分析数据和展示结果。
数据集实例:
这里我只展示实例,实际上有六万多行。
单品名称 | 分类名称 | 销售日期 | 扫码销售时间 | 单品编码 | 销量(千克) | 销售单价(元/千克) | 销售类型 | 是否打折销售 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 09:15:07.924 | 102900005117056 | 0.396 | 7.6 | 销售 | 否 |
大白菜 | 花叶类 | 2020-07-01 | 09:17:27.295 | 102900005115960 | 0.849 | 3.2 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 09:17:33.905 | 102900005117056 | 0.409 | 7.6 | 销售 | 否 |
上海青 | 花叶类 | 2020-07-01 | 09:19:45.450 | 102900005115823 | 0.421 | 10 | 销售 | 否 |
菜心 | 花叶类 | 2020-07-01 | 09:20:23.686 | 102900005115908 | 0.539 | 8 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 09:21:55.556 | 102900005117056 | 0.277 | 7.6 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 09:21:56.536 | 102900005115779 | 0.338 | 8 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 09:22:01.274 | 102900005117056 | 0.132 | 7.6 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 09:22:01.476 | 102900005115779 | 0.213 | 8 | 销售 | 否 |
甜白菜 | 花叶类 | 2020-07-01 | 09:22:15.998 | 102900011008522 | 0.514 | 8 | 销售 | 否 |
高瓜(1) | 水生根茎类 | 2020-07-01 | 09:22:21.264 | 102900005118824 | 0.251 | 10 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:24:21.833 | 102900005115984 | 0.251 | 6 | 销售 | 否 |
西峡香菇(1) | 食用菌 | 2020-07-01 | 09:24:21.905 | 102900005116530 | 0.217 | 18 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:24:57.873 | 102900005115984 | 0.468 | 6 | 销售 | 否 |
青尖椒 | 辣椒类 | 2020-07-01 | 09:25:31.342 | 102900005116226 | 0.589 | 8 | 销售 | 否 |
高瓜(1) | 水生根茎类 | 2020-07-01 | 09:25:45.811 | 102900005118824 | 0.711 | 10 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 09:26:04.530 | 102900005115779 | 1.003 | 8 | 销售 | 否 |
西峡香菇(1) | 食用菌 | 2020-07-01 | 09:28:01.983 | 102900005116530 | 0.095 | 18 | 销售 | 否 |
红椒(1) | 辣椒类 | 2020-07-01 | 09:30:17.045 | 102900005116233 | 0.15 | 10 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:30:26.948 | 102900005115984 | 0.502 | 6 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:31:42.483 | 102900005115984 | 0.452 | 6 | 销售 | 否 |
菜心 | 花叶类 | 2020-07-01 | 09:32:25.623 | 102900005115908 | 0.501 | 8 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 09:32:59.701 | 102900005115779 | 0.201 | 8 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 09:33:08.981 | 102900005115779 | 0.439 | 8 | 销售 | 否 |
苋菜 | 花叶类 | 2020-07-01 | 09:33:09.579 | 102900005115762 | 0.686 | 6 | 销售 | 否 |
西兰花 | 花菜类 | 2020-07-01 | 09:33:09.998 | 102900005116714 | 0.329 | 14 | 销售 | 否 |
菜心 | 花叶类 | 2020-07-01 | 09:35:02.477 | 102900005115908 | 0.251 | 8 | 销售 | 否 |
菠菜 | 花叶类 | 2020-07-01 | 09:35:02.557 | 102900005118817 | 0.243 | 14 | 销售 | 否 |
西峡香菇(1) | 食用菌 | 2020-07-01 | 09:35:13.164 | 102900005116530 | 0.256 | 18 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:35:40.456 | 102900005115984 | 0.318 | 6 | 销售 | 否 |
青梗散花 | 花菜类 | 2020-07-01 | 09:36:36.108 | 102900011009970 | 0.445 | 9 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 09:36:41.217 | 102900005115779 | 0.363 | 8 | 销售 | 否 |
七彩椒(1) | 辣椒类 | 2020-07-01 | 09:36:42.447 | 102900005117209 | 0.482 | 16 | 销售 | 否 |
红灯笼椒(1) | 辣椒类 | 2020-07-01 | 09:36:43.131 | 102900011001219 | 0.343 | 14 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:38:48.342 | 102900005115984 | 0.502 | 6 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 09:39:03.622 | 102900005115779 | 0.301 | 8 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 09:41:09.342 | 102900005117056 | 0.198 | 7.6 | 销售 | 否 |
青线椒 | 辣椒类 | 2020-07-01 | 09:41:22.206 | 102900051004294 | 0.172 | 14 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 09:41:22.701 | 102900005117056 | 0.66 | 7.6 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:41:37.873 | 102900005115984 | 0.753 | 6 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:41:50.626 | 102900005115984 | 0.552 | 6 | 销售 | 否 |
青线椒 | 辣椒类 | 2020-07-01 | 09:41:50.904 | 102900051004294 | 0.057 | 14 | 销售 | 否 |
大白菜 | 花叶类 | 2020-07-01 | 09:43:10.108 | 102900005115960 | 1.101 | 3.2 | 销售 | 否 |
金针菇(1) | 食用菌 | 2020-07-01 | 09:44:13.951 | 102900005116547 | 0.435 | 6 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:44:30.811 | 102900005115984 | 0.201 | 6 | 销售 | 否 |
金针菇(1) | 食用菌 | 2020-07-01 | 09:44:54.358 | 102900005116547 | 0.452 | 6 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:46:00.552 | 102900005115984 | 0.385 | 6 | 销售 | 否 |
西兰花 | 花菜类 | 2020-07-01 | 09:46:00.634 | 102900005116714 | 0.522 | 14 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:46:32.585 | 102900005115984 | 0.435 | 6 | 销售 | 否 |
洪湖藕带 | 水生根茎类 | 2020-07-01 | 09:46:33.204 | 102900051000944 | 0.545 | 39.8 | 销售 | 否 |
青梗散花 | 花菜类 | 2020-07-01 | 09:46:43.139 | 102900011009970 | 0.368 | 9 | 销售 | 否 |
菜心 | 花叶类 | 2020-07-01 | 09:46:45.326 | 102900005115908 | 0.313 | 8 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 09:47:03.686 | 102900005115779 | 0.276 | 8 | 销售 | 否 |
金针菇(1) | 食用菌 | 2020-07-01 | 09:51:17.170 | 102900005116547 | 0.217 | 6 | 销售 | 否 |
西兰花 | 花菜类 | 2020-07-01 | 09:51:24.696 | 102900005116714 | 0.236 | 14 | 销售 | 否 |
甜白菜 | 花叶类 | 2020-07-01 | 09:51:58.076 | 102900011008522 | 0.451 | 8 | 销售 | 否 |
西峡香菇(1) | 食用菌 | 2020-07-01 | 09:52:14.936 | 102900005116530 | 0.184 | 18 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:53:40.584 | 102900005115984 | 0.418 | 6 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 09:54:49.759 | 102900005115984 | 0.502 | 6 | 销售 | 否 |
金针菇(1) | 食用菌 | 2020-07-01 | 09:55:59.202 | 102900005116547 | 0.468 | 6 | 销售 | 否 |
红薯尖 | 花叶类 | 2020-07-01 | 09:55:59.529 | 102900005119975 | 0.234 | 6 | 销售 | 否 |
杏鲍菇(1) | 食用菌 | 2020-07-01 | 09:56:02.826 | 102900005125815 | 0.301 | 10 | 销售 | 否 |
竹叶菜 | 花叶类 | 2020-07-01 | 09:57:10.112 | 102900005115786 | 0.786 | 6 | 销售 | 否 |
青梗散花 | 花菜类 | 2020-07-01 | 09:57:39.561 | 102900011009970 | 0.401 | 9 | 销售 | 否 |
大白菜 | 花叶类 | 2020-07-01 | 09:57:59.405 | 102900005115960 | 0.629 | 3.2 | 销售 | 否 |
青梗散花 | 花菜类 | 2020-07-01 | 09:59:59.498 | 102900011009970 | 0.457 | 9 | 销售 | 否 |
西兰花 | 花菜类 | 2020-07-01 | 10:00:17.089 | 102900005116714 | 0.401 | 14 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 10:00:17.255 | 102900005117056 | 0.554 | 7.6 | 销售 | 否 |
黄白菜(2) | 花叶类 | 2020-07-01 | 10:00:17.421 | 102900051010455 | 0.969 | 9 | 销售 | 否 |
红薯尖 | 花叶类 | 2020-07-01 | 10:00:31.623 | 102900005119975 | 0.468 | 6 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 10:00:36.217 | 102900005117056 | 0.145 | 7.6 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 10:00:55.467 | 102900005115779 | 0.251 | 8 | 销售 | 否 |
青茄子(1) | 茄类 | 2020-07-01 | 10:01:04.530 | 102900005116509 | 0.829 | 4 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 10:02:18.931 | 102900005117056 | 0.581 | 7.6 | 销售 | 否 |
青茄子(1) | 茄类 | 2020-07-01 | 10:02:47.115 | 102900005116509 | 0.402 | 4 | 销售 | 否 |
苋菜 | 花叶类 | 2020-07-01 | 10:02:47.263 | 102900005115762 | 0.702 | 6 | 销售 | 否 |
黄白菜(2) | 花叶类 | 2020-07-01 | 10:02:47.478 | 102900051010455 | 0.768 | 9 | 销售 | 否 |
红薯尖 | 花叶类 | 2020-07-01 | 10:03:18.592 | 102900005119975 | 0.234 | 6 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 10:04:14.905 | 102900005115984 | 0.769 | 6 | 销售 | 否 |
西兰花 | 花菜类 | 2020-07-01 | 10:04:32.326 | 102900005116714 | 0.329 | 14 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 10:06:39.995 | 102900005115984 | 0.585 | 6 | 销售 | 否 |
青茄子(1) | 茄类 | 2020-07-01 | 10:07:09.210 | 102900005116509 | 0.402 | 4 | 销售 | 否 |
苋菜 | 花叶类 | 2020-07-01 | 10:08:03.203 | 102900005115762 | 0.636 | 6 | 销售 | 否 |
西峡香菇(1) | 食用菌 | 2020-07-01 | 10:09:18.087 | 102900005116530 | 0.095 | 18 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 10:09:28.185 | 102900005115779 | 0.426 | 8 | 销售 | 否 |
青茄子(1) | 茄类 | 2020-07-01 | 10:09:28.663 | 102900005116509 | 0.427 | 4 | 销售 | 否 |
云南油麦菜 | 花叶类 | 2020-07-01 | 10:10:33.190 | 102900005115984 | 0.636 | 6 | 销售 | 否 |
西峡香菇(1) | 食用菌 | 2020-07-01 | 10:11:13.217 | 102900005116530 | 0.312 | 18 | 销售 | 否 |
青线椒 | 辣椒类 | 2020-07-01 | 10:11:35.951 | 102900051004294 | 0.372 | 14 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 10:11:36.576 | 102900005117056 | 0.515 | 7.6 | 销售 | 否 |
红杭椒 | 辣椒类 | 2020-07-01 | 10:11:42.576 | 102900005116943 | 0.339 | 18 | 销售 | 否 |
大白菜 | 花叶类 | 2020-07-01 | 10:11:43.764 | 102900005115960 | 1.321 | 3.2 | 销售 | 否 |
西兰花 | 花菜类 | 2020-07-01 | 10:12:17.628 | 102900005116714 | 0.386 | 14 | 销售 | 否 |
紫茄子(2) | 茄类 | 2020-07-01 | 10:12:18.196 | 102900005116257 | 0.585 | 6 | 销售 | 否 |
小米椒 | 辣椒类 | 2020-07-01 | 10:12:32.281 | 102900005125808 | 0.182 | 25.8 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 10:13:08.905 | 102900005115779 | 0.476 | 8 | 销售 | 否 |
小米椒 | 辣椒类 | 2020-07-01 | 10:13:25.034 | 102900005125808 | 0.058 | 25.8 | 销售 | 否 |
杏鲍菇(1) | 食用菌 | 2020-07-01 | 10:13:39.264 | 102900005125815 | 0.2 | 10 | 销售 | 否 |
云南生菜 | 花叶类 | 2020-07-01 | 10:14:44.982 | 102900005115779 | 0.338 | 8 | 销售 | 否 |
青梗散花 | 花菜类 | 2020-07-01 | 10:14:59.001 | 102900011009970 | 0.523 | 9 | 销售 | 否 |
杏鲍菇(1) | 食用菌 | 2020-07-01 | 10:14:59.407 | 102900005125815 | 0.261 | 10 | 销售 | 否 |
红杭椒 | 辣椒类 | 2020-07-01 | 10:15:47.811 | 102900005116943 | 0.072 | 18 | 销售 | 否 |
大白菜 | 花叶类 | 2020-07-01 | 10:16:23.086 | 102900005115960 | 1.132 | 3.2 | 销售 | 否 |
泡泡椒(精品) | 辣椒类 | 2020-07-01 | 10:16:23.249 | 102900005117056 | 0.369 | 7.6 | 销售 | 否 |
杏鲍菇(1) | 食用菌 | 2020-07-01 | 10:16:23.655 | 102900005125815 | 0.22 | 10 | 销售 | 否 |
柱状图
import pandas as pd
import matplotlib.pyplot as plt
# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")
# 按分类名称对数据进行分组求和
grouped_data = data.groupby('分类名称').sum()
# 设置图形大小
plt.figure(figsize=(15,10))
# 绘制条形图
bars = plt.bar(grouped_data.index, grouped_data['销量(千克)'])
# 设置标题和标签
plt.title('按分类统计销售量')
plt.xlabel('分类')
plt.ylabel('销售量(千克)')
# 旋转x轴标签,使其更易读
plt.xticks(rotation=0)
#显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 增加图例
plt.legend(['销售量'], loc='upper right')
# 数据标签
for bar in bars:
yval = bar.get_height()
plt.text(bar.get_x() + bar.get_width()/2, yval, round(yval, 2), ha='center', va='bottom')
# 显示图形
plt.show()
折线图一
import pandas as pd
import matplotlib.pyplot as plt
# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")
# 转换时间列为日期时间格式
data['销售日期'] = pd.to_datetime(data['销售日期'])
# 按时间和分类名称对数据进行分组求和
grouped_data = data.groupby(['销售日期', '分类名称']).sum().unstack()
# 设置图形大小
plt.figure(figsize=(15,10))
# 绘制折线图
for col in grouped_data['销量(千克)'].columns:
plt.plot(grouped_data.index, grouped_data['销量(千克)'][col], label=col)
# 设置标题和标签
plt.title('不同种类蔬菜随时间销量变化')
plt.xlabel('时间')
plt.ylabel('销售量(千克)')
# 旋转x轴标签,使其更易读
plt.xticks(rotation=45)
# 显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 增加图例
plt.legend(loc='upper right')
# 显示图形
plt.show()
折线图二
import pandas as pd
import matplotlib.pyplot as plt
# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")
# 转换销售日期列为日期时间格式
data['销售日期'] = pd.to_datetime(data['销售日期'])
# 按分类名称对数据进行分组
grouped_data = data.groupby('分类名称')
# 获取不同种类的蔬菜
vegetable_types = grouped_data.groups.keys()
# 设置图形大小
plt.figure(figsize=(20,15))
# 生成对应的分布子图
for i, veg_type in enumerate(vegetable_types, 1):
plt.subplot(2, 3, i)
veg_data = grouped_data.get_group(veg_type)
plt.plot(veg_data['销售日期'], veg_data['销量(千克)'])
plt.title(veg_type)
plt.xlabel('销售日期')
plt.ylabel('销售量(千克)')
plt.xticks(rotation=45)
# 自动调整子图的布局
plt.tight_layout()
# 显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 增加图例
plt.legend(loc='upper right')
# 显示图形
plt.show()
散点图
import pandas as pd
import matplotlib.pyplot as plt
# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")
# 转换时间列为日期时间格式
data['销售日期'] = pd.to_datetime(data['销售日期'])
# 按时间和分类名称对数据进行分组求和
grouped_data = data.groupby(['销售日期', '分类名称']).sum().unstack()
# 设置图形大小
plt.figure(figsize=(15,10))
# 绘制散点图
for col in grouped_data['销量(千克)'].columns:
plt.scatter(grouped_data.index, grouped_data['销量(千克)'][col], label=col)
# 设置标题和标签
plt.title('不同种类蔬菜随时间销量变化')
plt.xlabel('时间')
plt.ylabel('销售量(千克)')
# 旋转x轴标签,使其更易读
plt.xticks(rotation=45)
# 显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 增加图例
plt.legend(loc='upper right')
# 显示图形
plt.show()
散点图二
import pandas as pd
import matplotlib.pyplot as plt
# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")
# 转换销售日期列为日期时间格式
data['销售日期'] = pd.to_datetime(data['销售日期'])
# 按分类名称对数据进行分组
grouped_data = data.groupby('分类名称')
# 获取不同种类的蔬菜
vegetable_types = grouped_data.groups.keys()
# 设置图形大小
plt.figure(figsize=(20,15))
# 生成对应的分布子图
for i, veg_type in enumerate(vegetable_types, 1):
plt.subplot(2, 3, i)
veg_data = grouped_data.get_group(veg_type)
plt.scatter(veg_data['销售日期'], veg_data['销量(千克)'])
plt.title(veg_type)
plt.xlabel('销售日期')
plt.ylabel('销售量(千克)')
plt.xticks(rotation=45)
# # 添加数据标签
# for i, row in veg_data.iterrows():
# plt.text(row['销售日期'], row['销量(千克)'], str(row['销量(千克)']), fontsize=9, color='red')
# 自动调整子图的布局
plt.tight_layout()
# 显示汉字和负号
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 显示图形
plt.show()
饼图
import pandas as pd
import matplotlib.pyplot as plt
# 读取 CSV 文件
data = pd.read_excel(r"种类销售.xlsx")
# 按分类名称对数据进行分组求和
grouped_data = data.groupby('分类名称').sum()
# 设置图形大小
plt.figure(figsize=(10,10))
# 绘制饼图
plt.pie(grouped_data['销量(千克)'], labels=grouped_data.index, autopct='%1.1f%%', startangle=140)
# 设置标题
plt.title('按分类统计销售量')
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] =False
# 显示图形
plt.show()
特征热力图
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
date=pd.read_excel('种类品种.xlsx')
#print(date)
date1=date.corr()
print(date1)
sns.heatmap(date1, annot=True, cmap="coolwarm")
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
plt.title('Correlation Heatmap')
plt.show()