pip install matplotlib seaborn plotly pandas numpy

import matplotlib.pyplot as plt
import numpy as np

# 設(shè)置中文字體支持
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用來正常顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus'] = False  # 用來正常顯示負(fù)號

# 創(chuàng)建數(shù)據(jù)
quarters = ['Q1', 'Q2', 'Q3', 'Q4']
product_a = [120, 135, 158, 142]
product_b = [98, 112, 128, 145]
product_c = [85, 95, 108, 118]

# 創(chuàng)建圖表
plt.figure(figsize=(10, 6))
plt.plot(quarters, product_a, marker='o', linewidth=2, label='產(chǎn)品A')
plt.plot(quarters, product_b, marker='s', linewidth=2, label='產(chǎn)品B')
plt.plot(quarters, product_c, marker='^', linewidth=2, label='產(chǎn)品C')

# 美化圖表
plt.title('2024年季度銷售趨勢分析', fontsize=16, fontweight='bold')
plt.xlabel('季度', fontsize=12)
plt.ylabel('銷售額（萬元）', fontsize=12)
plt.legend(loc='best', fontsize=10)
plt.grid(True, alpha=0.3)
plt.tight_layout()

plt.savefig('sales_trend.png', dpi=300, bbox_inches='tight')
plt.show()

import seaborn as sns
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 設(shè)置樣式
sns.set_style("whitegrid")
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 生成模擬數(shù)據(jù)
np.random.seed(42)
n_samples = 500

data = pd.DataFrame({
    '年齡': np.random.randint(18, 65, n_samples),
    '月消費(fèi)額': np.random.gamma(2, 500, n_samples),
    '用戶類型': np.random.choice(['普通用戶', '會(huì)員用戶', 'VIP用戶'], n_samples, p=[0.6, 0.3, 0.1])
})

# 創(chuàng)建子圖
fig, axes = plt.subplots(2, 2, figsize=(14, 10))

# 1. 散點(diǎn)圖：年齡vs消費(fèi)額
sns.scatterplot(data=data, x='年齡', y='月消費(fèi)額', hue='用戶類型', 
                style='用戶類型', s=100, alpha=0.6, ax=axes[0, 0])
axes[0, 0].set_title('年齡與消費(fèi)額關(guān)系分布', fnotallow=14, fnotallow='bold')
axes[0, 0].set_xlabel('年齡', fnotallow=11)
axes[0, 0].set_ylabel('月消費(fèi)額（元）', fnotallow=11)

# 2. 箱線圖：不同用戶類型的消費(fèi)分布
sns.boxplot(data=data, x='用戶類型', y='月消費(fèi)額', palette='Set2', ax=axes[0, 1])
axes[0, 1].set_title('不同用戶類型消費(fèi)分布', fnotallow=14, fnotallow='bold')
axes[0, 1].set_xlabel('用戶類型', fnotallow=11)
axes[0, 1].set_ylabel('月消費(fèi)額（元）', fnotallow=11)

# 3. 直方圖：年齡分布
sns.histplot(data=data, x='年齡', bins=20, kde=True, color='skyblue', ax=axes[1, 0])
axes[1, 0].set_title('用戶年齡分布', fnotallow=14, fnotallow='bold')
axes[1, 0].set_xlabel('年齡', fnotallow=11)
axes[1, 0].set_ylabel('用戶數(shù)量', fnotallow=11)

# 4. 小提琴圖：用戶類型的消費(fèi)模式
sns.violinplot(data=data, x='用戶類型', y='月消費(fèi)額', palette='muted', ax=axes[1, 1])
axes[1, 1].set_title('用戶類型消費(fèi)模式', fnotallow=14, fnotallow='bold')
axes[1, 1].set_xlabel('用戶類型', fnotallow=11)
axes[1, 1].set_ylabel('月消費(fèi)額（元）', fnotallow=11)

plt.tight_layout()
plt.savefig('user_profile.png', dpi=300, bbox_inches='tight')
plt.show()

# 打印統(tǒng)計(jì)信息
print("\n各類用戶平均消費(fèi)額：")
print(data.groupby('用戶類型')['月消費(fèi)額'].mean().round(2))

import plotly.graph_objects as go
import numpy as np
import pandas as pd

# 生成3D數(shù)據(jù)
np.random.seed(42)
n_points = 300

# 模擬三個(gè)集群
cluster1 = np.random.randn(n_points//3, 3) * 0.5 + [0, 0, 0]
cluster2 = np.random.randn(n_points//3, 3) * 0.5 + [3, 3, 3]
cluster3 = np.random.randn(n_points//3, 3) * 0.5 + [6, 0, 3]

data_3d = np.vstack([cluster1, cluster2, cluster3])
labels = ['集群A'] * (n_points//3) + ['集群B'] * (n_points//3) + ['集群C'] * (n_points//3)

df = pd.DataFrame({
    'X軸': data_3d[:, 0],
    'Y軸': data_3d[:, 1],
    'Z軸': data_3d[:, 2],
    '集群': labels,
    '數(shù)值': np.random.randint(10, 100, n_points)
})

# 創(chuàng)建3D散點(diǎn)圖
fig = go.Figure()

for cluster in df['集群'].unique():
    cluster_data = df[df['集群'] == cluster]
    
    fig.add_trace(go.Scatter3d(
        x=cluster_data['X軸'],
        y=cluster_data['Y軸'],
        z=cluster_data['Z軸'],
        mode='markers',
        name=cluster,
        marker=dict(
            size=8,
            color=cluster_data['數(shù)值'],
            colorscale='Viridis',
            showscale=True if cluster == '集群A' else False,
            colorbar=dict(title="數(shù)值大小"),
            line=dict(width=0.5, color='white')
        ),
        text=[f'集群: {c}<br>數(shù)值: {v}' for c, v in zip(cluster_data['集群'], cluster_data['數(shù)值'])],
        hovertemplate='<b>%{text}</b><br>X: %{x:.2f}<br>Y: %{y:.2f}<br>Z: %{z:.2f}<extra></extra>'
    ))

# 設(shè)置布局
fig.update_layout(
    title='交互式3D數(shù)據(jù)集群可視化',
    scene=dict(
        xaxis_title='X軸維度',
        yaxis_title='Y軸維度',
        zaxis_title='Z軸維度',
        camera=dict(
            eye=dict(x=1.5, y=1.5, z=1.3)
        )
    ),
    width=900,
    height=700,
    showlegend=True
)

# 保存為HTML文件
fig.write_html('interactive_3d.html')
fig.show()