Python中的数据可视化实战案例

Python是一种功能强大的编程语言，也是数据科学和数据分析领域中最常用的编程语言之一。在Python中，有几个非常流行的数据可视化工具，如Matplotlib、Seaborn和Plotly等。这些工具可以帮助我们更好地理解和展示数据的特征和趋势。

下面是一些常见的数据可视化实战案例，以及相应的Python代码示例。

1. 折线图

折线图是一种常见的数据可视化方式，用于显示数据随时间或其他连续变量而变化的趋势。比如，我们可以使用折线图来展示某个公司过去一年的销售额变化。

import matplotlib.pyplot as plt

# 定义时间和销售额的列表
time = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
sales = [100, 120, 130, 110, 150, 160, 170, 180, 190, 200, 210, 220]

# 绘制折线图
plt.plot(time, sales)
plt.xlabel('月份')
plt.ylabel('销售额')
plt.title('公司销售额变化趋势')
plt.show()

2. 柱状图

柱状图通常用于比较不同类别或组之间的数据。比如，我们可以使用柱状图来比较不同产品的销售额。

import matplotlib.pyplot as plt

# 定义产品和销售额的列表
products = ['A', 'B', 'C', 'D']
sales = [100, 120, 130, 110]

# 绘制柱状图
plt.bar(products, sales)
plt.xlabel('产品')
plt.ylabel('销售额')
plt.title('产品销售额比较')
plt.show()

3. 散点图

散点图常用于展示两个变量之间的关系。比如，我们可以使用散点图来展示身高和体重之间的关系。

import matplotlib.pyplot as plt

# 定义身高和体重的列表
height = [160, 165, 170, 175, 180]
weight = [60, 65, 70, 75, 80]

# 绘制散点图
plt.scatter(height, weight)
plt.xlabel('身高')
plt.ylabel('体重')
plt.title('身高和体重的关系')
plt.show()

4. 饼图

饼图常用于显示数据的相对比例。比如，我们可以使用饼图来展示某个公司不同部门的人数占比。

import matplotlib.pyplot as plt

# 定义部门和人数的字典
departments = ['销售部', '人力资源部', '财务部', '市场部']
employees = [20, 15, 10, 12]

# 绘制饼图
plt.pie(employees, labels=departments, autopct='%1.1f%%')
plt.title('公司部门人数占比')
plt.show()

以上是一些常见的数据可视化实战案例，可以帮助我们更好地理解和展示数据的特征和趋势。当然，这只是冰山一角，Python拥有丰富而强大的数据可视化工具和库，可以满足更多不同类型数据的可视化需求。