pip install matplotlib

import matplotlib.pyplot as plt

# 假設(shè)這是某公司12個(gè)月的銷售額數(shù)據(jù)
months = ['一月', '二月', '三月', '四月', '五月', '六月',
          '七月', '八月', '九月', '十月', '十一月', '十二月']
sales = [1000, 1200, 900, 1500, 1800, 2000,
         2200, 2500, 2300, 2600, 2800, 3000]

# 創(chuàng)建圖表
plt.figure(figsize=(10, 6))
plt.plot(months, sales, marker='o', linestyle='-', color='b')

# 添加標(biāo)題和標(biāo)簽
plt.title('公司月銷售額趨勢')
plt.xlabel('月份')
plt.ylabel('銷售額 (元)')

# 顯示網(wǎng)格
plt.grid(True)

# 顯示圖表
plt.show()

import seaborn as sns

# 設(shè)置Seaborn風(fēng)格
sns.set(style="whitegrid")

# 繪制折線圖
plt.figure(figsize=(10, 6))
sns.lineplot(x=months, y=sales, marker='o', sort=False, color='b')

# 添加標(biāo)題和標(biāo)簽
plt.title('公司月銷售額趨勢')
plt.xlabel('月份')
plt.ylabel('銷售額 (元)')

# 顯示圖表
plt.show()

import plotly.express as px

# 使用相同的銷售數(shù)據(jù)
fig = px.bar(x=months, y=sales, title='公司月銷售額趨勢',
             labels={'x': '月份', 'y': '銷售額 (元)'}, color=sales,
             color_continuous_scale='Blues')

# 顯示圖表
fig.show()

import geopandas as gpd
import folium

# 假設(shè)這是我們的數(shù)據(jù)
data = {
    '城市': ['北京', '上海', '廣州', '深圳'],
    '人口': [21542000, 24281000, 14904000, 13027000],
    '經(jīng)度': [116.4074, 121.4737, 113.2644, 114.0579],
    '緯度': [39.9042, 31.2304, 23.1291, 22.5431]
}

# 創(chuàng)建GeoDataFrame
gdf = gpd.GeoDataFrame(data, geometry=gpd.points_from_xy(data['經(jīng)度'], data['緯度']))

# 創(chuàng)建地圖
m = folium.Map(location=[35, 110], zoom_start=5)

# 在地圖上添加標(biāo)記
for index, row in gdf.iterrows():
    folium.Marker([row['geometry'].y, row['geometry'].x], 
                  popup=f"{row['城市']}: {row['人口']}人").add_to(m)

# 顯示地圖
m.save('map.html')  # 保存為HTML文件

import pandas as pd
import numpy as np

# 模擬數(shù)據(jù)
np.random.seed(42)
dates = pd.date_range(start='2023-01-01', periods=100, freq='D')
users = ['User' + str(i) for i in range(1, 21)]
actions = ['瀏覽', '購買']
products = ['產(chǎn)品A', '產(chǎn)品B', '產(chǎn)品C']

data = {
    '日期': np.random.choice(dates, 100),
    '用戶': np.random.choice(users, 100),
    '操作': np.random.choice(actions, 100, p=[0.8, 0.2]),
    '產(chǎn)品': np.random.choice(products, 100),
    '數(shù)量': np.random.randint(1, 10, size=100)
}

df = pd.DataFrame(data)
print(df.head())

# 去除重復(fù)項(xiàng)
df.drop_duplicates(inplace=True)

# 填充缺失值（如果有）
df.fillna(method='ffill', inplace=True)

# 轉(zhuǎn)換日期格式
df['日期'] = pd.to_datetime(df['日期'])

import matplotlib.pyplot as plt

# 按日期分組并計(jì)算每日總操作數(shù)
daily_actions = df.groupby('日期').size()

# 繪制趨勢圖
plt.figure(figsize=(12, 6))
plt.plot(daily_actions.index, daily_actions.values, marker='o', linestyle='-', color='b')
plt.title('用戶行為趨勢')
plt.xlabel('日期')
plt.ylabel('操作次數(shù)')
plt.grid(True)
plt.show()

import seaborn as sns

# 按產(chǎn)品分組并計(jì)算總銷量
product_sales = df[df['操作'] == '購買'].groupby('產(chǎn)品')['數(shù)量'].sum().reset_index()

# 繪制柱狀圖
plt.figure(figsize=(8, 6))
sns.barplot(x='產(chǎn)品', y='數(shù)量', data=product_sales, palette='viridis')
plt.title('產(chǎn)品銷量對比')
plt.xlabel('產(chǎn)品')
plt.ylabel('銷量')
plt.show()

import folium

# 假設(shè)我們有一些用戶的經(jīng)緯度信息
user_locations = {
    'User1': (39.9042, 116.4074),  # 北京
    'User2': (31.2304, 121.4737),  # 上海
    'User3': (23.1291, 113.2644),  # 廣州
    'User4': (22.5431, 114.0579)   # 深圳
}

# 創(chuàng)建地圖
m = folium.Map(location=[35, 110], zoom_start=5)

# 在地圖上添加標(biāo)記
for user, location in user_locations.items():
    actions_count = len(df[df['用戶'] == user])
    folium.Marker(location, popup=f"{user}: {actions_count}次操作").add_to(m)

# 顯示地圖
m.save('user_behavior_map.html')