pip install matplotlib seaborn plotly pandas numpy

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
 
# 設(shè)置中文顯示
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]  # 支持中文
plt.rcParams["axes.unicode_minus"] = False  # 解決負(fù)號顯示問題
sns.set(font_scale=1.2)  # Seaborn字體縮放

# 生成數(shù)據(jù)：x為月份，y為銷量
x = np.arange(1, 13)  # 1-12月
y = np.random.randint(50, 150, size=12)  # 隨機(jī)生成50-150的銷量
 
# 創(chuàng)建畫布
plt.figure(figsize=(10, 6))  # 畫布大小(寬, 高)
 
# 繪制折線圖
plt.plot(x, y,  # x軸、y軸數(shù)據(jù)
         color='skyblue',  # 線條顏色
         marker='o',  # 數(shù)據(jù)點(diǎn)標(biāo)記（圓形）
         linestyle='-',  # 線條樣式（實(shí)線）
         linewidth=2,  # 線條寬度
         markersize=6)  # 標(biāo)記大小
 
# 添加標(biāo)題和標(biāo)簽
plt.title('2023年某產(chǎn)品月度銷量趨勢', fontsize=15)
plt.xlabel('月份', fontsize=12)
plt.ylabel('銷量（件）', fontsize=12)
 
# 設(shè)置x軸刻度（1-12月）
plt.xticks(x)
 
# 添加網(wǎng)格線（輔助閱讀）
plt.grid(alpha=0.3)  # alpha控制透明度
 
# 顯示圖表
plt.show()

# 生成數(shù)據(jù)（模擬實(shí)驗(yàn)數(shù)據(jù)）
x = np.arange(1, 11)  # 實(shí)驗(yàn)次數(shù)
y = np.random.normal(50, 10, 10)  # 均值50，標(biāo)準(zhǔn)差10的隨機(jī)數(shù)據(jù)
error = np.random.uniform(2, 5, 10)  # 誤差范圍（2-5）
 
plt.figure(figsize=(10, 6))
 
# 繪制帶誤差線的折線圖
plt.errorbar(x, y, 
             yerr=error,  # y方向誤差
             fmt='-o',  # 線條樣式（-實(shí)線+o標(biāo)記）
             ecolor='gray',  # 誤差線顏色
             elinewidth=1,  # 誤差線寬度
             capsize=3)  # 誤差線末端橫線長度
 
plt.title('實(shí)驗(yàn)數(shù)據(jù)趨勢與誤差范圍', fontsize=15)
plt.xlabel('實(shí)驗(yàn)次數(shù)', fontsize=12)
plt.ylabel('測量值', fontsize=12)
plt.grid(alpha=0.3)
plt.show()

import pandas as pd
 
# 生成時(shí)間序列數(shù)據(jù)（2023年1-3月，共90天）
dates = pd.date_range(start='2023-01-01', end='2023-03-31', freq='D')
values = np.random.randint(10, 30, size=len(dates))  # 模擬每日溫度（10-30℃）
 
plt.figure(figsize=(14, 6))
 
# 繪制時(shí)間序列折線圖
plt.plot(dates, values, color='orange', linewidth=1.5)
 
# 格式化x軸日期（避免重疊）
plt.gcf().autofmt_xdate()  # 自動(dòng)旋轉(zhuǎn)日期標(biāo)簽
plt.xlabel('日期', fontsize=12)
plt.ylabel('溫度（℃）', fontsize=12)
plt.title('2023年1-3月每日溫度趨勢', fontsize=15)
plt.grid(alpha=0.3)
plt.show()

# 生成數(shù)據(jù)（量級差異大的兩組數(shù)據(jù)）
x = np.arange(1, 13)  # 月份
y1 = np.random.randint(1000, 5000, 12)  # 銷售額（千級）
y2 = np.random.randint(20, 80, 12)      # 訂單量（十級）
 
# 創(chuàng)建畫布和第一個(gè)Y軸
fig, ax1 = plt.subplots(figsize=(12, 6))
 
# 繪制第一組數(shù)據(jù)（銷售額）
ax1.plot(x, y1, color='blue', label='銷售額')
ax1.set_xlabel('月份', fontsize=12)
ax1.set_ylabel('銷售額（元）', color='blue', fontsize=12)
ax1.tick_params(axis='y', labelcolor='blue')  # Y軸標(biāo)簽顏色
 
# 創(chuàng)建第二個(gè)Y軸（共享X軸）
ax2 = ax1.twinx()
ax2.plot(x, y2, color='red', label='訂單量')
ax2.set_ylabel('訂單量（單）', color='red', fontsize=12)
ax2.tick_params(axis='y', labelcolor='red')
 
# 合并圖例
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')
 
plt.title('月度銷售額與訂單量趨勢', fontsize=15)
plt.grid(alpha=0.3)
plt.show()

# 生成數(shù)據(jù)（累積增長趨勢）
x = np.arange(1, 11)
y = np.cumsum(np.random.randint(5, 15, 10))  # 累積求和（模擬用戶增長）
 
plt.figure(figsize=(10, 6))
 
# 繪制折線并填充下方區(qū)域
plt.plot(x, y, color='purple', linewidth=2)
plt.fill_between(x, y,  # x范圍、y上限（折線）、y下限（0）
                 color='purple', 
                 alpha=0.2)  # 透明度（0-1）
 
plt.title('產(chǎn)品用戶累積增長趨勢', fontsize=15)
plt.xlabel('上線月份', fontsize=12)
plt.ylabel('累積用戶數(shù)', fontsize=12)
plt.grid(alpha=0.3)
plt.show()

import plotly.express as px
 
# 生成數(shù)據(jù)（多組產(chǎn)品銷量）
df = pd.DataFrame({
    '月份': np.arange(1, 13),
    '產(chǎn)品A': np.random.randint(50, 100, 12),
    '產(chǎn)品B': np.random.randint(80, 150, 12),
    '產(chǎn)品C': np.random.randint(30, 80, 12)
})
 
# 轉(zhuǎn)換為長格式（適合Plotly）
df_long = df.melt('月份', var_name='產(chǎn)品', value_name='銷量')
 
# 繪制交互式折線圖
fig = px.line(df_long, 
              x='月份', 
              y='銷量', 
              color='產(chǎn)品',  # 按產(chǎn)品區(qū)分線條
              title='2023年三大產(chǎn)品月度銷量趨勢（交互式）',
              markers=True)  # 顯示數(shù)據(jù)點(diǎn)標(biāo)記
 
# 顯示圖表（自動(dòng)打開瀏覽器/IDE內(nèi)置窗口）
fig.show()