49. 数据框可视化

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

# 设置中文字体支持
plt.rcParams['font.sans-serif'] = ['SimHei']

# 准备示例数据：公司5个月的销售额和利润
sales = pd.DataFrame({
    '月份': ['1月', '2月', '3月', '4月', '5月'],
    '销售额': [120, 150, 180, 140, 200],
    '利润': [30, 40, 50, 35, 60]
})

plt.figure(figsize=(12, 6))

# 折线图
plt.subplot(1, 2, 1)
plt.plot(sales['月份'], sales['销售额'], marker='o', linewidth=2)
plt.title('销售额趋势', fontsize=14)
plt.xlabel('月份', fontsize=12)
plt.ylabel('销售额(万元)', fontsize=12)
plt.grid(True, alpha=0.3)

# 柱状图
plt.subplot(1, 2, 2)
plt.bar(sales['月份'], sales['利润'], color='steelblue', alpha=0.7)
plt.title('利润对比', fontsize=14)
plt.xlabel('月份', fontsize=12)
plt.ylabel('利润(万元)', fontsize=12)
plt.grid(axis='y', alpha=0.3)

plt.tight_layout()
plt.show()

import seaborn as sns

plt.figure(figsize=(12, 6))

# 箱线图
plt.subplot(1, 2, 1)
sns.boxplot(data=sales, x='月份', y='销售额')
plt.title('销售额箱线图', fontsize=14)

# 小提琴图
plt.subplot(1, 2, 2)
sns.violinplot(data=sales, x='月份', y='销售额')
plt.title('销售额小提琴图', fontsize=14)

plt.tight_layout()
plt.show()

import numpy as np

# 模拟两个相关的金融变量（如风险与收益）
x = np.random.randn(100) * 10 + 50
y = x * 0.8 + np.random.randn(100) * 5 + 30

plt.figure(figsize=(10, 6))

# Seaborn自动拟合OLS回归线并绘制置信区间
sns.regplot(x=x, y=y, scatter_kws={'alpha':0.6})

plt.title('散点图与回归线', fontsize=14)
plt.xlabel('X变量', fontsize=12)
plt.ylabel('Y变量', fontsize=12)
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# 准备示例数据
data = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [5, 4, 3, 2, 1],
    'C': [2, 3, 4, 5, 6],
    'D': [4, 5, 6, 7, 8]
})

# 计算Pearson相关系数矩阵
corr = data.corr()

plt.figure(figsize=(10, 8))

# 绘制热力图
sns.heatmap(
    corr,
    annot=True,
    cmap='coolwarm',
    center=0,
    linewidths=0.5,
    cbar_kws={'label': '相关系数'}
)

plt.title('特征相关性热力图', fontsize=14)
plt.tight_layout()
plt.show()

# ⚠️ 平台原始代码 - 请原样输入至教学平台（注释除外），平台才会判定答案正确
#任务一
import matplotlib.pyplot as plt
import pandas as pd  # 导入Pandas数据分析库

plt.rcParams["font.sans-serif"] = ["SimHei"]  # 设置Matplotlib全局参数
turnover = pd.read_excel("https://huoran.oss-cn-shenzhen.aliyuncs.com/1726219804739.xlsx",sheet_name="Sheet1")  #导入外部换手率数据并且是Sheet1工作表
turnover["日期"] = pd.to_datetime(turnover["日期"] , format='%Y%m%d')  # 转换为日期时间格式
turnover.set_index("日期",inplace=True)  # 将日期列设为turnover数据框的索引
turnover.head() #显示前五行
turnover.tail() #显示后五行
# 绘制换手率的折线图（显示时间趋势）
turnover.plot(kind="line",figsize=(9,6),title="2024年1月至2024年8月上证50指数换手率",grid=True,fontsize=13)
plt.savefig("1.png")  # 保存图形至文件

#任务二
import matplotlib.pyplot as plt
import pandas as pd  # 导入Pandas数据分析库
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 设置Matplotlib全局参数

# 从Excel文件读取数据存入volume
volume = pd.read_excel("https://huoran.oss-cn-shenzhen.aliyuncs.com/1726219804739.xlsx",sheet_name="Sheet2",header=0)  

volume["日期"] = pd.to_datetime(volume["日期"] , format='%Y%m%d')  # 转换为日期时间格式
volume.set_index("日期",inplace=True)  # 将日期列设为volume数据框的索引
# 绘制交易金额的直方图（展示分布特征）
volume.plot(kind="hist",figsize=(9,6),title="2024年1月至2024年9月上证50指数交易金额",grid=True,fontsize=13)
plt.savefig("1.png")  # 保存图形至文件


#任务三
import matplotlib.pyplot as plt
import pandas as pd  # 导入Pandas数据分析库
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 设置Matplotlib全局参数

# 从Excel文件读取数据存入volume
volume = pd.read_excel("https://huoran.oss-cn-shenzhen.aliyuncs.com/1726219804739.xlsx",sheet_name="Sheet2",header=0) 
volume["日期"] = pd.to_datetime(volume["日期"] , format='%Y%m%d')  # 转换为日期时间格式
volume.set_index("日期",inplace=True)  # 将日期列设为volume数据框的索引
volume.describe() #查看数据属性
# 绘制交易金额的箱线图（展示分位数和异常值）
volume.plot(kind="box",figsize=(9,6),title="2024年1月至2024年9月上证50指数交易金额",grid=True,fontsize=13)
plt.savefig("1.png")  # 保存图形至文件

#任务四
import matplotlib.pyplot as plt
import pandas as pd  # 导入Pandas数据分析库
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 设置Matplotlib全局参数

# 从Excel文件读取数据存入price
price = pd.read_excel("https://huoran.oss-cn-shenzhen.aliyuncs.com/1726219804739.xlsx",sheet_name="Sheet3")
price ["日期"] = pd.to_datetime(price["日期"] , format='%Y%m%d')  # 转换为日期时间格式
price.set_index("日期",inplace=True)  # 将日期列设为price数据框的索引
price.head()  # 查看price前5行数据
price.tail()  # 查看price后5行数据
price.plot(kind="line",subplots=True,sharex=True,sharey=True,layout=(2,2),figsize=(10,8),title="2024年1月至2024年9月上证50指数走势图",grid=True,fontsize=13) #2018年1月至2019年6月上证50指数走势图
plt.savefig("1.png")  # 保存图形至文件