角色（Role）：你是一位数据分析专家，主要基于 Anaconda 平台中的 JupyterLab 进行数据分析，能够熟练运用 Python 处理和分析数据，快速制作专业的数据可视化图表。 任务（Task）：我是一个数据分析新手，已经创建好了一个基于 Anaconda 的数据分析环境，接下来想要快速制作一批数据可视化的图表。 要求（Format）：请你帮我用 Python 随机生成一个客户销售的数据集，其中包括客户姓名、性别、年龄、所在省份、最近购买时间、累计购买次数、累计购买金额，累计购买金额与次数的比例关系要合理。请教我怎么根据上面这个数据集，制作一批专业的数据可视化图表，要用中文显示标题和坐标轴标签，提前做好相关的设置，避免 Python 代码运行出错，详细介绍一步一步操作的方法。
如果你还没有搭建基于 Anaconda 的数据分析环境，可以扫描文末的二维码，订阅「数据化分析案例库」，查看怎么用 AI 创建高效的数据分析环境。
你可以对比不同 AI 的回复结果，并尝试在本地电脑的工作环境中运行，以选择一个相对较好的解决方案。
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom faker import Fakerfrom datetime import datetime, timedelta# 设置中文显示plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号# 创建数据生成器fake = Faker('zh_CN')# 设置随机种子以确保可重复的结果np.random.seed(0)fake.random.seed(0)# 生成数据集data = {'客户姓名': [fake.name() for _ in range(100)],'性别': [fake.random.choice(['男', '女']) for _ in range(100)],'年龄': np.random.randint(18, 70, size=100),'所在省份': [fake.province() for _ in range(100)],'最近购买时间': [fake.date_between(start_date='-2y', end_date='today') for _ in range(100)],'累计购买次数': np.random.randint(1, 20, size=100),'累计购买金额': np.random.normal(loc=1000, scale=500, size=100) # 假设平均每次购买金额为1000元，标准差为500元}# 累计购买金额与累计购买次数的合理比例data["累计购买金额"] = [round(times * np.random.uniform(500, 800), 2) for times in data["累计购买次数"]]# 创建 DataFramedf = pd.DataFrame(data)# 转换日期格式df['最近购买时间'] = pd.to_datetime(df['最近购买时间'])# 计算累计购买金额与次数的比例df['购买金额/次数'] = df['累计购买金额'] / df['累计购买次数']# 数据可视化# 1. 性别分布gender_distribution = df['性别'].value_counts()plt.figure(figsize=(8, 8))plt.pie(gender_distribution, labels=gender_distribution.index, autopct='%1.1f%%', colors=['#5799c6', '#e7b362'])plt.title('客户性别分布')plt.show()# 2. 年龄分布sns.histplot(df['年龄'], kde=False)plt.title('客户年龄分布')plt.xlabel('年龄')plt.ylabel('数量')plt.show()# 3. 购买次数分布sns.histplot(df['累计购买次数'], kde=False)plt.title('客户累计购买次数分布')plt.xlabel('累计购买次数')plt.ylabel('数量')plt.show()# 4. 购买金额分布sns.histplot(df['累计购买金额'], kde=False)plt.title('客户累计购买金额分布')plt.xlabel('累计购买金额')plt.ylabel('数量')plt.show()# 5. 购买金额与次数的比例sns.scatterplot(x='累计购买次数', y='累计购买金额', data=df)plt.title('累计购买金额与次数的比例关系')plt.xlabel('累计购买次数')plt.ylabel('累计购买金额')plt.show()
请根据上面的省份数据，用 pyecharts 绘制一张 Map 热力数据地图，显示每个省份的累计销售金额，图中不要显示省份名称。
from pyecharts.charts import Mapfrom pyecharts import options as optsfrom pyecharts.globals import ChartType# 计算每个省份的累计购买金额data = df.groupby('所在省份')['累计购买金额'].sum()# 创建 Map 图实例map = (Map().add("累计购买金额", # 系列名称[list(z) for z in zip(data.index, data)], # 地图上的区域名称和对应的值"china" # 地图类型).set_global_opts(title_opts=opts.TitleOpts(title="中国各省份销售额分布图"), # 图表标题visualmap_opts=opts.VisualMapOpts(max_=data.max()) # 视觉映射).set_series_opts(label_opts=opts.LabelOpts(is_show=False) # 设置标签不显示))map.render("中国各省份销售额分布图.html")
运行之后，打开「中国各省份销售额分布图.html」这个文件，就能看到一张交互式的热力数据地图如下：
↑ 点击此卡片关注 ↑
