matplotlib运用：电商广告投入及销量预测【数据集+完整代码】_电商年度销售收入预测表(1)

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

销售表.xlsx

本节源码+数据集指路：点击此处跳转文末名片获取

---

1. 分别按 日 和 月 分析销售收入

# 绘制子图

"""
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None,frameon=True)
 num:图像编号或名称．数字为编号，字符串为名称
 figsize:指定figure的宽和高．单位为英寸
 dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 1英寸等于2.5cm,A4纸是21\*30cm的纸张
 facecolor:背景颜色
 edgecolor:边框颜色
 frameon:是否显示边框

(1 ) subplot语法
subplot(nrows,ncols,sharex,sharey,subplot\_kw.\*\*fig\_kw)

nrows subplot的行数
ncols subplot的列数
sharex 所有subplot应该使用相同的X轴刻度.(调节xlim将会影响所有subplot)
sharey 所有subplot应该使用相同的Y轴刻度（调节ylim将会影响所有subplot)
subplot\_kw 用于创建各subplot的关键字字典
\*\*fig\_kw 创建figure时的其他关键字，如plt.subplots(2,2,figsize=(8,6))

"""

import pandas as pd
import matplotlib.pyplot as plt

pd.set_option('display.unicode.east\_asian\_width', True) 


df = pd.read_excel('.\data\销售表.xlsx')  
df = df[['日期', '销售码洋']]  
df['日期'] = pd.to_datetime(df['日期'])  
df1 = df.set_index('日期')  
df_d = df1.resample('D').sum().to_period('D')  
df_d.to_excel(r'.\result\result1.xlsx')  

df_m = df1.resample('M').sum().to_period('M')  
df_m.to_excel(r'.\result\result2.xlsx')  

plt.rc('font', family='SimHei', size=10) 

fig = plt.figure(figsize=(9, 5)) 
ax = fig.subplots(1, 2) 

ax[0].set_title('按日分析销售收入')  # 设置图表标题
df_d.plot(kind='line', ax=ax[0], color='r')  

ax[1].set_title('按月分析销售收入')  # 设置图表标题
df_m.plot(kind='bar', ax=ax[

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！