为了对某一产品进行合理定价,我们对此类商品进行了试销实验,价格与需求量数据如下。利用图表分析规律。
price = [60,80,40,30,70,90,95]
sales = [100,50,120,135,65,45,40]
代码实现方式如下
添加x轴标签
plt.xlabel(“价格变化”)
添加y轴标签
plt.ylabel(“销售情况”)
添加图例
plt.legend()
添加标题
plt.title(“价格与需求量之间的关系”)
保存图片
plt.savefig(“作业01.jpg”)
plt.show()
# 绘制散点图
plt.scatter(x,y,color=‘b’,label=‘价格’)
plt.scatter(x,y)
设置x轴刻度
x_t:刻度
x_t = [i for i in range(20,100,10)]
x_l:标签
x_l = [f"{i}元" for i in range(20,100,10)]
plt.xticks(x_t,x_l,rotation=0)
设置y轴刻度
plt.yticks(range(min(y),max(y)+1))
添加x轴标签
plt.xlabel(“价格变化”)
添加y轴标签
plt.ylabel(“销售情况”)
添加图例
plt.legend()
添加标题
plt.title(“价格与需求量之间的关系”)
保存图片
plt.savefig(“作业002.jpg”)
plt.show()
结论:从以上折线图的走势情况以及散点图的分布情况来看,产品的单价定的越高,销售数量就会减少, 产品单价与销售数量呈负相关关系。
作业 2
movies_name = [“变身特工”,“美丽人生”,“鲨海逃生”,“熊出没·狂野大陆”]
day_12 = [2358,399,2358,362]
day_13 = [12357,156,2045,168]
day_14 = [15746,312,4497,319]
直观体现出不同电影近三天的票房的对比情况
from matplotlib import pyplot as plt
import matplotlib
font = {
‘family’:‘SimHei’,
‘weight’:‘bold’,
‘size’:12
}
matplotlib.rc(“font”, **font)
movies_name = [“变身特工”,“美丽人生”,“鲨海逃生”,“熊出没·狂野大陆”]
day_12 = [2358,399,2358,362]
day_13 = [12357,156,2045,168]
day_14 = [15746,312,4497,319]
plt.figure(figsize=(12,8))
设置x轴为 movies_name对应的位置
movies_l = range(len(movies_name))
设置每个柱子的宽度
width = 0.2
13号放中间 12号往左边移动0.2 14号往右边挪0.2
l_a = [i-0.2 for i in movies_l]
plt.bar(l_a,day_12,width=width,label=“12号”,color=“r”)
l_b = movies_l
plt.bar(l_b,day_13,width=width,label=“13号”,color=“g”)
l_c = [i+0.2 for i in movies_l]
plt.bar(l_c,day_14,width=width,label=“14号”,color=“b”)
设置刻度 为movies_name
plt.xticks(movies_l,movies_name)
设置图例
plt.legend(prop=font)
设置数据标签
def shuju_label(x_l,y_l):
for x_i,y_i in zip(x_l,y_l):
plt.annotate(f"{(y_i)}",xy=(x_i,y_i),xytext=(x_i,y_i+50))
shuju_label(l_a,day_12)
shuju_label(l_b,day_13)
shuju_label(l_c,day_14)
设置标签与标题
plt.xlabel(“电影”)
plt.ylabel(“票房”,)
plt.title(“万达影院12日至14日电影票房”)
保存图片
plt.savefig(“作业003.jpg”)
plt.show()