Визуализация данных с Python: от графиков до интерактивных дашбордов

pip install numpy pandas matplotlib seaborn plotly jupyter

python -m venv viz_env
source viz_env/bin/activate # На Windows: viz_env\Scripts\activate

jupyter notebook

%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('seaborn-whitegrid')
plt.rcParams['figure.figsize'] = (12, 6)
plt.rcParams['font.size'] = 12

import os
if not os.path.exists('visualizations'):
os.makedirs('visualizations')

import numpy as np

x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x))
plt.title('Тестовый график: синусоида')
plt.savefig('visualizations/test_plot.png', dpi=300)
plt.show()

import matplotlib.pyplot as plt
import numpy as np

# Создаем данные
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# Создаем график
plt.figure(figsize=(10, 6))
plt.plot(x, y1, 'b-', label='sin(x)') # синяя сплошная линия
plt.plot(x, y2, 'r--', label='cos(x)') # красная пунктирная линия

# Добавляем оформление
plt.title('Синус и косинус')
plt.xlabel('x')
plt.ylabel('y')
plt.grid(True)
plt.legend()

# Показываем результат
plt.savefig('visualizations/sin_cos.png')
plt.show()

# Генерируем случайные данные
data = np.random.randn(1000)

# Строим гистограмму
plt.figure(figsize=(10, 6))
plt.hist(data, bins=30, alpha=0.7, color='skyblue')
plt.title('Распределение случайных данных')
plt.xlabel('Значение')
plt.ylabel('Частота')
plt.grid(True, alpha=0.3)
plt.show()

categories = ['A', 'B', 'C', 'D', 'E']
values = [22, 35, 14, 28, 19]

plt.figure(figsize=(10, 6))
plt.bar(categories, values, color='coral')
plt.title('Сравнение категорий')
plt.xlabel('Категория')
plt.ylabel('Значение')
plt.show()

import seaborn as sns

# Загружаем встроенный набор данных
tips = sns.load_dataset('tips')

# Создаем диаграмму рассеяния с линией регрессии
plt.figure(figsize=(10, 6))
sns.regplot(x='total_bill', y='tip', data=tips, scatter_kws={'alpha':0.5})
plt.title('Зависимость чаевых от суммы счета')
plt.xlabel('Сумма счета')
plt.ylabel('Чаевые')
plt.grid(True, alpha=0.3)
plt.show()

plt.figure(figsize=(12, 7))
sns.boxplot(x='day', y='total_bill', hue='sex', data=tips, palette='pastel')
plt.title('Распределение счетов по дням недели и полу клиентов')
plt.show()

fig, axes = plt.subplots(2, 2, figsize=(12, 10))

# Верхний левый график – линейный
axes[0, 0].plot(x, np.sin(x), 'b-')
axes[0, 0].set_title('Синусоида')

# Верхний правый график – гистограмма
axes[0, 1].hist(np.random.randn(1000), bins=30, color='green', alpha=0.7)
axes[0, 1].set_title('Гистограмма')

# Нижний левый график – scatter plot
axes[1, 0].scatter(np.random.randn(100), np.random.randn(100), alpha=0.7)
axes[1, 0].set_title('Диаграмма рассеяния')

# Нижний правый график – bar chart
axes[1, 1].bar(['A', 'B', 'C', 'D'], [10, 7, 5, 8], color='purple')
axes[1, 1].set_title('Столбчатая диаграмма')

plt.tight_layout()
plt.show()

# Загружаем набор данных о цветах ириса
iris = sns.load_dataset('iris')

# Вычисляем матрицу корреляций
corr = iris.drop('species', axis=1).corr()

# Визуализируем матрицу корреляций
plt.figure(figsize=(10, 8))
sns.heatmap(corr, annot=True, cmap='coolwarm', vmin=-1, vmax=1, linewidths=.5)
plt.title('Матрица корреляций признаков ириса')
plt.show()

sns.pairplot(iris, hue='species', height=2.5)
plt.suptitle('Взаимосвязи между признаками ириса', y=1.02)
plt.show()

import plotly.express as px
import plotly.graph_objects as go
import numpy as np
import pandas as pd

# Подготовим данные
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Создадим интерактивный график с помощью Plotly Express
fig = px.line(x=x, y=y, labels={'x':'X ось', 'y':'sin(x)'}, 
title='Интерактивный график синусоиды')
fig.show()

# Создадим датафрейм для демонстрации
df = pd.DataFrame({
'x': np.random.normal(0, 1, 1000),
'y': np.random.normal(0, 1, 1000),
'category': np.random.choice(['A', 'B', 'C'], 1000),
'size': np.random.uniform(10, 100, 1000)
})

# Создаем интерактивную диаграмму рассеяния
fig = px.scatter(df, x='x', y='y', color='category', size='size',
color_discrete_sequence=px.colors.qualitative.Pastel,
title='Интерактивная диаграмма рассеяния с категориями',
hover_name='category',
hover_data=['size'],
opacity=0.7)

# Добавляем кастомизацию
fig.update_layout(
plot_bgcolor='white',
xaxis=dict(title='X-координата', gridcolor='lightgray'),
yaxis=dict(title='Y-координата', gridcolor='lightgray')
)

fig.show()

# Генерируем случайные данные из разных распределений
df_hist = pd.DataFrame({
'Нормальное': np.random.normal(0, 1, 1000),
'Равномерное': np.random.uniform(-3, 3, 1000),
'Экспоненциальное': np.random.exponential(1, 1000)
})

# Преобразуем в формат длинной таблицы для Plotly
df_hist_long = df_hist.melt(var_name='Распределение', value_name='Значение')

# Создаем интерактивную гистограмму
fig = px.histogram(df_hist_long, x='Значение', color='Распределение', 
barmode='overlay', opacity=0.7,
marginal='box', # добавляем box plot на полях
title='Сравнение различных распределений',
color_discrete_sequence=px.colors.qualitative.Bold)

fig.update_layout(
xaxis_title='Значение',
yaxis_title='Частота',
legend_title='Тип распределения'
)

fig.show()

# Создаем данные для карты (пример с городами России)
cities = pd.DataFrame({
'city': ['Москва', 'Санкт-Петербург', 'Новосибирск', 'Екатеринбург', 'Казань'],
'lat': [55\.7558, 59.9343, 55.0084, 56.8389, 55.7887],
'lon': [37\.6173, 30.3351, 82.9357, 60.6057, 49.1221],
'population': [12\.6, 5.4, 1.6, 1.5, 1.2], # в миллионах
'growth': [0\.2, 0.15, 0.08, 0.11, 0.09] # годовой прирост в %
})

# Создаем интерактивную карту
fig = px.scatter_mapbox(cities, 
lat='lat', 
lon='lon', 
size='population',
color='growth',
hover_name='city',
color_continuous_scale='Viridis',
size_max=15,
zoom=3,
title='Крупнейшие города России')

fig.update_layout(mapbox_style='open-street-map')
fig.update_layout(margin={"r":0,"t":50,"l":0,"b":0})
fig.show()

# Создаем данные для 3D-поверхности
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# Создаем 3D-поверхность
fig = go.Figure(data=[go.Surface(z=Z, x=x, y=y)])
fig.update_layout(title='3D-поверхность: sin(sqrt(x² + y²))',
scene=dict(
xaxis_title='X',
yaxis_title='Y',
zaxis_title='Z'
))
fig.show()

from plotly.subplots import make_subplots

# Создаем подграфики
fig = make_subplots(
rows=2, cols=2,
specs=[[{"type": "scatter"}, {"type": "histogram"}],
[{"type": "bar"}, {"type": "pie"}]],
subplot_titles=('Линейный график', 'Гистограмма', 'Столбчатая диаграмма', 'Круговая диаграмма')
)

# Добавляем линейный график
fig.add_trace(
go.Scatter(x=list(range(10)), y=np.random.randn(10).cumsum(), mode='lines+markers'),
row=1, col=1
)

# Добавляем гистограмму
fig.add_trace(
go.Histogram(x=np.random.randn(500), nbinsx=30),
row=1, col=2
)

# Добавляем столбчатую диаграмму
fig.add_trace(
go.Bar(x=['A', 'B', 'C', 'D'], y=[10, 15, 7, 12]),
row=2, col=1
)

# Добавляем круговую диаграмму
fig.add_trace(
go.Pie(labels=['Категория A', 'Категория B', 'Категория C'], 
values=[30, 40, 30]),
row=2, col=2
)

fig.update_layout(
height=800,
width=1000,
title_text='Интерактивный дашборд с разными типами графиков',
showlegend=False
)

fig.show()

# Создаем данные для анимированного графика
df_animation = pd.DataFrame()
for year in range(1990, 2020):
df_temp = pd.DataFrame({
'year': year,
'country': ['USA', 'China', 'India', 'Germany', 'Japan'],
'gdp': np.random.uniform(100, 1000, 5) * (1 + (year – 1990) * 0.05),
'population': np.random.uniform(10, 100, 5) * (1 + (year – 1990) * 0.01),
'continent': ['North America', 'Asia', 'Asia', 'Europe', 'Asia']
})
df_animation = pd.concat([df_animation, df_temp])

# Создаем анимированный пузырьковый график
fig = px.scatter(df_animation, 
x='gdp', 
y='population', 
size='gdp', 
color='continent',
animation_frame='year', 
animation_group='country',
hover_name='country',
size_max=60,
range_x=[0, 2000],
range_y=[0, 200],
title='Динамика ВВП и населения по странам (1990-2019)')

fig.update_layout(
xaxis_title='ВВП (условные единицы)',
yaxis_title='Население (миллионы)'
)

fig.show()

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

# Загружаем набор данных о продажах по регионам
# Для примера создадим синтетические данные
np.random.seed(42)
dates = pd.date_range('2020-01-01', '2022-12-31', freq='D')
regions = ['Центр', 'Север', 'Юг', 'Восток', 'Запад']

sales_data = pd.DataFrame()
for region in regions:
region_sales = pd.DataFrame({
'date': dates,
'region': region,
'sales': np.random.normal(1000, 200, len(dates)) * 
(1 + 0.1 * np.sin(np.arange(len(dates)) / 30)) * # сезонность
(1 + 0.01 * (np.arange(len(dates)) / 100)) # тренд роста
})
sales_data = pd.concat([sales_data, region_sales])

# Добавим категориальные данные
sales_data['day_of_week'] = sales_data['date'].dt.day_name()
sales_data['month'] = sales_data['date'].dt.month_name()
sales_data['year'] = sales_data['date'].dt.year
sales_data['is_weekend'] = sales_data['date'].dt.dayofweek >= 5

# Взглянем на данные
print(sales_data.head())

# Агрегируем данные по месяцам
monthly_sales = sales_data.groupby(['year', 'month', 'region'])['sales'].mean().reset_index()
# Преобразуем month и year в datetime для корректного отображения на графике
monthly_sales['date'] = pd.to_datetime(monthly_sales['year'].astype(str) + '-' + 
monthly_sales['month'].str[:3], format='%Y-%b')
monthly_sales = monthly_sales.sort_values('date')

# Создаем график продаж по регионам с течением времени
plt.figure(figsize=(14, 8))
for region in regions:
region_data = monthly_sales[monthly_sales['region'] == region]
plt.plot(region_data['date'], region_data['sales'], label=region, linewidth=2)

plt.title('Динамика продаж по регионам (2020-2022)', fontsize=16)
plt.xlabel('Дата', fontsize=14)
plt.ylabel('Средние продажи', fontsize=14)
plt.grid(True, alpha=0.3)
plt.legend(fontsize=12)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

# Агрегируем данные по дням недели
weekday_sales = sales_data.groupby(['region', 'day_of_week'])['sales'].mean().reset_index()

# Правильный порядок дней недели
day_order = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday']
weekday_sales['day_of_week'] = pd.Categorical(weekday_sales['day_of_week'], 
categories=day_order, 
ordered=True)
weekday_sales = weekday_sales.sort_values('day_of_week')

# Создаем heatmap продаж по дням недели и регионам
plt.figure(figsize=(12, 8))
weekday_pivot = weekday_sales.pivot(index='region', columns='day_of_week', values='sales')
sns.heatmap(weekday_pivot, annot=True, fmt='.0f', cmap='YlGnBu', linewidths=0.5)
plt.title('Средние продажи по регионам и дням недели', fontsize=16)
plt.xlabel('День недели', fontsize=14)
plt.ylabel('Регион', fontsize=14)
plt.tight_layout()
plt.show()

# Анализ годовых продаж по регионам с помощью встроенных методов pandas
yearly_sales = sales_data.groupby(['year', 'region'])['sales'].mean().reset_index()
yearly_sales_pivot = yearly_sales.pivot(index='year', columns='region', values='sales')

# Используем встроенную визуализацию pandas
yearly_sales_pivot.plot(kind='bar', figsize=(12, 7), width=0.8)
plt.title('Сравнение средних продаж по годам и регионам', fontsize=16)
plt.xlabel('Год', fontsize=14)
plt.ylabel('Средние продажи', fontsize=14)
plt.legend(title='Регион', fontsize=12)
plt.grid(True, axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

# Анализ сезонности продаж
month_order = ['January', 'February', 'March', 'April', 'May', 'June', 
'July', 'August', 'September', 'October', 'November', 'December']
monthly_total = sales_data.groupby(['month', 'year'])['sales'].mean().reset_index()
monthly_total['month'] = pd.Categorical(monthly_total['month'], 
categories=month_order, 
ordered=True)
monthly_total = monthly_total.sort_values(['year', 'month'])

# Создаем боксплот для анализа сезонности
plt.figure(figsize=(14, 8))
sns.boxplot(x='month', y='sales', data=monthly_total, palette='viridis')
plt.title('Распределение продаж по месяцам (2020-2022)', fontsize=16)
plt.xlabel('Месяц', fontsize=14)
plt.ylabel('Средние продажи', fontsize=14)
plt.xticks(rotation=45)
plt.grid(True, axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

# Создадим дополнительные метрики для анализа
sales_data['sales_variance'] = sales_data.groupby(['region', 'month'])['sales'].transform(lambda x: x.std())
sales_data['sales_to_variance_ratio'] = sales_data['sales'] / sales_data['sales_variance'].replace(0, 1)

# Используем pairplot для изучения взаимосвязей
sample_data = sales_data.sample(1000) # Берем подвыборку для визуализации
sns.pairplot(sample_data, 
vars=['sales', 'sales_variance', 'sales_to_variance_ratio'],
hue='region', 
diag_kind='kde', 
plot_kws={'alpha': 0.6})
plt.suptitle('Взаимосвязи между метриками продаж по регионам', y=1.02, fontsize=16)
plt.show()

# Сравнение распределений продаж в выходные и будние дни
plt.figure(figsize=(12, 7))
sns.histplot(data=sales_data, x='sales', hue='is_weekend', 
multiple='stack', bins=50, kde=True)
plt.title('Распределение продаж: выходные vs будни', fontsize=16)
plt.xlabel('Объем продаж', fontsize=14)
plt.ylabel('Количество дней', fontsize=14)
plt.grid(True, alpha=0.3)
plt.legend(['Будни', 'Выходные'])
plt.tight_layout()
plt.show()

# Анализ тренда продаж
# Создадим общий временной ряд
total_sales_by_date = sales_data.groupby('date')['sales'].sum().reset_index()
total_sales_by_date['rolling_avg'] = total_sales_by_date['sales'].rolling(window=30).mean()

# Визуализируем тренд с помощью скользящего среднего
plt.figure(figsize=(14, 8))
plt.plot(total_sales_by_date['date'], total_sales_by_date['sales'], 
alpha=0.3, label='Ежедневные продажи')
plt.plot(total_sales_by_date['date'], total_sales_by_date['rolling_avg'], 
linewidth=3, color='red', label='30-дневное скользящее среднее')

plt.title('Общий тренд продаж с 30-дневным скользящим средним', fontsize=16)
plt.xlabel('Дата', fontsize=14)
plt.ylabel('Объем продаж', fontsize=14)
plt.grid(True, alpha=0.3)
plt.legend(fontsize=12)
plt.tight_layout()
plt.show()

# Пример плохой визуализации
np.random.seed(42)
data = np.random.randn(5, 3)
categories = ['A', 'B', 'C', 'D', 'E']
metrics = ['Метрика 1', 'Метрика 2', 'Метрика 3']

# Плохая визуализация
plt.figure(figsize=(8, 6))
bars = plt.bar(categories, data[:, 0], width=0.25, label=metrics[0])
bars2 = plt.bar([x + 0.25 for x in range(5)], data[:, 1], width=0.25, label=metrics[1])
bars3 = plt.bar([x + 0.5 for x in range(5)], data[:, 2], width=0.25, label=metrics[2])
plt.title('Сравнение метрик по категориям')
plt.legend()
plt.tight_layout()
plt.show()

# Улучшенная визуализация
plt.figure(figsize=(10, 7))
x = np.arange(len(categories))
width = 0.25

fig, ax = plt.subplots(figsize=(12, 7))
rects1 = ax.bar(x – width, data[:, 0], width, label=metrics[0], color='#3274A1')
rects2 = ax.bar(x, data[:, 1], width, label=metrics[1], color='#E1812C')
rects3 = ax.bar(x + width, data[:, 2], width, label=metrics[2], color='#3A923A')

# Добавляем элементы оформления
ax.set_title('Сравнение ключевых метрик по категориям', fontsize=16)
ax.set_xlabel('Категории', fontsize=14)
ax.set_ylabel('Значения', fontsize=14)
ax.set_xticks(x)
ax.set_xticklabels(categories)
ax.legend(fontsize=12)

# Добавляем сетку только по оси Y для улучшения восприятия
ax.yaxis.grid(True, linestyle='--', alpha=0.7)
ax.set_axisbelow(True) # сетка под графиками, а не над ними

# Добавляем значения на столбцы
def add_labels(rects):
for rect in rects:
height = rect.get_height()
if height >= 0:
ax.annotate(f'{height:.2f}',
xy=(rect.get_x() + rect.get_width() / 2, height),
xytext=(0, 3), # 3 пункта смещения вверх
textcoords="offset points",
ha='center', va='bottom')
else:
ax.annotate(f'{height:.2f}',
xy=(rect.get_x() + rect.get_width() / 2, height),
xytext=(0, -15), # 15 пунктов смещения вниз
textcoords="offset points",
ha='center', va='bottom')

add_labels(rects1)
add_labels(rects2)
add_labels(rects3)

plt.tight_layout()
plt.show()

# Создание и применение собственного стиля
plt.style.use('seaborn-whitegrid')

# Определение кастомных параметров
custom_params = {
'axes.spines.right': False,
'axes.spines.top': False,
'axes.grid': True,
'grid.alpha': 0.3,
'axes.labelsize': 12,
'axes.titlesize': 14,
'xtick.labelsize': 10,
'ytick.labelsize': 10,
'legend.fontsize': 11,
'figure.figsize': (10, 6),
'axes.prop_cycle': plt.cycler('color', ['#3274A1', '#E1812C', '#3A923A', 
'#C03D3E', '#9372B2']),
}

plt.rcParams.update(custom_params)

# Теперь все графики будут использовать эти параметры по умолчанию

def create_time_series_plot(df, date_column, value_columns, title, figsize=(12, 7)):
"""
Создает временной график с несколькими рядами данных

Parameters:
-----------
df : pandas DataFrame
Датафрейм с данными
date_column : str
Имя столбца с датами
value_columns : list
Список столбцов со значениями для отображения
title : str
Заголовок графика
figsize : tuple
Размер фигуры

Returns:
--------
fig, ax : объекты Figure и Axes
"""
fig, ax = plt.subplots(figsize=figsize)

for column in value_columns:
ax.plot(df[date_column], df[column], label=column, linewidth=2)

ax.set_title(title, fontsize=16)
ax.set_xlabel('Дата', fontsize=14)
ax.set_ylabel('Значение', fontsize=14)
ax.grid(True, alpha=0.3)
ax.legend(fontsize=12)

plt.xticks(rotation=45)
plt.tight_layout()

return fig, ax

# Пример использования:
# fig, ax = create_time_series_plot(df, 'date', ['sales', 'profit'], 'Динамика продаж и прибыли')
# plt.show()

import plotly.express as px

def create_interactive_scatter(df, x_column, y_column, color_column=None, 
size_column=None, hover_data=None, title=None):
"""
Создает интерактивную диаграмму рассеяния с Plotly

Parameters:
-----------
df : pandas DataFrame
Датафрейм с данными
x_column, y_column : str
Имена столбцов для осей X и Y
color_column : str, optional
Имя столбца для цветовой кодировки
size_column : str, optional
Имя столбца для определения размера маркеров
hover_data : list, optional
Список столбцов для отображения при наведении
title : str, optional
Заголовок графика

Returns:
--------
fig : plotly Figure object
"""
fig = px.scatter(df, x=x_column, y=y_column, 
color=color_column, size=size_column, 
hover_data=hover_data, title=title)

fig.update_layout(
plot_bgcolor='white',
title_font_size=20,
xaxis=dict(title_font_size=16, tickfont_size=14, gridcolor='lightgray'),
yaxis=dict(title_font_size=16, tickfont_size=14, gridcolor='lightgray'),
legend_title_font_size=14,
legend_font_size=12
)

return fig

# Пример использования:
# fig = create_interactive_scatter(df, 'feature1', 'feature2', 
# color_column='category', 
# hover_data=['id', 'value'], 
# title='Взаимосвязь признаков')
# fig.show()

def optimize_for_presentation(fig, ax):
"""Оптимизирует график для презентаций"""
ax.tick_params(axis='both', which='major', labelsize=14)
ax.xaxis.label.set_fontsize(16)
ax.yaxis.label.set_fontsize(16)
ax.title.set_fontsize(20)
ax.title.set_fontweight('bold')

# Усиление линий графика
for line in ax.lines:
line.set_linewidth(3)

# Усиление сетки для лучшей видимости
ax.grid(True, linestyle='-', linewidth=0.5, alpha=0.5)

fig.tight_layout()
return fig, ax

def optimize_for_print(fig, ax, dpi=300):
"""Оптимизирует график для печати"""
# Увеличиваем разрешение
fig.set_dpi(dpi)

# Используем цвета, которые хорошо выглядят в печати
for i, line in enumerate(ax.lines):
if i == 0:
line.set_color('black')
elif i == 1:
line.set_color('darkgray')
else:
line.set_color(f'C{i}')

# Используем паттерны для различения линий в черно-белой печати
for i, line in enumerate(ax.lines):
if i % 3 == 0:
line.set_linestyle('-')
elif i % 3 == 1:
line.set_linestyle('--')
else:
line.set_linestyle(':')

fig.tight_layout()
return fig, ax