### 使用 Matplotlib 和 Seaborn 进行两个地区不同种类图书采购情况的数据分析 为了实现对两个地区不同种类图书采购情况进行可视化，可以通过 Python 的 `Matplotlib` 和 `Seaborn` 庌来完成。以下是具体的方法： #### 数据准备 假设我们有如下数据结构： | 地区 | 类型 | 数量 | |------|----------|------| | A | 小说 | 100 | | A | 科幻 | 80 | | A | 历史 | 70 | | B | 小说 | 90 | | B | 科幻 | 120 | | B | 历史 | 60 | 这种数据可以用 Pandas DataFrame 表示。 ```python import pandas as pd data = { '地区': ['A', 'A', 'A', 'B', 'B', 'B'], '类型': ['小说', '科幻', '历史', '小说', '科幻', '历史'], '数量': [100, 80, 70, 90, 120, 60] } df = pd.DataFrame(data) print(df) ``` #### 绘制条形图 (Bar Plot) 条形图是一种常用的方式来对比不同类别的数值差异。这里我们可以使用 Seaborn 来绘制分组条形图。 ```python import seaborn as sns import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) sns.barplot(x='类型', y='数量', hue='地区', data=df, palette="muted") # 使用颜色区分地区 plt.title('两个地区不同种类图书采购情况') # 设置图表标题[^2] plt.xlabel('图书类型') # X轴标签 plt.ylabel('采购数量') # Y轴标签 plt.show() ``` 这段代码会生成一个条形图，其中 X 轴表示图书类型，Y 轴表示采购数量，而不同的颜色代表不同的地区。 #### 绘制堆叠柱状图 (Stacked Bar Chart) 如果希望在同一根柱子上显示每个地区的数据，则可以考虑堆叠柱状图。 ```python pivot_df = df.pivot(index='类型', columns='地区', values='数量') pivot_df.plot(kind='bar', stacked=True, figsize=(10, 6), colormap='tab10') plt.title('两个地区不同种类图书采购情况(堆叠)') plt.xlabel('图书类型') plt.ylabel('采购数量') plt.legend(title='地区') plt.show() ``` 此代码先将原始数据转换为透视表形式以便于绘图操作，并利用 Matplotlib 提供的功能创建堆叠柱状图[^1]。 #### 结论 上述两种方式都可以有效地展示两个地区对于各类书籍的需求状况。选择哪种取决于个人偏好以及想要传达的信息重点。