資料視覺化實戰手冊：從原則掌握到溝通精通的完整旅程

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

# 設定中文字型
plt.rcParams['font.sans-serif'] = ['Microsoft JhengHei']
plt.rcParams['axes.unicode_minus'] = False

# 建立示範資料集
np.random.seed(42)
categories = ['產品A', '產品B', '產品C', '產品D', '產品E']
values = np.random.randint(15, 85, size=5)

# 視覺編碼效能比較示範
fig, axes = plt.subplots(2, 3, figsize=(18, 10))
fig.suptitle('視覺編碼方式效能比較', fontsize=16, fontweight='bold')

# 1. 位置編碼 - 點圖(最準確)
axes[0, 0].scatter(range(len(categories)), values, s=200, color='steelblue')
axes[0, 0].set_xticks(range(len(categories)))
axes[0, 0].set_xticklabels(categories)
axes[0, 0].set_ylabel('數值')
axes[0, 0].set_title('位置編碼(點圖)\n準確度: 最高', fontweight='bold')
axes[0, 0].grid(True, alpha=0.3, axis='y')

# 2. 長度編碼 - 長條圖(高準確)
axes[0, 1].bar(categories, values, color='lightcoral')
axes[0, 1].set_ylabel('數值')
axes[0, 1].set_title('長度編碼(長條圖)\n準確度: 高', fontweight='bold')
axes[0, 1].grid(True, alpha=0.3, axis='y')

# 3. 角度編碼 - 圓餅圖(中等準確)
axes[0, 2].pie(values, labels=categories, autopct='%1.1f%%', 
              colors=sns.color_palette("husl", len(categories)))
axes[0, 2].set_title('角度編碼(圓餅圖)\n準確度: 中等', fontweight='bold')

# 4. 面積編碼 - 氣泡圖(較低準確)
sizes = values * 50
axes[1, 0].scatter(range(len(categories)), [1]*len(categories), 
                  s=sizes, alpha=0.6, color='green')
axes[1, 0].set_xticks(range(len(categories)))
axes[1, 0].set_xticklabels(categories)
axes[1, 0].set_ylim(0.5, 1.5)
axes[1, 0].set_yticks([])
axes[1, 0].set_title('面積編碼(氣泡圖)\n準確度: 較低', fontweight='bold')

# 5. 顏色飽和度編碼(較低準確)
colors = plt.cm.Blues(np.linspace(0.3, 1, len(categories)))
axes[1, 1].bar(categories, [1]*len(categories), 
              color=[colors[i] for i in np.argsort(values)])
axes[1, 1].set_ylim(0, 1.2)
axes[1, 1].set_yticks([])
axes[1, 1].set_title('顏色飽和度編碼\n準確度: 較低', fontweight='bold')
# 添加數值標籤
for i, (cat, val) in enumerate(zip(categories, sorted(values))):
    axes[1, 1].text(i, 0.5, str(val), ha='center', va='center', 
                   fontsize=12, fontweight='bold')

# 6. 組合編碼 - 位置 + 顏色
norm_values = (values - values.min()) / (values.max() - values.min())
colors_gradient = plt.cm.RdYlGn(norm_values)
axes[1, 2].bar(categories, values, color=colors_gradient)
axes[1, 2].set_ylabel('數值')
axes[1, 2].set_title('組合編碼(位置+顏色)\n準確度: 最高 + 額外資訊', fontweight='bold')
axes[1, 2].grid(True, alpha=0.3, axis='y')

plt.tight_layout()
plt.savefig('visual_encoding_comparison.png', dpi=300, bbox_inches='tight')
plt.show()

# 視覺編碼效能排序
print("=== 視覺編碼準確度排序(由高到低) ===")
print("1. 位置(共同尺度上)")
print("2. 位置(非共同尺度)")
print("3. 長度、方向、角度")
print("4. 面積")
print("5. 體積、曲率")
print("6. 陰影、顏色飽和度")

import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
import numpy as np

# 建立示範資料
np.random.seed(42)
dates = pd.date_range('2024-01-01', periods=365, freq='D')
products = ['產品A', '產品B', '產品C', '產品D']
regions = ['北區', '中區', '南區', '東區']

# 生成銷售資料
sales_data = []
for date in dates:
    for product in products:
        for region in regions:
            sales = np.random.normal(
                loc=np.random.randint(8000, 12000),
                scale=1500
            )
            sales_data.append({
                '日期': date,
                '產品': product,
                '區域': region,
                '銷售額': max(0, sales),
                '銷售量': max(0, int(sales / 500))
            })

df = pd.DataFrame(sales_data)

# 建立互動式儀表板
fig = make_subplots(
    rows=2, cols=2,
    subplot_titles=('銷售趨勢分析', '產品銷售佔比', 
                   '區域銷售分佈', '銷售額與銷售量關係'),
    specs=[[{"type": "scatter"}, {"type": "pie"}],
           [{"type": "bar"}, {"type": "scatter"}]],
    vertical_spacing=0.12,
    horizontal_spacing=0.1
)

# 子圖1: 時間序列 - 帶有範圍選擇器
for product in products:
    product_data = df[df['產品'] == product].groupby('日期')['銷售額'].sum().reset_index()
    fig.add_trace(
        go.Scatter(
            x=product_data['日期'],
            y=product_data['銷售額'],
            name=product,
            mode='lines',
            hovertemplate='<b>%{fullData.name}</b><br>' +
                         '日期: %{x|%Y-%m-%d}<br>' +
                         '銷售額: NT$ %{y:,.0f}<br>' +
                         '<extra></extra>'
        ),
        row=1, col=1
    )

# 子圖2: 圓餅圖 - 產品銷售佔比
product_total = df.groupby('產品')['銷售額'].sum()
fig.add_trace(
    go.Pie(
        labels=product_total.index,
        values=product_total.values,
        hole=0.4,
        hovertemplate='<b>%{label}</b><br>' +
                     '銷售額: NT$ %{value:,.0f}<br>' +
                     '佔比: %{percent}<br>' +
                     '<extra></extra>'
    ),
    row=1, col=2
)

# 子圖3: 長條圖 - 區域銷售分佈
region_total = df.groupby('區域')['銷售額'].sum().sort_values(ascending=True)
fig.add_trace(
    go.Bar(
        y=region_total.index,
        x=region_total.values,
        orientation='h',
        marker_color='lightblue',
        hovertemplate='<b>%{y}</b><br>' +
                     '銷售額: NT$ %{x:,.0f}<br>' +
                     '<extra></extra>'
    ),
    row=2, col=1
)

# 子圖4: 散點圖 - 銷售額與銷售量關係
for product in products:
    product_data = df[df['產品'] == product]
    fig.add_trace(
        go.Scatter(
            x=product_data['銷售量'],
            y=product_data['銷售額'],
            name=product,
            mode='markers',
            marker=dict(size=5, opacity=0.6),
            hovertemplate='<b>%{fullData.name}</b><br>' +
                         '銷售量: %{x}<br>' +
                         '銷售額: NT$ %{y:,.0f}<br>' +
                         '<extra></extra>',
            showlegend=False
        ),
        row=2, col=2
    )

# 更新佈局 - 加入互動控制
fig.update_layout(
    title_text="互動式銷售分析儀表板",
    title_font_size=20,
    showlegend=True,
    height=900,
    hovermode='closest',
    # 加入範圍選擇器
    xaxis=dict(
        rangeselector=dict(
            buttons=list([
                dict(count=1, label="1個月", step="month", stepmode="backward"),
                dict(count=3, label="3個月", step="month", stepmode="backward"),
                dict(count=6, label="6個月", step="month", stepmode="backward"),
                dict(label="全部", step="all")
            ]),
            bgcolor="lightgray",
            activecolor="steelblue"
        ),
        rangeslider=dict(visible=True),
        type="date"
    )
)

# 更新軸標籤
fig.update_xaxes(title_text="日期", row=1, col=1)
fig.update_yaxes(title_text="銷售額 (NT$)", row=1, col=1)
fig.update_xaxes(title_text="銷售額 (NT$)", row=2, col=1)
fig.update_yaxes(title_text="區域", row=2, col=1)
fig.update_xaxes(title_text="銷售量", row=2, col=2)
fig.update_yaxes(title_text="銷售額 (NT$)", row=2, col=2)

# 儲存互動式HTML
fig.write_html('interactive_dashboard.html')
print("互動式儀表板已儲存至 interactive_dashboard.html")
print("\n互動功能說明:")
print("1. 時間序列圖: 使用範圍選擇器快速切換時間窗口")
print("2. 所有圖表: 懸停查看詳細資訊")
print("3. 圖例: 點擊產品名稱顯示/隱藏該產品數據")
print("4. 縮放與平移: 使用滑鼠滾輪與拖曳操作")