# 示例代码：数据导入
import pandas as pd

# 从Excel导入数据
data = pd.read_excel("your_data.xlsx")

# 打印前几行数据
print(data.head())

# 示例代码：数据拟合
from scipy.optimize import curve_fit
import numpy as np

# 定义拟合函数
def func(x, a, b):
    return a * x + b

# 从数据中获取x和y
x = data['x'].values
y = data['y'].values

# 进行曲线拟合
params, covariance = curve_fit(func, x, y)

# 打印拟合参数
print("拟合参数:", params)

# 示例代码：绘制散点图
import matplotlib.pyplot as plt

plt.scatter(x, y)
plt.title('散点图')
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.show()

# 示例代码：自定义图表
import matplotlib.pyplot as plt

plt.plot(x, y)
plt.title('自定义折线图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.grid(True)

# 添加注释
plt.annotate('拐点', xy=(2, 3), xytext=(3, 4),
             arrowprops=dict(facecolor='red', shrink=0.05))
plt.show()

# 示例代码：多图层绘图
import matplotlib.pyplot as plt

plt.plot(x, y, label='数据集1')
plt.plot(x, y**2, label='数据集2')
plt.title('多图层折线图')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.show()

# 示例代码：统计分析
import numpy as np

mean_value = np.mean(y)
std_dev = np.std(y)

print("均值:", mean_value)
print("标准差:", std_dev)

# 示例代码：使用Python脚本进行绘图
import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('使用Python脚本的折线图')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
plt.show()

# 示例代码：三维绘图
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(x, y, z)
ax.set_title('三维散点图')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')
plt.show()

# 示例代码：大数据可视化
import seaborn as sns

# 利用Seaborn绘制热图
sns.heatmap(data.corr(), annot=True, cmap='coolwarm')
plt.title('数据集相关性热图')
plt.show()

# 示例代码：交互式图表
import plotly.express as px

fig = px.scatter(data, x='x', y='y', size='z', color='category', hover_name='label')
fig.update_layout(title='交互式散点图')
fig.show()

# 示例代码：图表输出
fig.savefig('scatter_plot.png', dpi=300)