Hier is een voorbeeld van Python-code die een Matplotlib-visualisatie maakt van maandelijkse verkoopcijfers voor verschillende producten, met benadrukking van datapunten die belangrijke drempels overschrijden of eronder blijven. Je kunt de drempelwaarden en kleuren aanpassen naar wens: ```python import matplotlib.pyplot as plt import pandas as pd import numpy as np # Voorbeeld dataset data = { 'Maand': pd.date_range(start='2023-01-01', periods=12, freq='M'), 'Product_A': [5000, 7000, 6500, 8000, 6000, 9000, 9500, 8500, 10000, 10500, 9800, 11000], 'Product_B': [3000, 4000, 3700, 4100, 3900, 4200, 4500, 4300, 4700, 4900, 4800, 5100], # Voeg meer producten toe indien nodig } df = pd.DataFrame(data) # Stel de drempels in drempel_boven = 10000 # Bijvoorbeeld voor totale verkoop # Bereken totale verkoop per maand df['Totaal_verkoop'] = df[['Product_A', 'Product_B']].sum(axis=1) # Plot maken plt.figure(figsize=(12, 6)) plt.plot(df['Maand'], df['Totaal_verkoop'], label='Totale Verkoop', marker='o') # Kleur en annotaties voor punten boven en onder de drempel for index, row in df.iterrows(): verkoop = row['Totaal_verkoop'] maand = row['Maand'] if verkoop >= drempel_boven: kleur = ' groen' label = 'Boven drempel' marker = 'o' else: kleur = ' oranje' label = 'Onder drempel' marker = 'o' # Tekst annotatie toevoegen plt.scatter(maand, verkoop, color=kleur.strip(), s=100) plt.annotate(f'{verkoop}', (maand, verkoop), textcoords="offset points", xytext=(0,10), ha='center', color=kleur.strip()) # Drempellijn tekenen plt.axhline(drempel_boven, color='red', linestyle='--', label=f'Drempel {drempel_boven}') # Legenda en labels plt.xlabel('Maand') plt.ylabel('Verkoop in euro') plt.title('Maandelijkse verkoopcijfers met drempel') plt.legend() plt.tight_layout() plt.show() ``` **Toelichting:** - Pas de dataset aan volgens jouw gegevens. - Stel de gewenste drempel(s) in (`drempel_boven`). - De punten boven de drempel worden groen, onder de oranje, met annotaties voor de exacte waarden. - De rode stippellijn geeft de drempel visueel weer. Als je meerdere belangrijke statistieken hebt, kun je vergelijkbare drempels instellen en meerdere grafieken of kleuren gebruiken.

Hier is een Python-codevoorbeeld met Matplotlib voor uw maandelijkse verkoopvisualisatie met drempelwaarden: ```python import matplotlib.pyplot as plt import pandas as pd import numpy as np # Voorbeeld dataset (vervang dit met uw eigen data) data = { 'Maand': ['Jan', 'Feb', 'Mrt', 'Apr', 'Mei', 'Jun', 'Jul', 'Aug', 'Sep', 'Okt', 'Nov', 'Dec'], 'Product_A': [12000, 15000, 13000, 11000, 16000, 14000, 17000, 15500, 12500, 13500, 14500, 15000], 'Product_B': [8000, 9500, 8700, 9200, 10500, 9800, 11200, 10700, 8900, 9400, 10100, 9900], 'Product_C': [5000, 6200, 5800, 5400, 7100, 6700, 7500, 6900, 5600, 6100, 6500, 6300] } df = pd.DataFrame(data) # Bereken totale verkoopopbrengst per maand df['Totale_Opbrengst'] = df['Product_A'] + df['Product_B'] + df['Product_C'] # Stel drempelwaarden in drempel_hoog = 30000 # Groene markering drempel_laag = 25000 # Oranje markering # AANPASBARE KLEUREN kleur_boven_drempel = 'green' # Voor waarden boven drempel_hoog kleur_onder_drempel = 'orange' # Voor waarden onder drempel_laag kleur_normaal = 'blue' # Voor waarden tussen drempels # Maak de visualisatie fig, ax = plt.subplots(figsize=(12, 7)) # Categoriseer punten op basis van drempelwaarden kleuren = [] for opbrengst in df['Totale_Opbrengst']: if opbrengst >= drempel_hoog: kleuren.append(kleur_boven_drempel) elif opbrengst <= drempel_laag: kleuren.append(kleur_onder_drempel) else: kleuren.append(kleur_normaal) # Plot de totale opbrengst met kleurcodering bars = ax.bar(df['Maand'], df['Totale_Opbrengst'], color=kleuren, alpha=0.7) # Voeg annotaties toe voor bijzondere punten for i, (maand, opbrengst, kleur) in enumerate(zip(df['Maand'], df['Totale_Opbrengst'], kleuren)): if kleur in [kleur_boven_drempel, kleur_onder_drempel]: ax.annotate(f'€{opbrengst:,.0f}', xy=(i, opbrengst), xytext=(0, 10), textcoords='offset points', ha='center', fontweight='bold', bbox=dict(boxstyle='round,pad=0.3', facecolor=kleur, alpha=0.7)) # Voeg drempellijnen toe ax.axhline(y=drempel_hoog, color=kleur_boven_drempel, linestyle='--', alpha=0.7, label=f'Hoge drempel (€{drempel_hoog:,.0f})') ax.axhline(y=drempel_laag, color=kleur_onder_drempel, linestyle='--', alpha=0.7, label=f'Lage drempel (€{drempel_laag:,.0f})') # Styling en labels ax.set_title('Maandelijkse Verkoopopbrengsten met Drempelwaarden', fontsize=14, fontweight='bold') ax.set_xlabel('Maand', fontweight='bold') ax.set_ylabel('Totale Opbrengst (€)', fontweight='bold') ax.legend() ax.grid(True, alpha=0.3) # Format y-axis voor geldwaarden ax.yaxis.set_major_formatter(plt.FuncFormatter(lambda x, p: f'€{x:,.0f}')) plt.xticks(rotation=45) plt.tight_layout() plt.show() # Optioneel: Toon statistieken print(f"\nStatistieken:") print(f"Gemiddelde opbrengst: €{df['Totale_Opbrengst'].mean():,.0f}") print(f"Hoogste opbrengst: €{df['Totale_Opbrengst'].max():,.0f}") print(f"Laagste opbrengst: €{df['Totale_Opbrengst'].min():,.0f}") print(f"Aantal maanden boven hoge drempel: {sum(df['Totale_Opbrengst'] >= drempel_hoog)}") print(f"Aantal maanden onder lage drempel: {sum(df['Totale_Opbrengst'] <= drempel_laag)}") ``` **Aanpasopties die u kunt wijzigen:** 1. **Drempelwaarden**: Pas `drempel_hoog` en `drempel_laag` aan 2. **Kleuren**: Wijzig de variabelen `kleur_boven_drempel`, `kleur_onder_drempel`, `kleur_normaal` 3. **Annotaties**: Verwijder of pas de annotatie-lus aan naar wens 4. **Dataset**: Vervang de voorbeelddata met uw eigen DataFrame **Extra functionaliteiten:** - Gestippelde lijnen tonen de drempelwaarden - Annotaties alleen voor bijzondere punten (boven/onder drempels) - Geldformattering op de y-as - Statistieken worden getoond in de console U kunt eenvoudig de kleuren en drempelwaarden aanpassen volgens uw specifieke vereisten.