Hier is een voorbeeld van Python-code waarmee je interactieve visualisaties kunt maken met Matplotlib en widgets, afgestemd op jouw dataset en stijlvoorkeuren: ```python import matplotlib.pyplot as plt import pandas as pd import numpy as np from matplotlib.widgets import Slider, Button, CheckButtons # Voorbeeld dataset: vervang dit door je eigen data # DataFrame met kolommen: 'Datum', 'Regio', 'Product', 'Verkoop' dates = pd.date_range('2023-01-01', '2023-12-01', freq='MS') producten = ['Product A', 'Product B', 'Product C'] regio's = ['Regio 1', 'Regio 2', 'Regio 3'] np.random.seed(0) data = [] for regio in regio's: for product in producten: verkoop = np.random.randint(50, 200, size=len(dates)) df_temp = pd.DataFrame({ 'Datum': dates, 'Regio': regio, 'Product': product, 'Verkoop': verkoop }) data.append(df_temp) df = pd.concat(data) # Standaardinstellingen plt.style.use('dark_background') # Maak figuur en assen fig, ax = plt.subplots(figsize=(10, 6)) plt.subplots_adjust(bottom=0.3) # ruimte voor widgets # Initial parameters start_date = df['Datum'].min() eind_date = df['Datum'].max() geselecteerde_producten = producten.copy() # Filter data op basis van start/einddatum en geselecteerde producten def filter_data(): mask = (df['Datum'] >= start_slider.val) & (df['Datum'] <= end_slider.val) & (df['Product'].isin(selected_products)) return df[mask] # Initial plot def plot_data(): ax.clear() filtered_df = filter_data() for regio in regio's: regio_df = filtered_df[filtered_df['Regio'] == regio] for product in geselecteerde_producten: product_df = regio_df[regio_df['Product'] == product] ax.plot(product_df['Datum'], product_df['Verkoop'], label=f'{regio} - {product}') ax.set_title('Maandelijkse verkoopcijfers') ax.set_xlabel('Datum') ax.set_ylabel('Verkoop') ax.legend(fontsize='small') plt.draw() # Initial plot plot_data() # Widgets: Slider voor start- en einddatum ax_start = plt.axes([0.15, 0.2, 0.3, 0.03], facecolor='black') ax_end = plt.axes([0.55, 0.2, 0.3, 0.03], facecolor='black') start_slider = Slider(ax_start, 'Startdatum', mdates.date2num(start_date), mdates.date2num(eind_date), valinit=mdates.date2num(start_date)) end_slider = Slider(ax_end, 'Einddatum', mdates.date2num(start_date), mdates.date2num(eind_date), valinit=mdates.date2num(eind_date)) # Widgets: CheckButtons voor productkeuze ax_check = plt.axes([0.02, 0.4, 0.15, 0.15], facecolor='black') check_labels = producten check = CheckButtons(ax_check, check_labels, [True]*len(producten)) check.label.set(color='white') check.rectangles.set_facecolor('black') for label in check.labels: label.set(color='white') # Function om checkbox veranderingen te verwerken def update_products(label): global geselecteerde_producten if label in geselecteerde_producten: geselecteerde_producten.remove(label) else: geselecteerde_producten.append(label) plot_data() check.on_clicked(update_products) # Functie voor sliders import matplotlib.dates as mdates def update(val): start_date_num = start_slider.val eind_date_num = end_slider.val if start_date_num > eind_date_num: # Zorg dat start niet na eind ligt start_slider.set_val(eind_date_num) start_date_num = eind_date_num plot_data() start_slider.on_changed(update) end_slider.on_changed(update) # Style widgets (witte schuifregelaars en knoppen) for slider in [start_slider, end_slider]: slider.poly.set_facecolor('white') slider.handle.set_facecolor('white') slider.handle.set_edgecolor('white') slider.vline.set_color('white') plt.show() ``` **Uitleg:** - Het gebruikt een donkere achtergrond (`plt.style.use('dark_background')`). - Er zijn sliders voor start- en einddatum, die de datumbereik filteren. - Er is een checkbox-groep om producten te selecteren of deactiveer. - Alle widgets zijn gestyled met witte elementen om goed zichtbaar te zijn op de donkere achtergrond. - De plot wordt automatisch bijgewerkt bij wijzigingen. **Aanpassingen:** - Vervang de voorbeelddataset door jouw gegevens. - Pas de layout en styling aan naar wens. - Voeg bijvoorbeeld dropdowns toe met `matplotlib.widgets.Dropdown` (indien ondersteund) of gebruik andere bibliotheken zoals `ipywidgets` voor Jupyter-notebooks voor meer geavanceerde interactiviteit. Als je verdere hulp nodig hebt bij het aanpassen aan jouw dataset of stijl, laat het gerust weten!

Hier is een complete Python-oplossing met interactieve Matplotlib-widgets voor je verkoopdata: ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt from matplotlib.widgets import Slider, Button, RadioButtons from datetime import datetime, timedelta import matplotlib.dates as mdates # Stel donker thema in plt.style.use('dark_background') # Genereer voorbeelddata (vervang met je eigen dataset) def generate_sample_data(): dates = pd.date_range(start='2023-01-01', end='2024-12-31', freq='M') producten = ['Elektronica', 'Kleding', 'Voeding', 'Huisraad'] regios = ['Noord', 'Zuid', 'Oost', 'West'] data = [] for date in dates: for product in producten: for regio in regios: verkoop = np.random.randint(100, 1000) data.append([date, product, regio, verkoop]) return pd.DataFrame(data, columns=['Datum', 'Product', 'Regio', 'Verkoop']) # Maak dataset df = generate_sample_data() # Creëer figure en axes fig, ax = plt.subplots(figsize=(14, 10)) plt.subplots_adjust(left=0.1, bottom=0.4) # Initialiseer plot def update_plot(start_date, end_date, selected_product, selected_regio): ax.clear() # Filter data op basis van selecties mask = ((df['Datum'] >= start_date) & (df['Datum'] <= end_date) & (df['Product'] == selected_product) & (df['Regio'] == selected_regio)) filtered_df = df[mask].groupby('Datum')['Verkoop'].sum().reset_index() # Plot data ax.plot(filtered_df['Datum'], filtered_df['Verkoop'], 'o-', linewidth=2, markersize=6, color='cyan') # Styling ax.set_title(f'Verkoopcijfers - {selected_product} in {selected_regio}', fontsize=16, fontweight='bold', color='white') ax.set_xlabel('Datum', fontsize=12, color='white') ax.set_ylabel('Verkoopvolume', fontsize=12, color='white') ax.grid(True, alpha=0.3) ax.tick_params(colors='white') # Formatteer x-as voor datums ax.xaxis.set_major_formatter(mdates.DateFormatter('%b %Y')) ax.xaxis.set_major_locator(mdates.MonthLocator(interval=2)) fig.autofmt_xdate() # Initialiseer met standaardwaarden start_date = df['Datum'].min() end_date = df['Datum'].max() selected_product = 'Elektronica' selected_regio = 'Noord' # Maak slider voor startdatum ax_start = plt.axes([0.1, 0.25, 0.8, 0.03], facecolor='#2E2E2E') slider_start = Slider(ax_start, 'Start Datum', df['Datum'].min().timestamp(), df['Datum'].max().timestamp(), valinit=start_date.timestamp(), valfmt='%1.0f', color='white') # Maak slider voor einddatum ax_end = plt.axes([0.1, 0.20, 0.8, 0.03], facecolor='#2E2E2E') slider_end = Slider(ax_end, 'Eind Datum', df['Datum'].min().timestamp(), df['Datum'].max().timestamp(), valinit=end_date.timestamp(), valfmt='%1.0f', color='white') # Maak radio buttons voor productselectie ax_product = plt.axes([0.1, 0.10, 0.2, 0.08], facecolor='#2E2E2E') radio_product = RadioButtons(ax_product, df['Product'].unique(), active=0, activecolor='cyan') # Maak radio buttons regioselectie ax_regio = plt.axes([0.4, 0.10, 0.2, 0.08], facecolor='#2E2E2E') radio_regio = RadioButtons(ax_regio, df['Regio'].unique(), active=0, activecolor='cyan') # Reset knop ax_reset = plt.axes([0.7, 0.10, 0.1, 0.04]) button_reset = Button(ax_reset, 'Reset', color='#2E2E2E', hovercolor='#4F4F4F') # Update functies def update(val): start_date = datetime.fromtimestamp(slider_start.val) end_date = datetime.fromtimestamp(slider_end.val) update_plot(start_date, end_date, selected_product, selected_regio) fig.canvas.draw_idle() def update_product(label): global selected_product selected_product = label update(None) def update_regio(label): global selected_regio selected_regio = label update(None) def reset(event): slider_start.reset() slider_end.reset() radio_product.set_active(0) radio_regio.set_active(0) # Connect events slider_start.on_changed(update) slider_end.on_changed(update) radio_product.on_clicked(update_product) radio_regio.on_clicked(update_regio) button_reset.on_clicked(reset) # Initialiseer plot update_plot(start_date, end_date, selected_product, selected_regio) # Styling voor widgets for text in radio_product.labels + radio_regio.labels: text.set_color('white') text.set_fontsize(10) for slider in [slider_start, slider_end]: slider.label.set_color('white') slider.valtext.set_color('white') plt.show() ``` **Belangrijke aanpassingen voor je eigen data:** 1. **Vervang `generate_sample_data()`** met je eigen data-inlading: ```python # Voorbeeld met echte data df = pd.read_csv('jouw_verkoopdata.csv') df['Datum'] = pd.to_datetime(df['Datum']) ``` 2. **Extra styling opties** die je kunt toevoegen: ```python # Donker thema optimalisaties fig.patch.set_facecolor('#1E1E1E') ax.set_facecolor('#2E2E2E') # Custom kleuren voor lijnen colors = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#F9C80E'] ``` **Functionaliteiten:** - 📅 Datumrange selectie met schuifregelaars - 🏷️ Productcategorie filter met radio buttons - 🌍 Regioselectie met radio buttons - 🔄 Reset knop naar standaardinstellingen - 🎨 Donker thema met witte widgets - 📊 Dynamische updates zonder pagina refresh Deze code geeft je een volledig interactieve dashboard voor je verkoopdata-analyse!