import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # Stel dat je dataset in een DataFrame genaamd df staat # Voorbeeld: df = pd.read_csv('jouw_dataset.csv') # 1. Normaliseer de maandelijkse omzet # Veronderstel dat 'maandelijkse_omzet' de kolomnaam is df['genormaliseerde_omzet'] = (df['maandelijkse_omzet'] - df['maandelijkse_omzet'].mean()) / df['maandelijkse_omzet'].std() # 2. Aggregeer verkochte eenheden per regio # Veronderstel dat 'regio' en 'verkochte_eenheden' de kolomnamen zijn aggregatie = df.groupby('regio')['verkochte_eenheden'].sum().reset_index() # 3. Plotten van de staafdiagram plt.figure(figsize=(10,6)) # Gebruik seaborn voor een mooi kleurenpalet sns.set_theme(style="whitegrid") # Kies een blauw palet palette = sns.color_palette("Blues_d", n_colors=len(aggregatie)) # Plot de staafdiagram ax = sns.barplot(data=aggregatie, x='regio', y='verkochte_eenheden', palette=palette) # Voeg labels en titel toe ax.set_xlabel('Regio') ax.set_ylabel('Verkochte Eenheden') ax.set_title('Verkoopgegevens per Regio') plt.tight_layout() plt.show()

Hier is de Python-code om uw verkoopgegevens te verwerken en te visualiseren: ```python import pandas as pd import matplotlib.pyplot as plt import numpy as np # Stel de stijl en kleuren in plt.style.use('default') blauw_palet = ['#1f77b4', '#4c72b0', '#5d7eb8', '#6e8abf', '#7f96c7', '#90a2cf'] # Voorbeeld dataset (vervang dit met uw eigen data) data = { 'regio': ['Noord', 'Zuid', 'Oost', 'West', 'Noord', 'Zuid', 'Oost', 'West'], 'maandelijkse_omzet': [50000, 75000, 60000, 90000, 55000, 80000, 65000, 95000], 'verkochte_eenheden': [1200, 1800, 1500, 2200, 1300, 1900, 1600, 2400] } df = pd.DataFrame(data) # Datatransformaties # 1. Normaliseer maandelijkse omzet df['genormaliseerde_omzet'] = (df['maandelijkse_omzet'] - df['maandelijkse_omzet'].min()) / (df['maandelijkse_omzet'].max() - df['maandelijkse_omzet'].min()) # 2. Aggregeer verkochte eenheden per regio geaggregeerde_eenheden = df.groupby('regio')['verkochte_eenheden'].sum().reset_index() # Maak de visualisatie fig, ax = plt.subplots(figsize=(12, 8)) # Staafdiagram voor genormaliseerde omzet bars = ax.bar(geaggregeerde_eenheden['regio'], geaggregeerde_eenheden['verkochte_eenheden'], color=blauw_palet[:len(geaggregeerde_eenheden)], alpha=0.8, edgecolor='black', linewidth=0.5) # Voeg waarden boven de staven toe for bar in bars: height = bar.get_height() ax.text(bar.get_x() + bar.get_width()/2., height + 50, f'{int(height)}', ha='center', va='bottom', fontweight='bold') # Stel labels en titel in ax.set_xlabel('Regio', fontsize=12, fontweight='bold') ax.set_ylabel('Totaal Verkochte Eenheden', fontsize=12, fontweight='bold') ax.set_title('Verkoopanalyse per Regio\n(Genormaliseerde Omzet & Geaggregeerde Eenheden)', fontsize=14, fontweight='bold', pad=20) # Verbeter de layout plt.xticks(rotation=45) plt.grid(axis='y', alpha=0.3) plt.tight_layout() # Toon de grafiek plt.show() # Optioneel: toon de getransformeerde data print("Genormaliseerde omzet per record:") print(df[['regio', 'maandelijkse_omzet', 'genormaliseerde_omzet']]) print("\nGeaggregeerde eenheden per regio:") print(geaggregeerde_eenheden) ``` **Belangrijke aanpassingen die u moet maken:** 1. **Vervang de voorbeelddata** met uw eigen dataset: ```python # Vervang dit met het inladen van uw eigen data # df = pd.read_csv('uw_bestand.csv') ``` 2. **Pas de kolomnamen aan** als ze anders zijn in uw dataset: ```python # Als uw kolommen andere namen hebben: # df['genormaliseerde_omzet'] = (df['uw_omzet_kolom'] - df['uw_omzet_kolom'].min()) / (df['uw_omzet_kolom'].max() - df['uw_omzet_kolom'].min()) # geaggregeerde_eenheden = df.groupby('uw_regio_kolom')['uw_eenheden_kolom'].sum().reset_index() ``` De code voert beide gevraagde transformaties uit en maakt een staafdiagram met blauw kleurenpalet, duidelijke labels en professionele opmaak.