Hier is een complete, direct uitvoerbare Python-code met automatisch kleurenpalet voor technologie-thema: ```python import matplotlib.pyplot as plt import numpy as np import pandas as pd from matplotlib.colors import LinearSegmentedColormap from datetime import datetime # Voorbeeld dataset (vervang dit met jouw eigen data) def create_sample_data(): maanden = ['Jan', 'Feb', 'Mrt', 'Apr', 'Mei', 'Jun', 'Jul', 'Aug', 'Sep', 'Okt', 'Nov', 'Dec'] categorieën = ['Smartphones', 'Laptops', 'Wearables', 'Smart Home', 'Drones'] data = {} for categorie in categorieën: data[categorie] = np.random.randint(1000, 10000, size=len(maanden)) return pd.DataFrame(data, index=maanden) # Automatisch kleurenpalet generator voor technologie-thema def generate_tech_colors(n_colors, saturation=0.6, lightness=0.7, contrast=1.0): """ Genereert een modern technologie kleurenpalet Parameters: n_colors: aantal kleuren nodig saturation: verzadiging (0.0 - 1.0) lightness: helderheid (0.0 - 1.0) contrast: contrastniveau (0.5 - 2.0) """ # Basis technologie kleuren (blauw, paars, groen, cyaan, magenta) base_colors = [ (0.1, 0.3, 0.8), # Blauw (0.6, 0.2, 0.8), # Paars (0.2, 0.7, 0.4), # Groen (0.0, 0.6, 0.6), # Cyaan (0.8, 0.2, 0.6) # Magenta ] colors = [] for i in range(n_colors): base_color = base_colors[i % len(base_colors)] # Pas verzadiging en helderheid aan r, g, b = base_color h, l, s = rgb_to_hls(r, g, b) # Pas parameters aan s = max(0.1, min(1.0, saturation)) l = max(0.3, min(0.9, lightness * l)) # Terug naar RGB r, g, b = hls_to_rgb(h, l, s) # Pas contrast aan r = max(0.0, min(1.0, (r - 0.5) * contrast + 0.5)) g = max(0.0, min(1.0, (g - 0.5) * contrast + 0.5)) b = max(0.0, min(1.0, (b - 0.5) * contrast + 0.5)) colors.append((r, g, b)) return colors # Hulpfuncties voor kleurconversie def rgb_to_hls(r, g, b): maxc = max(r, g, b) minc = min(r, g, b) l = (minc + maxc) / 2.0 if minc == maxc: return 0.0, l, 0.0 if l <= 0.5: s = (maxc - minc) / (maxc + minc) else: s = (maxc - minc) / (2.0 - maxc - minc) rc = (maxc - r) / (maxc - minc) gc = (maxc - g) / (maxc - minc) bc = (maxc - b) / (maxc - minc) if r == maxc: h = bc - gc elif g == maxc: h = 2.0 + rc - bc else: h = 4.0 + gc - rc h = (h / 6.0) % 1.0 return h, l, s def hls_to_rgb(h, l, s): if s == 0.0: return l, l, l if l <= 0.5: m2 = l * (1.0 + s) else: m2 = l + s - (l * s) m1 = 2.0 * l - m2 r = _hue_to_rgb(m1, m2, h + 1.0/3.0) g = _hue_to_rgb(m1, m2, h) b = _hue_to_rgb(m1, m2, h - 1.0/3.0) return r, g, b def _hue_to_rgb(m1, m2, h): h = h % 1.0 if h < 1.0/6.0: return m1 + (m2 - m1) * h * 6.0 elif h < 0.5: return m2 elif h < 2.0/3.0: return m1 + (m2 - m1) * (2.0/3.0 - h) * 6.0 else: return m1 # Hoofdvisualisatie functie def create_sales_visualization(df, saturation=0.4, lightness=0.8, contrast=0.8): """ Maakt een staafdiagram van maandelijkse verkoopcijfers Parameters: df: DataFrame met verkoopdata saturation: verzadiging (0.0 - 1.0) lightness: helderheid (0.0 - 1.0) contrast: contrast (0.5 - 2.0) """ n_categories = len(df.columns) # Genereer automatische kleuren colors = generate_tech_colors(n_categories, saturation, lightness, contrast) # Maak de visualisatie fig, ax = plt.subplots(figsize=(14, 8)) # Staafdiagram maken bar_width = 0.8 / n_categories x_pos = np.arange(len(df.index)) for i, category in enumerate(df.columns): offset = (i - n_categories/2) * bar_width + bar_width/2 ax.bar(x_pos + offset, df[category], bar_width, label=category, color=colors[i], alpha=0.9, edgecolor='white', linewidth=0.5) # Styling ax.set_xlabel('Maanden', fontsize=12, fontweight='bold') ax.set_ylabel('Verkoopcijfers', fontsize=12, fontweight='bold') ax.set_title('Maandelijkse Verkoopcijfers - Technologie Producten\nModern Kleurenpalet', fontsize=16, fontweight='bold', pad=20) ax.set_xticks(x_pos) ax.set_xticklabels(df.index) ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left') # Grid en achtergrond ax.grid(True, alpha=0.3, linestyle='--') ax.set_axisbelow(True) ax.set_facecolor('#f8f9fa') # Randen opmaken for spine in ax.spines.values(): spine.set_visible(False) plt.tight_layout() return fig, ax # Gebruik voorbeeld: if __name__ == "__main__": # Laad of creëer dataset sales_data = create_sample_data() # Maak visualisatie met pastelkleuren (lage verzadiging) fig, ax = create_sales_visualization( sales_data, saturation=0.3, # Zeer lage verzadiging voor pastel effect lightness=0.85, # Hoge helderheid contrast=0.7 # Laag contrast voor zachte kleuren ) plt.show() # Optie: sla figuur op # fig.savefig('tech_sales_visualization.png', dpi=300, bbox_inches='tight') ``` Deze code bevat: 1. **Automatisch kleurenpalet** met technologie-thema (blauw, paars, groen, cyaan, magenta) 2. **Aanpasbare parameters** voor verzadiging, helderheid en contrast 3. **Pastelkleuren optie** via lage verzadiging en hoge helderheid 4. **Professionele styling** met grid, achtergrondkleur en legenda 5. **Direct uitvoerbaar** met voorbeelddata Pas de parameters `saturation`, `lightness` en `contrast` aan om verschillende kleureffecten te krijgen. Voor pastelkleuren gebruik je lage verzadiging (0.2-0.4) en hoge helderheid (0.8-0.9).