Zeker, hier is een voorbeeld van hoe je een geavanceerde scatterplot kunt maken met Seaborn met kleurcodering op basis van twee variabelen: ```python import seaborn as sns import matplotlib.pyplot as plt import pandas as pd import numpy as np # Stel de stijl in sns.set_style("whitegrid") plt.figure(figsize=(12, 8)) # Voorbeeld dataset (vervang met je eigen data) # Stel dat je DataFrame 'df' heet met kolommen: # product_categorie, klantsegment, omzet, x_variabele, y_variabele # Creëer een combinatievariabele voor dubbele kleurcodering df['combinatie'] = df['product_categorie'] + ' - ' + df['klantsegment'] # Maak een scatterplot met geavanceerde kleurcodering scatter = sns.scatterplot( data=df, x='x_variabele', # vervang met je x-as variabele y='y_variabele', # vervang met je y-as variabele hue='combinatie', # kleur op basis van beide variabelen size='omzet', # grootte van punten gebaseerd op omzet sizes=(20, 200), # range van puntgroottes alpha=0.7, palette='tab20' # gebruik een kleurenpalet met veel kleuren ) # Annotaties voor hoogste omzetpunten top_omzet = df.nlargest(5, 'omzet') for i, row in top_omzet.iterrows(): plt.annotate(f'€{row["omzet"]:,.0f}', (row['x_variabele'], row['y_variabele']), xytext=(5, 5), textcoords='offset points', fontsize=9, bbox=dict(boxstyle="round,pad=0.3", fc="yellow", alpha=0.7)) # Pas de legende aan plt.legend(bbox_to_anchor=(1.05, 1), loc='upper left', borderaxespad=0.) # Titel en labels plt.title('Omzetanalyse per Productcategorie en Klantsegment', fontsize=16, pad=20) plt.xlabel('X-as Variabele') plt.ylabel('Y-as Variabele') # Formatteer de omzetwaarden in de legende for text in scatter.legend_.get_texts(): if 'omzet' in text.get_text(): omzet_waarde = float(text.get_text().split(' ')[-1]) text.set_text(f'Omzet: €{omzet_waarde:,.0f}') plt.tight_layout() plt.show() ``` **Aanvullende opties voor kleurenschema's:** ```python # Alternatieve kleurenschema's: palette = sns.color_palette("husl", n_colors=len(df['combinatie'].unique())) # of palette = sns.color_palette("Set2", n_colors=len(df['combinatie'].unique())) # of palette = sns.color_palette("viridis", n_colors=len(df['combinatie'].unique())) ``` **Belangrijke aanpassingen die je moet maken:** - Vervang 'x_variabele' en 'y_variabele' met je daadwerkelijke kolomnamen - Zorg dat je DataFrame de juiste kolommen bevat - Pas de kleurenpalet aan naar je voorkeur - Stel de annotatieteksten naar wens bij Dit voorbeeld geeft je een scatterplot waarbij: - Kleuren unieke combinaties van productcategorie en klantsegment weergeven - Puntgrootte de omzet representeert - De hoogste omzetpunten geannoteerd zijn - Een duidelijke legenda wordt getoond