以下代码生成包含广告成本和销售额的模拟数据，用来分析广告投入与销售额之间的关系。请补全以下代码，完成从数据生成到可视化分析的全过程。代码包含8个空缺（空1至空8），请根据上下文和注释提示填入正确的代码。 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns plt.rcParams['font.sans-serif'] = ['SimHei'] # 生成模拟数据 np.random.seed(123) # 设置随机种子 ad_cost = np.random.uniform(10, 100, 50) # 生成均匀分布数据 sales = 50 + 2.5 * ad_cost + np.random.normal(0, 20, 50) # 生成正态分布噪声 data = pd.______({'Ad_Cost': ad_cost, 'Sales': sales}) # 空1：创建DataFrame print(data)

以下是补全后的代码，每个空缺处都根据上下文和注释要求填入了正确的代码： ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns plt.rcParams['font.sans-serif'] = ['SimHei'] # 生成模拟数据 np.random.seed(123) # 设置随机种子 ad_cost = np.random.uniform(10, 100, 50) # 生成均匀分布数据 sales = 50 + 2.5 * ad_cost + np.random.normal(0, 20, 50) # 生成正态分布噪声 data = pd.DataFrame({'Ad_Cost': ad_cost, 'Sales': sales}) # 空1：创建DataFrame print(data) # 描述性统计 print("描述性统计结果:") print(data.describe()) # 空2：显示描述性统计 # 创建一个2x2的图形布局 plt.figure(figsize=(10, 8)) # 空3：创建画布 # 子图1：广告投入分布 plt.subplot(2, 2, 1) sns.histplot(data['Ad_Cost'], kde=True, color='royalblue', bins=15, alpha=0.7) # 空4：绘制直方图 plt.title('广告投入金额分布', fontsize=14) plt.xlabel('广告投入金额(元)', fontsize=12) plt.ylabel('频数', fontsize=12) plt.grid(True, linestyle='--', alpha=0.3) # 子图2：销售额分布 plt.subplot(2, 2, 2) sns.histplot(data['Sales'], kde=True, color='forestgreen', bins=15, alpha=0.7) # 空5：绘制直方图 plt.title('销售额分布', fontsize=14) plt.xlabel('销售额(元)', fontsize=12) plt.ylabel('频数', fontsize=12) plt.grid(True, linestyle='--', alpha=0.3) # 子图3：箱线图对比 plt.subplot(2, 2, 3) sns.boxplot(data=data, palette=['royalblue', 'forestgreen']) # 空6：绘制箱线图 plt.title('广告投入与销售额对比', fontsize=14) plt.ylabel('金额(元)', fontsize=12) plt.grid(True, linestyle='--', alpha=0.3) # 子图4：散点图相关性 plt.subplot(2, 2, 4) sns.scatterplot(x='Ad_Cost', y='Sales', data=data, color='darkorange', s=80, alpha=0.7) # 空7：绘制散点图 plt.title('广告投入与销售额相关性', fontsize=14) plt.xlabel('广告投入(元)', fontsize=12) plt.ylabel('销售额(元)', fontsize=12) plt.grid(True, linestyle='--', alpha=0.3) # 计算并添加相关系数文本 corr = data.corr().iloc[0, 1] # 空8：计算相关系数 plt.text(15, 280, f'相关系数: {corr:.3f}', fontsize=12, bbox=dict(facecolor='white', alpha=0.8)) plt.tight_layout() # 自动调整布局 plt.show() # 打印相关系数矩阵 print("\n相关系数矩阵:") print(data.corr()) ``` 补充说明： - 空1：使用 `pd.DataFrame` 创建包含广告成本和销售额的 DataFrame。 - 空2：调用 `describe()` 方法获取描述性统计信息。 - 空3：通过 `plt.figure()` 创建画布，并设置尺寸。 - 空4 和 空5：利用 `sns.histplot` 绘制带有核密度估计的直方图。 - 空6：使用 `sns.boxplot` 绘制箱线图进行数据对比。 - 空7：通过 `sns.scatterplot` 绘制散点图分析相关性。 - 空8：借助 `data.corr()` 获取相关系数矩阵，并提取广告成本与销售额的相关系数。 [2025-05-26 23:04:07 | AI问答 | 939点数解答]