# 導(dǎo)入所需的庫(kù)
import matplotlib.pyplot as plt  # 用于繪圖
import numpy as np  # 用于數(shù)值計(jì)算
import pandas as pd  # 用于數(shù)據(jù)處理和分析
import seaborn as sns  # 用于高級(jí)數(shù)據(jù)可視化
import matplotlib as mpl  # Matplotlib 的底層庫(kù)，用于調(diào)整繪圖參數(shù)
import warnings  # 用于處理警告信息

# 忽略警告
warnings.filterwarnings("ignore")  # 忽略運(yùn)行代碼時(shí)可能出現(xiàn)的警告，使輸出更簡(jiǎn)潔

# 恢復(fù)默認(rèn)的 Matplotlib 設(shè)置
mpl.rcParams.update(mpl.rcParamsDefault)  # 將 Matplotlib 的參數(shù)恢復(fù)為默認(rèn)值，避免之前設(shè)置的影響
sns.set_style("white")  # 設(shè)置 Seaborn 的繪圖風(fēng)格為白色背景

# 示例數(shù)據(jù)
data = {
    "Age": ["18-24", "18-24", "25-34", "25-34", "35-44", "35-44", "45-54", "45-54", "55+", "55+"],  # 年齡組
    "Unemployed": [120, 150, 90, 100, 80, 95, 70, 85, 60, 75],  # 各年齡組的失業(yè)人數(shù)
    "Gender": ["Male", "Female", "Male", "Female", "Male", "Female", "Male", "Female", "Male", "Female"]  # 性別
}

# 將數(shù)據(jù)保存為 Excel 文件
employment = pd.DataFrame(data)  # 將字典數(shù)據(jù)轉(zhuǎn)換為 Pandas DataFrame
employment.to_excel("unemployment.xlsx", index=False)  # 將 DataFrame 保存為 Excel 文件，不保存索引

# 讀取數(shù)據(jù)
employment = pd.read_excel("unemployment.xlsx")  # 從 Excel 文件中讀取數(shù)據(jù)

# 繪制提琴圖
sns.violinplot(
    x=employment.Age,  # x 軸為年齡組
    y=employment.Unemployed,  # y 軸為失業(yè)人數(shù)
    hue=employment.Gender,  # 按性別分組并著色
    palette='Set2'  # 使用 Seaborn 的 Set2 調(diào)色板
)
plt.show()  # 顯示圖形