用python画出excel表格中从某一列到某一列每一列数据的变化曲线（第一行为列名称）

以下是一个基本的实现，使用pandas和matplotlib库：

import pandas as pd
import matplotlib.pyplot as plt

# 读取Excel文件
df = pd.read_excel('your_file.xlsx')

# 获取要绘制的列范围
start_col = input('请输入起始列名称：')
end_col = input('请输入终止列名称：')
start_index = df.columns.get_loc(start_col)
end_index = df.columns.get_loc(end_col)

# 绘制曲线
for i in range(start_index, end_index+1):
    plt.plot(df.iloc[:, i], label=df.columns[i])
plt.legend()
plt.show()

以上代码中，我们首先使用pandas的`read_excel`函数读取Excel文件，并将其存储在`df`数据框中。接下来，我们通过输入起始列名称和终止列名称来确定要绘制的列范围，并将其转换为列索引。最后，我们使用matplotlib库的`plot`函数来绘制每一列的曲线，并使用`legend`函数添加图例，最终使用`show`函数显示图像。

相关问题

用python画出excel表格中从某一列到某一列每一列数据的变化曲线

以下是一个示例代码，可以实现从第2列到第5列每一列数据的变化曲线绘制：

import pandas as pd
import matplotlib.pyplot as plt

# 读取Excel文件中的数据
df = pd.read_excel('data.xlsx')

# 获取需要绘制曲线的列
cols = ['col{}'.format(i) for i in range(2, 6)]

# 绘制曲线
for col in cols:
    plt.plot(df[col], label=col)

# 添加图例和标签
plt.legend()
plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.title('Line Chart')

# 显示图形
plt.show()

其中，`data.xlsx`是Excel文件的文件名，需要与代码文件在同一目录下。如果需要绘制其他列的曲线，可以根据需要修改`cols`列表的内容。另外，需要安装`pandas`和`matplotlib`库才能运行该代码。

用python画出excel表格最后30行的第五列到第四十四列每一列“随着行数递增”信息熵值的变化曲线

首先，我们需要安装以下库：

- pandas：用于读取和处理 Excel 表格数据
- matplotlib：用于画图

在安装完库之后，我们可以按照以下步骤进行操作：

1. 读取 Excel 表格数据

import pandas as pd

# 读取 Excel 表格数据
df = pd.read_excel("example.xlsx")

这里我们假设 Excel 表格的文件名为 "example.xlsx"。

2. 计算信息熵值

import math

# 定义计算信息熵值的函数
def entropy(values):
    total = sum(values)
    entropy = 0
    for value in values:
        if value == 0:
            continue
        probability = value / total
        entropy -= probability * math.log2(probability)
    return entropy

# 计算信息熵值
entropies = []
for i in range(len(df.index) - 30, len(df.index)):
    row = df.iloc[i, 4:44]
    values = row.tolist()
    entropies.append(entropy(values))

这里我们定义了一个计算信息熵值的函数 `entropy`，然后使用循环计算最后 30 行的信息熵值，并将结果保存在列表 `entropies` 中。

3. 画图

import matplotlib.pyplot as plt

# 画图
plt.plot(entropies)
plt.xlabel("Row")
plt.ylabel("Entropy")
plt.show()

最后，我们使用 matplotlib 库画出信息熵值随着行数递增的变化曲线。

完整代码如下：

import pandas as pd
import math
import matplotlib.pyplot as plt

# 读取 Excel 表格数据
df = pd.read_excel("example.xlsx")

# 定义计算信息熵值的函数
def entropy(values):
    total = sum(values)
    entropy = 0
    for value in values:
        if value == 0:
            continue
        probability = value / total
        entropy -= probability * math.log2(probability)
    return entropy

# 计算信息熵值
entropies = []
for i in range(len(df.index) - 30, len(df.index)):
    row = df.iloc[i, 4:44]
    values = row.tolist()
    entropies.append(entropy(values))

# 画图
plt.plot(entropies)
plt.xlabel("Row")
plt.ylabel("Entropy")
plt.show()