用pandas读取excel绘制柱状图和折线图

可以使用以下代码来读取 Excel 数据并绘制柱状图和折线图：

import pandas as pd
import matplotlib.pyplot as plt

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

# 绘制柱状图
df.plot(kind='bar')

# 绘制折线图
df.plot(kind='line')

# 显示图像
plt.show()

其中，`filename.xlsx` 是需要读取的 Excel 文件名称，`kind='bar'` 表示绘制柱状图，`kind='line'` 表示绘制折线图。在绘制多个图像时，需要使用 `plt.show()` 来显示图像。

相关问题

给我一个代码，读取csv文件中的最高气温，并显示该温度下有多少天，绘制柱状图和折线图

好的，以下是 Python 代码：

import pandas as pd
import matplotlib.pyplot as plt

# 读取csv文件
df = pd.read_csv('weather.csv')

# 获取最高气温
max_temp = df['最高气温']

# 统计最高气温出现的天数
max_temp_counts = max_temp.value_counts()

# 找到最高气温的最大值
max_temp_max = max_temp_counts.index.max()

# 统计最高气温为最大值的天数
max_temp_max_count = max_temp_counts.loc[max_temp_max]

# 显示最高气温为最大值的天数
print(f'最高气温为{max_temp_max}度的天数有{max_temp_max_count}天')

# 绘制最高气温柱状图
plt.bar(max_temp_counts.index, max_temp_counts.values, color='red')
plt.title('最高气温')
plt.xlabel('温度')
plt.ylabel('天数')
plt.show()

# 绘制最高气温折线图
plt.plot(max_temp_counts.index, max_temp_counts.values, color='blue')
plt.title('最高气温')
plt.xlabel('温度')
plt.ylabel('天数')
plt.show()

这段代码会读取名为 `weather.csv` 的文件，文件中应包含日期、最高气温和最低气温三列数据。代码会计算最高气温的最大值以及该温度下出现的天数，并分别显示出来。同时，代码会绘制最高气温的柱状图和折线图，并将它们显示出来。

pandas读取excel做图

### 使用 Pandas 读取 Excel 文件并绘制图表

#### 导入必要的库
为了完成此操作，需要导入 `pandas`、`matplotlib.pyplot` 和 `seaborn` 库。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

#### 读取 Excel 文件
可以利用 `pandas.read_excel()` 函数来加载 Excel 文件中的数据到 DataFrame 中。假设有一个名为 "data.xlsx" 的文件位于当前工作目录下：

df = pd.read_excel('data.xlsx')
print(df.head())  # 查看前几行的数据以确认是否正确读取

#### 绘制基本图表
一旦有了 DataFrame 对象 `df`，就可以使用内置的方法或结合其他库来进行绘图。以下是几种常见的图表类型及其对应的实现方式[^2]。

##### 折线图 (Line Plot)
展示数值随时间或其他连续变量变化的趋势。

plt.figure(figsize=(10, 6))
sns.lineplot(data=df)  
plt.title('Line Chart Example') 
plt.show()

##### 柱状图 (Bar Plot)
用于比较不同类别的数量大小关系。

plt.figure(figsize=(10, 6))
sns.barplot(x='Category', y='Value', data=df)   
plt.title('Bar Chart Example')    
plt.show()  

##### 饼图 (Pie Chart)
表示各部分占总体的比例分布情况。

if 'Labels' in df.columns and 'Sizes' in df.columns:
    plt.figure(figsize=(7, 7))
    plt.pie(df['Sizes'], labels=df['Labels'], autopct='%1.1f%%', startangle=90)
    plt.axis('equal')  # Equal aspect ratio ensures that pie is drawn as a circle.
    plt.title('Pie Chart Example')
    plt.show()
else:
    print("DataFrame does not contain required columns for Pie chart.")

上述代码片段展示了如何基于已有的 DataFrame 创建三种类型的图表——折线图、柱状图和饼图。对于更复杂的分析需求，则可以根据具体情况进行调整优化[^3]。