### 使用Python Matplotlib读取Excel数据并生成折线图 要实现这一目标，可以按照以下方法完成： #### 数据准备与依赖库安装 为了处理 Excel 文件中的数据，通常会使用 `pandas` 库来加载和解析 `.xlsx` 文件的内容。同时，利用 `matplotlib` 绘制统计图表。 如果尚未安装所需的库，则可以通过 pip 安装它们： ```bash pip install pandas matplotlib openpyxl ``` 其中，`openpyxl` 是用于支持 `.xlsx` 格式的必要引擎。 --- #### 加载数据并绘图 以下是完整的代码示例，展示如何从指定路径的 Excel 文件中读取数据，并按日或周统计讨论热度生成折线图： ```python import pandas as pd import matplotlib.pyplot as plt from datetime import timedelta # 设置文件路径 file_path = r"D:\毕业论文\合并后去重的表格.xlsx" # 读取Excel数据，默认使用第一个工作表 data = pd.read_excel(file_path, engine='openpyxl') # 假设日期列名为 'date'，热度列名为 'heat' # 将日期列转换为datetime格式 data['date'] = pd.to_datetime(data['date']) # 按日统计讨论热度 daily_data = data.resample('D', on='date').sum() # 按周统计讨论热度 weekly_data = data.resample('W-MON', on='date').sum() # W-MON表示每周一作为起始日 # 创建子图布局 fig, axes = plt.subplots(2, 1, figsize=(10, 8)) # 绘制每日统计数据 axes[0].plot(daily_data.index, daily_data['heat'], marker='o') axes[0].set_title("Daily Discussion Heat", fontsize=14) axes[0].set_xlabel("Date") axes[0].set_ylabel("Heat") # 绘制每周统计数据 axes[1].plot(weekly_data.index, weekly_data['heat'], marker='s') axes[1].set_title("Weekly Discussion Heat", fontsize=14) axes[1].set_xlabel("Week Start Date") axes[1].set_ylabel("Heat") # 调整布局以防止重叠 plt.tight_layout() plt.show() ``` 上述代码实现了以下几个功能： - **读取 Excel 数据**：通过 `pd.read_excel()` 方法加载 Excel 表格内容[^1]。 - **时间序列分组统计**：分别采用 `resample('D')` 和 `resample('W-MON')` 对数据进行按天和按周聚合求和[^2]。 - **可视化**：借助 `matplotlib` 的 `plot()` 函数绘制折线图，并设置标题、坐标轴标签等属性[^3]。 --- #### 注意事项 1. 如果 Excel 中的时间字段名称不是 `'date'` 或热度字段名称不是 `'heat'`，则需修改对应的列名。 2. 若原始数据存在缺失值，可能会影响统计结果。可以在计算前清理异常值或填充缺失值： ```python data.fillna(0, inplace=True) # 替换NaN为空值 ``` 此过程展示了 Python 在数据分析领域的能力，得益于其丰富的第三方库支持[^4]。 --- ###