### 能见度分类分布图绘制 为了实现能见度分类的分布图，可以按照以下方法处理数据并绘图。假设原始数据中有一个列表示能见度数值（如 `visibility`），可以根据特定阈值将其划分为低、中、高三个类别。 以下是完整的代码示例： ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 设置字体以便支持中文显示 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 解决负号 '-' 显示为方块的问题 # 假设读取的数据如下 df = pd.read_csv('/Users/houguiyang/Desktop/2020 国赛/问题 4-1.csv') # 定义能见度分类函数 def classify_visibility(visibility_value): if visibility_value < 1000: # 假设小于1000米为低能见度 return '低' elif 1000 <= visibility_value < 5000: # 假设1000到5000米之间为中等能见度 return '中' else: # 大于等于5000米为高能见度 return '高' # 应用分类函数生成新列 df['能见度分类'] = df['序列值'].apply(classify_visibility) # 统计各类别的数量 classification_counts = df['能见度分类'].value_counts() # 绘制柱状图展示分布情况 sns.set(style="whitegrid") fig, ax = plt.subplots(figsize=(8, 6)) colors = ['#ff9999', '#66b3ff', '#99ff99'] ax.bar( classification_counts.index, classification_counts.values, color=colors, edgecolor='black', linewidth=1.2 ) # 添加标题和标签 title_font = {'size': 20} label_font = {'size': 16} plt.title('能见度分类分布图', fontdict=title_font) plt.xlabel('能见度分类', fontdict=label_font) plt.ylabel('频数', fontdict=label_font) # 设置刻度字体大小 plt.xticks(fontsize=14) plt.yticks(fontsize=14) # 展示图表 plt.tight_layout() plt.show() ``` #### 关键说明 1. **数据预处理** 使用自定义函数 `classify_visibility` 将连续型的能见度数值转换为离散型分类变量（低、中、高）。此部分逻辑可根据实际需求调整阈值[^1]。 2. **可视化配置** 利用了 Seaborn 和 Matplotlib 的组合来创建美观的柱状图，并通过颜色区分不同类别的能见度[^1]。 3. **样式优化** 配置了字体、字号以及图形布局，确保输出结果清晰易懂且适合演示用途。 ---