### 使用Python pandas读取嵌套Excel或CSV文件并绘图 #### 读取嵌套表格文件 为了处理复杂的嵌套表格文件，`pandas` 提供了强大的功能来解析不同层次结构的数据。对于 Excel 文件，可以利用 `read_excel()` 方法指定特定的工作表或者通过循环遍历多个工作表。 ```python import pandas as pd # 假设有一个名为 'nested_data.xlsx' 的多层Excel文件 excel_file_path = "path/to/nested_data.xlsx" # 如果知道具体要读取哪个sheet，则可以直接指定 df_single_sheet = pd.read_excel(excel_file_path, sheet_name="SheetName") # 对于含有多个子表的情况，可以通过字典形式获取所有sheets all_sheets_dict = pd.read_excel(excel_file_path, sheet_name=None) for name, data_frame in all_sheets_dict.items(): print(f"Processing {name}") # 这里可以根据需求进一步处理各个dataframe ``` 针对 CSV 文件，如果存在分隔符或者其他特殊格式，也可以自定义参数进行加载： ```python csv_file_path = "path/to/complex.csv" custom_separator = ";" # 加载复杂格式的CSV文件 df_csv = pd.read_csv(csv_file_path, sep=custom_separator) ``` #### 绘制图形 一旦成功导入数据到 DataFrame 中，就可以借助 `matplotlib` 或者更高阶封装的 `seaborn` 来创建各种类型的图表。下面展示了一个例子，说明如何根据性别绘制医疗费用分布情况下的箱形图[^2]。 ```python import seaborn as sns import matplotlib.pyplot as plt sns.set_style('darkgrid', {'font.sans-serif': ['SimHei', 'Arial']}) plt.figure(figsize=(8, 6)) sns.boxplot(x='sex', y='charges', data=df_csv) # 替换成实际使用的DataFrame变量名 plt.title('男女保费分布箱线图') plt.xlabel('性别') plt.ylabel('保险费') output_image_path = "./gender_distribution_boxplot.png" plt.savefig(output_image_path, dpi=400) plt.show() ``` 上述代码片段展示了如何配置样式、设定坐标轴标签以及保存高质量图像文件的方法。值得注意的是，在调用 `boxplot()` 函数时传入了来自之前读取得到的数据框作为输入源，并指定了横纵坐标的字段名称。