在 Debian 系统中使用 Python 3.11 对 Excel 文件 A 进行数据初步特征分析，并使用指定字体（`msyh.ttf`，即微软雅黑），同时将输出保存到当前目录（`./`）。以下是实现步骤和代码： --- ### 回答问题 #### 1. 安装必要的库 确保你已经安装了以下库： ```bash pip install pandas matplotlib seaborn openpyxl ``` #### 2. 设置字体 为了使用 `msyh.ttf` 字体，需要确保系统中已安装该字体文件。如果没有安装，可以从网上下载并将其放置在适当的位置。 #### 3. 读取 Excel 数据并进行特征分析 以下是一个完整的代码示例： ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from matplotlib.font_manager import FontProperties # 设置字体为微软雅黑 font_path = 'msyh.ttf' # 替换为你的字体文件路径 font = FontProperties(fname=font_path, size=12) # 读取Excel文件 file_path = 'A.xlsx' # 替换为你的Excel文件路径 data = pd.read_excel(file_path) # 显示前几行数据 print("前5行数据：") print(data.head()) # 查看数据的基本信息 print("\n数据基本信息：") print(data.info()) # 描述性统计分析 print("\n描述性统计分析：") print(data.describe(include='all')) # 检查缺失值 print("\n缺失值情况：") print(data.isnull().sum()) # 数据列名 print("\n数据列名：") print(data.columns) # 数据形状（行数和列数） print("\n数据形状：") print(data.shape) # 可视化分析 numerical_columns = data.select_dtypes(include=['number']).columns categorical_columns = data.select_dtypes(include=['object', 'category']).columns # 绘制数值列的直方图 for col in numerical_columns: plt.figure(figsize=(8, 4)) sns.histplot(data[col], kde=True, bins=30) plt.title(f'Histogram of {col}', fontproperties=font) plt.xlabel(col, fontproperties=font) plt.ylabel('Frequency', fontproperties=font) plt.savefig(f'./{col}_histogram.png') # 保存图表到当前目录 plt.show() # 绘制类别列的条形图 for col in categorical_columns: plt.figure(figsize=(8, 4)) sns.countplot(data=data, x=col) plt.title(f'Bar Plot of {col}', fontproperties=font) plt.xticks(rotation=45, fontproperties=font) plt.xlabel(col, fontproperties=font) plt.ylabel('Count', fontproperties=font) plt.savefig(f'./{col}_barplot.png') # 保存图表到当前目录 plt.show() ``` --- ### 给出解释 1. **设置字体**: - 使用 `FontProperties` 类加载自定义字体文件（`msyh.ttf`）。 - 将字体应用于图表标题、坐标轴标签等。 2. **读取 Excel 文件**: - 使用 `pandas` 的 `read_excel` 方法读取 Excel 文件。 - 默认情况下，它会读取第一个工作表。 3. **数据初步特征分析**: - `data.head()`: 显示前 5 行数据。 - `data.info()`: 查看数据的基本信息。 - `data.describe(include='all')`: 提供描述性统计分析。 - `data.isnull().sum()`: 检查每列的缺失值数量。 4. **可视化分析**: - 使用 `sns.histplot` 绘制数值列的直方图。 - 使用 `sns.countplot` 绘制类别列的条形图。 - 使用 `plt.savefig` 将图表保存到当前目录（`./`）。 --- ###