### 数据可视化实现 以下是基于 `pycharts`、`pandas`、`matplotlib` 和 `seaborn` 库，读取 Excel 文件并生成直方图、箱形图、密度图和小提琴图的具体方法。 #### 导入必要的库 为了完成此任务，需确保已安装所需依赖项。如果尚未安装这些库，可以通过以下命令进行安装： ```bash pip install pyecharts pandas matplotlib seaborn openpyxl ``` 随后，在代码中导入所需的模块： ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from pyecharts.charts import Bar, Boxplot, Line, Scatter from pyecharts import options as opts ``` --- #### 读取 Excel 数据 假设数据存储在一个名为 `data.xlsx` 的文件中，使用 `pandas` 来加载数据： ```python # 加载Excel数据 file_path = './data/data.xlsx' df = pd.read_excel(file_path) # 查看前几行数据以确认成功加载 print(df.head()) ``` --- #### 绘制直方图 (Histogram) 通过 `matplotlib` 或 `seaborn` 可轻松绘制直方图。这里展示两种方式的实现： ##### 方法一：使用 Matplotlib ```python plt.figure(figsize=(8, 6)) plt.hist(df['target_column'], bins=20, color='skyblue', edgecolor='black') plt.title('Histogram of Target Column', fontsize=16) plt.xlabel('Value Range', fontsize=14) plt.ylabel('Frequency', fontsize=14) plt.grid(axis='y', linestyle='--', alpha=0.7) plt.show() ``` ##### 方法二：使用 Seaborn ```python sns.set(style="whitegrid") plt.figure(figsize=(8, 6)) sns.histplot(data=df, x='target_column', kde=True, color='lightgreen', bins=20) plt.title('Histogram with KDE Plot', fontsize=16) plt.xlabel('Target Value', fontsize=14) plt.ylabel('Density/Frequency', fontsize=14) plt.show() ``` --- #### 绘制箱形图 (Boxplot) 利用 `seaborn` 创建更美观的箱形图： ```python plt.figure(figsize=(8, 6)) sns.boxplot(x='category_column', y='value_column', data=df, palette='pastel') plt.title('Boxplot by Category', fontsize=16) plt.xlabel('Category', fontsize=14) plt.ylabel('Values', fontsize=14) plt.xticks(rotation=45) plt.tight_layout() plt.show() ``` --- #### 绘制密度图 (Density Plot) 密度图用于表示连续变量的概率分布情况： ```python plt.figure(figsize=(8, 6)) sns.kdeplot(data=df, x='target_column', fill=True, common_norm=False, palette='crest') plt.title('Density Plot of Target Column', fontsize=16) plt.xlabel('Target Values', fontsize=14) plt.ylabel('Probability Density', fontsize=14) plt.show() ``` --- #### 绘制小提琴图 (Violin Plot) 小提琴图结合了箱形图和核密度估计图的功能： ```python plt.figure(figsize=(8, 6)) sns.violinplot(x='category_column', y='value_column', data=df, inner='stick', palette='muted') plt.title('Violin Plot by Category', fontsize=16) plt.xlabel('Categories', fontsize=14) plt.ylabel('Values', fontsize=14) plt.xticks(rotation=45) plt.tight_layout() plt.show() ``` --- #### 使用 PyECharts 实现交互式图表 虽然上述方法适用于静态图表，但 `pyecharts` 能够生成更具互动性的图表。下面演示如何用其创建类似的图表。 ##### 直方图 (Bar Chart) ```python bar = ( Bar(init_opts=opts.InitOpts(width="800px", height="400px")) .add_xaxis(list(df['category_column'].unique())) .add_yaxis("Counts", list(df.groupby('category_column').size().values)) .set_global_opts(title_opts=opts.TitleOpts(title="Interactive Histogram")) ) bar.render_notebook() # 如果在Jupyter Notebook中运行 ``` ##### 箱形图 (Boxplot) ```python box_data = [ df[df['category_column'] == cat]['value_column'].tolist() for cat in df['category_column'].unique() ] box_plot = ( Boxplot(init_opts=opts.InitOpts(width="800px", height="400px")) .add_xaxis(list(df['category_column'].unique())) .add_yaxis("", box_plot.prepare_data(box_data)) .set_global_opts(title_opts=opts.TitleOpts(title="Interactive Boxplot")) ) box_plot.render_notebook() ``` --- ### 总结 以上代码展示了如何使用 `pandas` 处理 Excel 数据，并借助 `matplotlib`、`seaborn` 和 `pyecharts` 进行多类图表的绘制[^1]。每种工具都有其独特优势，可根据具体需求灵活选用。 相关问题