### 使用Python将数据导出至Excel并绘制图形 为了实现这一目标，可以利用`pandas`来处理和整理数据，并将其保存到Excel文件中；而`matplotlib`则用来生成所需的图表。以下是具体的操作方法： #### 导入必要的库 首先安装所需包，如果尚未安装的话： ```bash pip install pandas openpyxl matplotlib ``` 接着，在脚本顶部引入这些模块： ```python import pandas as pd import matplotlib.pyplot as plt from datetime import datetime ``` #### 创建样本数据集 构建一个简单的DataFrame作为示例数据源： ```python data = { '日期': [datetime(year=2023, month=i % 12 + 1, day=1).strftime('%Y-%m') for i in range(12)], '销售额': [i * (i+1) for i in range(12)] } df = pd.DataFrame(data) print(df.head()) ``` 这段代码创建了一个包含月份和对应销售额的DataFrame对象[^4]。 #### 将数据写入Excel文件 使用`to_excel()`函数可以直接将DataFrame中的内容写出到指定路径下的Excel文档里： ```python output_file_path = './sales_data.xlsx' sheet_name = 'Sheet1' # Write the dataframe to an Excel file. with pd.ExcelWriter(output_file_path, engine='openpyxl', mode='w') as writer: df.to_excel(writer, sheet_name=sheet_name, index=False) print(f'Data has been written into {output_file_path}') ``` 此部分展示了如何通过设置参数控制输出位置、工作表名称以及是否保留索引列[^2]。 #### 绘制销售趋势图 最后一步是根据上述数据制作一张直观反映销售变化情况的折线图： ```python plt.figure(figsize=(8,6)) plt.title('Monthly Sales Trend') plt.xlabel('Month') plt.ylabel('Sales Amount') dates = pd.to_datetime(df['日期']).dt.strftime('%b') # Convert date strings to abbreviated months amounts = df['销售额'] plt.plot(dates, amounts, marker='o', linestyle='-.') for a,b in zip(dates, amounts): plt.text(a, b+0.5, f'{int(b)}', ha='center', va='bottom') plt.tight_layout() plt.savefig('./monthly_sales_trend.png') plt.show() ``` 这里定义了一些基本属性如标题、标签轴名等，并调用了`plot()`方法完成绘图操作。此外还加入了文字标注以便更清晰地显示数值信息[^1]。