### 使用Python从Excel的多个Sheet中读取数据并绘制能见度分类统计分布图 以下是完整的解决方案，涵盖了从Excel文件的不同Sheet中读取数据、按指定范围分类统计数据以及绘制分布图的过程。 --- #### 1. 导入必要的库 首先需要导入处理Excel文件和绘图所需的库。 ```python import pandas as pd import matplotlib.pyplot as plt ``` --- #### 2. 读取Excel文件中的三个Sheet 假设Excel文件名为 `visibility_data.xlsx`，其中包含三个工作表（Sheet）。可以使用 `pandas` 的 `read_excel` 方法分别加载这三个Sheet的数据。 ```python # 加载第一个Sheet sheet1 = pd.read_excel('visibility_data.xlsx', sheet_name='Sheet1') # 加载第二个Sheet sheet2 = pd.read_excel('visibility_data.xlsx', sheet_name='Sheet2') # 加载第三个Sheet sheet3 = pd.read_excel('visibility_data.xlsx', sheet_name='Sheet3') # 合并三个Sheet的数据 combined_data = pd.concat([sheet1, sheet2, sheet3], ignore_index=True) ``` 此处通过 `pd.concat` 函数将来自不同Sheet的数据合并成一个DataFrame以便后续统一处理[^1]。 --- #### 3. 定义能见度分类函数 根据题目描述，需将能见度分为三类：低能见度（0-10km）、中能见度（10-20km）和高能见度（20-30km）。为此编写如下分类逻辑。 ```python def classify_visibility(row): visibility_km = row['Visibility'] # 假设列名是 'Visibility' 并单位为公里 if 0 <= visibility_km < 10: return '低' elif 10 <= visibility_km < 20: return '中' elif 20 <= visibility_km < 30: return '高' else: return '未知' # 应用分类函数到数据框 combined_data['能见度分类'] = combined_data.apply(classify_visibility, axis=1) ``` 此部分代码基于给定条件对每条记录进行分类标记[^2]。 --- #### 4. 统计各类别数量 计算各能见度级别的频次以供绘图使用。 ```python classification_counts = combined_data['能见度分类'].value_counts().sort_index() print(classification_counts) ``` 这一步骤会返回类似于下面的结果结构： ``` 低 50 中 75 高 90 Name: 能见度分类, dtype: int64 ``` --- #### 5. 绘制分布图 采用柱状图形式展现各个级别对应的数量对比关系。 ```python plt.figure(figsize=(8, 6)) # 创建柱状图 bars = classification_counts.plot( kind='bar', color=['lightcoral', 'lightskyblue', 'limegreen'], edgecolor='black' ) # 设置图表样式 plt.title("能见度分类统计分布图", fontsize=16) plt.xlabel("能见度分类", fontsize=14) plt.ylabel("数量", fontsize=14) plt.xticks(rotation=0, fontsize=12) plt.yticks(fontsize=12) # 添加顶部数值标注 for p in bars.patches: height = p.get_height() plt.annotate(f'{height}', xy=(p.get_x() + p.get_width() / 2., height), xytext=(0, 3), textcoords='offset points', ha='center', va='bottom', fontsize=12) plt.tight_layout() plt.show() ``` 上述脚本生成了一张清晰明了的柱形图用于表达三种状态间比例状况[^3]。 --- ### 总结说明 整个流程包括以下几个核心环节： - 利用Pandas高效地提取与整合多源表格资料； - 自定义规则实现精准分组操作； - 运用Matplotlib构建视觉化成果呈现方式； 这种方法不仅适用于当前案例场景，在面对相似需求时亦可灵活迁移应用。 ---