### 如何使用 Python Pandas 读取 CSV 文件并用 Matplotlib 绘制每月总和平均日照小时数对比的柱状图 为了完成这一任务，可以按照如下方法操作： #### 导入库 首先需要导入必要的库来处理数据以及绘图。 ```python import pandas as pd import matplotlib.pyplot as plt ``` #### 数据准备 假设有一个名为 `sunlight_hours.csv` 的文件，其中包含每个月的日晒时间记录。此文件可以通过 Pandas 库中的 read_csv 方法加载到内存中作为 DataFrame 对象[^1]。 ```python df_sunlight = pd.read_csv('sunlight_hours.csv', encoding='utf-8') print(df_sunlight.head()) ``` #### 计算统计数据 接着计算每月份总的日照时间和平均日照时间。这里假定原始数据集中有一列表示日期（Date），另一列表示每日日晒时长（Daily_Sunshine_Hours）。先按月分组求和得到各个月份的日晒总量；再除以当月天数获得平均值。 ```python monthly_total = df_sunlight.groupby(pd.to_datetime(df_sunlight['Date']).dt.strftime('%Y-%m'))[['Daily_Sunshine_Hours']].sum() monthly_avg = monthly_total / df_sunlight.groupby(pd.to_datetime(df_sunlight['Date']).dt.strftime('%Y-%m')).size().values.reshape(-1, 1) # 将索引转换成 datetime 类型以便于后续作图 monthly_total.index = pd.to_datetime(monthly_total.index) monthly_avg.index = pd.to_datetime(monthly_avg.index) ``` #### 创建图表 最后一步就是利用 Matplotlib 来创建双层条形图展示上述两个指标之间的关系。通过设置不同的颜色区分两种类型的数值，并调整标签使得图形更加清晰易懂。 ```python fig, ax = plt.subplots(figsize=(10, 6)) width = 0.35 # the width of bars labels = [item.strftime("%b") for item in monthly_total.index] ax.bar(labels, monthly_total.Daily_Sunshine_Hours.values, width, label='Total Hours', color='skyblue') ax.bar([l + width for l in range(len(labels))], monthly_avg.Daily_Sunshine_Hours.values, width, label='Average Hours per Day', color='orange') ax.set_xlabel('Month') ax.set_ylabel('Sunshine Hours') ax.set_title('Monthly Total vs Average Sunshine Hours Comparison') ax.legend() plt.tight_layout() plt.show() ``` 这样就可以成功地绘制出一张显示每月总日照小时数与平均日照小时数比较情况的柱状图了。