### 使用 Seaborn 绘制 2022 年北上广深最高最低温的组合折线图 为了完成这一任务，假设有一个 CSV 文件 `temperature.csv`，其中包含了日期、城市以及对应的每日最高温和最低温数据。以下是完整的解决方案： #### 数据准备 CSV 文件结构如下所示： | date | city | high_temp | low_temp | |------------|---------|-----------|----------| | 2022-01-01 | Beijing | 5 | -3 | | 2022-01-01 | Shanghai| 8 | 2 | | ... | ... | ... | ... | #### Python 实现代码 ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 加载数据 data = pd.read_csv('temperature.csv') # 过滤所需的城市 (北京, 上海, 广州, 深圳) cities_of_interest = ['Beijing', 'Shanghai', 'Guangzhou', 'Shenzhen'] filtered_data = data[data['city'].isin(cities_of_interest)] # 将日期列转换为 datetime 类型 filtered_data['date'] = pd.to_datetime(filtered_data['date']) # 设置画布大小 plt.figure(figsize=(14, 7)) # 创建子图布局 sns.set(style="whitegrid") # 高温折线图 ax_high = sns.lineplot( x="date", y="high_temp", hue="city", data=filtered_data, marker='o', palette=sns.color_palette("husl", n_colors=len(cities_of_interest)) ) # 添加低温折线图在同一坐标系中 ax_low = sns.lineplot( x="date", y="low_temp", hue="city", style=True, dashes=[(2, 2)], legend=False, data=filtered_data, markers=['x'], palette=sns.color_palette("Set2", n_colors=len(cities_of_interest)) ) # 图形美化 ax_high.set_title('2022年北上广深最高最低温度变化趋势', fontsize=16) # 设置标题 ax_high.set_xlabel('日期', fontsize=14) # X轴标签 ax_high.set_ylabel('温度 (°C)', fontsize=14) # Y轴标签 ax_high.tick_params(axis='both', which='major', labelsize=12) # 调整刻度字体大小 ax_high.legend(title="城市", loc="upper left", bbox_to_anchor=(1, 1), fontsize=12) # 移动图例位置并调整样式 # 显示图形 plt.tight_layout() plt.show() ``` --- #### 关键点解析 1. **数据过滤**: 提取目标城市的记录，并确保只保留所需的四座城市的数据[^1]。 2. **时间序列处理**: 利用 Pandas 的 `to_datetime()` 方法将字符串类型的日期转化为标准的时间戳格式，便于后续绘图操作。 3. **双曲线绘制**: 结合 Seaborn 的 `lineplot` 函数分别绘制高温和低温的变化趋势。通过参数控制线条样式（实线表示高温，虚线表示低温），并通过标记区分不同城市[^2]。 4. **视觉优化**: 借助 Matplotlib 和 Seaborn 的功能对图表进行进一步定制，包括标题、轴标签、图例等。 --- ### 注意事项 如果原始数据未按日期排序，则需先执行以下命令以确保绘图顺序正确： ```python filtered_data.sort_values(by='date', inplace=True) ``` 此外，在实际应用过程中可能需要根据具体需求微调配色方案或增加其他辅助信息（如标注极端天气事件）。 ---