### 使用Python读取Excel数据并绘制子图 要完成此任务，可以利用 `pandas` 库来加载 Excel 文件中的数据，并使用 `matplotlib` 来绘制图表。以下是实现这一目标的具体方法： #### 数据准备与导入 首先需要安装必要的库（如果尚未安装），可以通过以下命令完成： ```bash pip install pandas matplotlib openpyxl ``` 其中，`openpyxl` 是用于支持 `.xlsx` 格式的依赖项。 #### 脚本编写 下面是一个完整的 Python 脚本示例，展示如何读取 Excel 表格中的日期、猪肉价格和牛肉价格数据，并在同一个 figure 界面中通过 2×1 子图分别绘制 2018 年 1 月 1 日至 15 日的价格走势。 ```python import pandas as pd import matplotlib.pyplot as plt from datetime import datetime # 加载Excel文件 file_path = 'prices.xlsx' # 假设Excel文件名为 prices.xlsx data = pd.read_excel(file_path) # 过滤2018年1月1日至15日的数据 start_date = datetime(2018, 1, 1) end_date = datetime(2018, 1, 15) filtered_data = data[(data['Date'] >= start_date) & (data['Date'] <= end_date)] # 创建一个新的Figure fig = plt.figure(figsize=(10, 8)) # 定义GridSpec布局 gs = fig.add_gridspec(2, 1) # 创建一个2行1列的网格布局 [^1] # 绘制第一个子图：猪肉价格趋势 ax1 = fig.add_subplot(gs[0, 0]) # 占据第1行的位置 ax1.plot(filtered_data['Date'], filtered_data['PorkPrice'], color='red', marker='o') ax1.set_title('Pork Price Trend from Jan 1 to Jan 15, 2018') ax1.set_xlabel('Date') ax1.set_ylabel('Price ($/kg)') ax1.grid(True) # 绘制第二个子图：牛肉价格趋势 ax2 = fig.add_subplot(gs[1, 0]) # 占据第2行的位置 ax2.plot(filtered_data['Date'], filtered_data['BeefPrice'], color='blue', marker='s') ax2.set_title('Beef Price Trend from Jan 1 to Jan 15, 2018') ax2.set_xlabel('Date') ax2.set_ylabel('Price ($/kg)') ax2.grid(True) # 显示图形 plt.tight_layout() plt.show() ``` 上述代码实现了以下几个功能： - **数据过滤**：仅保留指定时间范围内的记录。 - **子图布局**：通过 `matplotlib.gridspec.GridSpec` 设置了一个两行一列的布局 。 - **绘图样式**：分别为猪肉和牛肉设置了不同的颜色和标记风格。 #### 结果解释 运行该脚本后，会生成一张包含两个子图的图像。上半部分显示了 2018 年 1 月 1 日至 15 日期间猪肉价格的变化趋势；下半部分则展示了同期牛肉价格的趋势变化。 --- ### 问题