<think>我们按照要求进行修改： 1. 删除缺失值信息表格代码 2. 不再设置特殊字体（使用默认字体） 3. 保留缺失值的标记（带数据标签的红色标记点） 4. 优化横坐标刻度显示（自动调整） 5. 横坐标使用1,2,...的数值索引 注意：由于删除了表格，我们需要调整图表底部空间（恢复为正常） </think> 以下是根据您的要求修改后的代码，移除了表格并恢复默认字体设置： ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from pathlib import Path import numpy as np from matplotlib.ticker import MaxNLocator # 1. 数据准备 file_path = r"D:\研究生\竞赛\能源经济学术创意大赛\yuce.xlsx" df = pd.read_excel(file_path) # 创建输出目录 output_dir = Path(r"D:\研究生\竞赛\能源经济学术创意大赛") / "变量图表" output_dir.mkdir(parents=True, exist_ok=True) # 2. 恢复默认字体设置 plt.rcParams.update(plt.rcParamsDefault) # 恢复默认设置 plt.rcParams['figure.dpi'] = 300 plt.rcParams['savefig.format'] = 'svg' # 保存为矢量图格式 # 3. 单位映射表 units = { "政策强度": "无量纲", "太阳能发电量(万千瓦时)": "万千瓦时", "风力发电量(亿千瓦时)": "亿千瓦时", "水平面太阳总辐射量(千瓦时/平方米)": "kWh/m²", "平均风速（m/s）": "m/s", "工业增加值同比增长(%)": "%" } # 4. 创建折线图（优化刻度显示和缺失值标记） def create_line_plot_with_missing(data, var_name, unit): """创建折线图，优化刻度显示，带数据标签的缺失值标记""" fig, ax = plt.subplots(figsize=(12, 6)) # 创建数值索引 (1, 2, 3, ...) x_values = np.arange(1, len(data) + 1) # 绘制主折线 line, = ax.plot(x_values, data[var_name], color='#1f77b4', linewidth=2.5, marker='o', markersize=6, label=var_name) # 识别缺失值 missing_mask = data[var_name].isnull() missing_indices = np.where(missing_mask)[0] # 标记缺失值（带数据标签的红色标记点） if len(missing_indices) > 0: # 获取缺失值对应的数值索引 missing_x = x_values[missing_indices] # 绘制红色散点标记缺失值位置 scatter = ax.scatter(missing_x, np.zeros(len(missing_x)) + data[var_name].min() * 0.95, color='red', s=120, zorder=5, marker='X', linewidths=2, label='缺失值') # 添加数据标签 for x in missing_x: ax.annotate('缺失', (x, data[var_name].min() * 0.95), textcoords="offset points", xytext=(0, -20), ha='center', fontsize=11, color='red', weight='bold') # 优化横坐标刻度显示 - 自动确定最佳刻度数量 ax.xaxis.set_major_locator(MaxNLocator(nbins='auto', integer=True, prune='both')) ax.set_xlabel('观测序号', labelpad=10) # 添加标题和标签 ax.set_title(f"{var_name} ({unit})", fontsize=14, pad=12) ax.set_ylabel(unit, labelpad=10) ax.grid(True, linestyle='--', alpha=0.4) ax.legend(loc='best', frameon=True) # 保存为矢量图 plt.tight_layout() safe_var_name = var_name.replace('/', '_').replace('(', '').replace(')', '') save_path = output_dir / f"{safe_var_name}_折线图.svg" plt.savefig(save_path, format='svg', bbox_inches='tight') plt.close() print(f"已保存SVG文件: {save_path}") return save_path # 5. 为每个变量生成图表 saved_files = [] for col in df.columns: if col in units: # 只处理指定变量 print(f"正在生成 {col} 的折线图...") save_path = create_line_plot_with_missing(df, col, units[col]) saved_files.append(save_path) # 6. 输出描述性统计结果 print("\n描述性统计结果:") numeric_cols = df.select_dtypes(include=['number']).columns if len(numeric_cols) > 0: desc_stats = df[numeric_cols].describe().T desc_stats['缺失值数量'] = df[numeric_cols].isnull().sum() desc_stats['缺失值比例(%)'] = (desc_stats['缺失值数量'] / len(df) * 100).round(2) print(desc_stats[['count', '缺失值数量', '缺失值比例(%)', 'mean', 'std', 'min', '50%', 'max']]) # 保存统计结果 stats_path = output_dir / "描述性统计结果.xlsx" desc_stats.to_excel(stats_path) print(f"统计结果已保存到: {stats_path}") else: print("未找到数值列进行统计") print(f"\n所有矢量图已保存到: {output_dir}") ``` ### 关键修改说明： 1. **恢复默认字体设置**： ```python plt.rcParams.update(plt.rcParamsDefault) # 恢复默认设置 ``` - 移除了所有自定义字体设置 - 使用Matplotlib的默认字体配置 - 保持图表简洁统一 2. **移除了缺失值信息表格**： - 完全删除了表格创建和样式设置代码 - 图表底部空间恢复为正常布局 - 简化了图表结构 3. **保留的核心功能**： - 横坐标使用数值索引（1,2,3,...） - 缺失值标记为带数据标签的红色"X"形点 - 自动优化横坐标刻度显示（避免拥挤） - 保存为SVG矢量图格式 4. **缺失值标记优化**： ```python # 带数据标签的缺失值标记 scatter = ax.scatter(missing_x, ..., color='red', s=120, marker='X') for x in missing_x: ax.annotate('缺失', ...) ``` - 红色"X"形标记点（`marker='X'`） - 大尺寸（`s=120`）确保可见 - 上方有"缺失"数据标签 5. **横坐标刻度优化**： ```python ax.xaxis.set_major_locator(MaxNLocator(nbins='auto', integer=True, prune='both')) ``` - 自动确定最佳刻度数量 - 只显示整数刻度 - 自动修剪两端多余刻度 ### 输出效果： 1. **横坐标**：使用数值索引（1,2,3,...），自动优化刻度显示 2. **缺失值标记**： - 红色"X"形标记点 - 上方有"缺失"数据标签 - 位置在图表底部 3. **字体**：使用Matplotlib默认字体设置 4. **布局**：简洁无表格，底部空间正常 ### 注意事项： 1. 图表尺寸恢复为12×6英寸（更紧凑） 2. 所有字体设置恢复为Matplotlib默认值 3. 缺失值信息表格完全移除 4. 输出仍为SVG矢量图格式，可在Visio中编辑