将excel内存数据用Matplotlib画成图表,附python代码,首次使用matplotlib,经验总结(遇到的问题和解决办法)

Python自动化数据可视化:从CSV/Excel到交互式图表全流程 数据可视化是数据分析与工程实践中的核心环节,它将原始数据转化为直观的图表,帮助揭示趋势、模式和洞察。其原理在于通过图形编码,将数据维度映射到视觉属性(如位置、颜色、大小),从而高效传递信息。在技术实现上,Python凭借其强大的生态系统,构建了从数据读取、清洗到图表生成与发布的完整自动化流水线,这极大地提升了数据处理的效率与可复现性。其中,Pandas作为数据处理基石,提供了DataFrame这一核心数据结构,能高效处理CSV、Excel等格式文件,并完成数据清洗与转换;而Matplotlib、Seabor 阅读详情

背景:
有一份xls表格数据,里面有四列数据(分别是app内存,hal内存,server内存,时间戳),一共有上千行的数据类型,且所有数据都是str类型;
现需要画成一个内存走势图展示出来,最后保留照片。

---------------------------------------------------------------------------------------------------------------------------------
代码展示:
    def matplotlib_to_img(num):
        workbook = xlrd.open_workbook(r'D:\date.xls')
        work_sheet = workbook.sheet_by_name(u'sheet1')
        app_data = []
        hal_data = []
        server_data = []
        time_data = []
        for i in range(num):
            # 将内存数据从KB转换为MB
            hal_output_data = int(work_sheet.cell(i,0).value)/1024
            hal_data.append(hal_output_data)
            app_output_data = int(work_sheet.cell(i, 1).value)/1024
            app_data.append(app_output_data)
            server_output_data = int(work_sheet.cell(i, 2).value)/1024
            server_data.append(server_output_data)
            # 下面要将时间数据先从str转回float类型,再转换成int类型,然后转换成localtime
            time_local = time.localtime(int(float(work_sheet.cell(i, 3).value)))
            # 再将localtime转换成新的时间格式
            output_timedata = time.strftime("%H:%M:%S", time_local)
            time_data.append(output_timedata)
        plt.figure(figsize=(20, 10), dpi=80)  # 画布
        x = range(num)  # num为行数
        y = range(1200)  # 需求需要显示到1100M,所以y轴最大刻度值设为1200
        plt.title(u"内存")
        plt.ylabel(u"内存大小(单位/MB)")
        plt.xlabel(u"时间")
        hal_line = plt.plot(x, hal_data, color='blue',label='hal', linewidth=2.0)
        app_line = plt.plot(x, app_data, color='green',label='app', linewidth=2.0)
        server_line = plt.plot(x, server_data, color='orange',label='server', linewidth=2.0)
        plt.xticks(x[::10], time_data[::10], rotation=90)
        plt.yticks(y[::100], color='red')  # 修改x轴刻度为0~1000,间隔100,红色颜色
        plt.xlim(0,num) 
        plt.legend(loc='best')
        plt.grid()
        plt.savefig(r'D:\date.png')
        plt.show()
---------------------------------------------------------------------------------------------------------------------------------
经验总结(遇到的问题和解决办法):
1.问题:图表画出来了但是出现x轴最左边和最右边两部分覆盖不到,留着空白。

解决版本:

plt.xlim(0,num)  # 将数据从x起点为0的位置开始,解决matplotlib画图x轴最左边和最右边两部分覆盖不到的问题

2.问题:图表显示x轴浓密显示,时间点重叠在一起看不清楚。

解决办法:

plt.xticks(x[::10], time_data[::10], rotation=90)
# 修改x轴刻度为time_data内容,并将刻度旋转90度;
# 要同步修改x[::10]要和time_data[::10]对应间隔设置(间隔10,减少x轴浓密显示),不然时间会对不上,显示的时间跟数据的节点会出现错乱。

3.保留照片
plt.savefig(self.mem_img)  # 保存照片,注意下保存要在show之前
plt.show()

4.画图中文显示报错问题
问题:matplotlib图表添加中文报错ValueError: matplotlib display text must have all code points < 128 or use Unicode strings >
解决办法:在中文前面加上u,更改字符编码即可

---------------------------------------------------------------------------------------------------------------------------------

End:初次使用matplotlib实战,如有错误,请帮忙指出,谢谢~

Python常用库速查手册:NumPy、Pandas、Matplotlib实战代码集 在Python数据科学领域,NumPy、Pandas和Matplotlib构成了基础工具链的核心三件套。NumPy提供高效的多维数组运算能力,其ndarray数据结构是科学计算的基石;Pandas的DataFrame则为结构化数据处理提供了SQL般的操作体验;Matplotlib则实现了从基础图表到复杂可视化的完整解决方案。这些库通过向量化运算和内存优化技术,显著提升了数据处理效率,被广泛应用于金融分析、机器学习、科研计算等领域。本文整理的高频使用代码片段覆盖了数组操作、数据清洗、统计分析等典型场景,特别针 阅读详情

相关推荐

Python数据分析实战:用Pandas+Matplotlib自动化处理Excel数据

在数据处理与分析领域,Excel是广泛使用的工具,但在处理复杂、大规模或需要自动化复用的分析任务时,其局限性逐渐显现。此时,以NumPy、Pandas和Matplotlib为核心的Python数据分析技术栈展现出强大优势。Pandas提供了类似Excel表格的DataFrame数据结构,但其底层基于NumPy的高性能数组计算,支持向量化操作,能高效完成数据读取、清洗、转换与聚合。Matplotlib则提供了丰富的可视化能力,可将分析结果转化为直观的图表。这套组合的价值在于,它将手动、重复的Excel操作转化

weixin_30252709的博客 374

ValueError matplotlib display text must have all code points 128 or use Unicode strings

错误问题:ValueError: matplotlib display text must have all code points < 128 or use Unicode strings 错误原因:在使用matplotlib进行图表展示时,如果需要在图表上添加中文,可能会报字符类型的值错误。 解决办法:重新调用系统,修改默认的字符类型。 import sys reload(sys) sys.setdefaultencoding('utf-8') 说明:一般在我们写程序的过程中,经常会遇到

小李的研究生学习日记 4507

Python数据分析实战:用Pandas与Matplotlib自动化Excel报表与可视化

数据分析是现代商业决策和运营优化的核心环节,其本质是从海量数据中提取有价值信息的过程。传统上,Excel因其易用性成为主流工具,但在处理大规模数据、执行复杂计算和实现自动化流程时面临性能与灵活性的瓶颈。Python凭借其强大的生态库,为数据分析提供了更高效、可编程的解决方案。其中,Pandas库作为核心数据处理引擎,通过DataFrame数据结构实现了类似电子表格但更强大的数据操作,支持高效的数据清洗、转换与聚合分析;而Matplotlib作为科学绘图的事实标准,提供了从基础图表到高度定制化可视化的完整能力

weixin_30552811的博客 408

ValueError: matplotlib display text must have all code points 《 128 or use Unicode strings解决方案

在python的matplotlib包中运行一个简单的画图demo import matplotlib.pyplot as plt xlist = [1,2,3,4] ylist = [5,6,7,8] plt.plot(xlist, ylist) plt.xlabel("x参数") plt.xlabel("y参数") plt.show() 运行之后,报错:ValueError: matp...

qq_18999357的博客 5788

Python openpyxl.chart 自动化生成Excel图表:从入门到实战

在数据分析和报表自动化领域,Python与Excel的集成是提升效率的关键。通过编程控制图表生成,可以实现批量处理和格式统一,解决手动操作的痛点。openpyxl.chart模块正是为此而生,它允许开发者直接生成原生Excel图表对象,确保交付物具备完整的交互性,便于后续手动调整。该技术特别适用于需要自动化生成标准Excel报告的场景,如销售分析和数据报表。本文以柱状图、折线图等核心图表类型为例,结合动态数据源和组合图构建,深入解析了openpyxl.chart的原理与实践,帮助开发者高效实现图表自动化。

weixin_33910385的博客 437

matplotlib win32 python2.7画图包

matplotlib win32 python2.7画图包 语法与matlab相似。 标准版python还需还安装numpy模块,因为作图时涉及很多array操作。

python读取excel数据绘图

通过结合pandasmatplotlib和seaborn等库的功能,我们可以轻松地从Excel文件中读取数据并进行可视化展示。这些工具不仅提供了强大的数据处理和绘图功能,还具有灵活性和可扩展性,使我们能够根据不同的需求进行定制和优化。未来,随着数据科学和机器学习领域的不断发展,Python在数据处理和可视化方面的应用也将越来越广泛。我们可以期待更多强大的库和工具的出现,帮助我们更高效地处理和分析数据。同时,我们也需要不断学习和掌握新的技术和方法,以适应不断变化的数据处理需求。

Python老吕的博客 3644

ROS入门(一)——ROS安装(vmware16+ubuntu20.04+ROS-Noetic)

嵌套:ROS可以在Ubuntu上运行,Ubuntu在虚拟机Vmware中安装。 从 虚拟机vmware安装→ubuntu安装→ros安装,逐步介绍安装ROS环境的过程。整个过程是我一步步跟着各种博客安装实现的,亲测可行。 版本: Vmware :Vmware Workstation16 Ubuntu :20.04 ROS :Noetic 其中vmware直接载当前最新版本就好,而ubuntu的版本要注意一下。 在ROS官网(cn - ROS Wiki),我们进入到ROS安装的步骤界面,可以看..

Netceor的博客 9740

第十九篇 自动化报表生成:Python一键生成可视化Excel图表与专业PDF报告,老板看了都点赞!

还在为手工制图耗时、报表枯燥无味、PDF转换麻烦而烦恼吗?想一键生成可视化Excel图表,并导出专业PDF报告,让你的老板对你刮目相看?本文是你的自动化报表生成终极指南!我们将手把手教你如何利用Python数据可视化库(Matplotlib/Seaborn),结合openpyxl和PyMuPDF,实现Excel图表自动化嵌入,并Python导出PDF报告。本文提供完整可运行的代码、高清GIF动图演示、震撼前后对比图,让你零基础也能快速掌握,打造专属智能报表生成系统,全面加速你的办公自动化与数据呈现能力!

qq_35899016的博客 1886

C++碰撞检测库FCL安装(MinGW,CMake)

FCL碰撞检测库、libccd\Eigen库编译配置,全流程问题记录

weixin_45650767的博客 4675

多个linux系统安装到一块硬盘(Kylin+UOS+ubuntu)

之前写过一篇类似的文档,笔者把kylin和UOS安装在一块硬盘上上一篇的文档地址多个linux系统安装到一块硬盘(Kylin+UOS)_银河麒麟系统和uos安装成双系统-优快云博客本次记录的是三个系统到一块硬件上银河麒麟:Kylin-Desktop-V10-SP1-Release-2107-arm64统信:uniontechos-desktop-20-professional-1050-arm64乌班图:ubuntu-22.04.5-live-server-arm64。

aggs1990的专栏 570

Python数据可视化实战:从CSV/Excel读取到图表生成的完整指南

数据可视化是将原始数据转化为直观洞察的关键技术,其核心原理是通过图形化手段揭示数据中的模式、趋势和关联。在数据分析工作流中,可视化不仅是结果呈现,更是探索性分析的重要工具。Python凭借其强大的生态系统,为数据可视化提供了高效、可复现的工程化解决方案。pandas库作为数据处理基石,能够高效读取和清洗CSV、Excel等格式数据,而matplotlib和seaborn则构成了图表生成的核心技术栈。这种技术组合特别适用于需要自动化生成报表、处理大规模数据集以及创建定制化图表的场景,例如电商销售趋势分析和库存

weixin_30315905的博客 419

Allegro如何导入芯片的Pin Delay?

Allegro在做等长时,需要导入芯片的Pin Delay才能做真正的等长。因为有些芯片内部的引脚本身就是不等长的,例如海思的部分芯片。在右栏找到芯片U1,然后在Pin Delay栏下找一个PIN脚随便输入一个数值,这一步的目的是导出Pin Delay.csv文件的格式。4、用这份文件的格式,重新编辑需要导入芯片的Pin Delay,然后选择菜单File→Import→Pin delay。2、回到PCB,选择菜单File→Export→Pin delay,导出Pin Delay。

bhxc809751502的博客 5143

《超简单:用 Python 让 Excel 飞起来》读书笔记:第8章 扩展 动态图表:数据变化时图表同步更新

这篇文章介绍了如何用Python实现Excel动态图表,核心要点如下: 适用场景:动态图表适合数据持续变化的场景,如实时监控、业务看板、自动化巡检等,能直观展示趋势变化。 核心原理:通过循环刷新机制实现动态效果,包含数据源、数据缓存、图表对象和刷新机制四个关键部分。 实现方法: 使用Matplotlib的FuncAnimation函数创建动态折线图 设置合理的数据缓存和坐标轴范围 结合Excel/CSV数据源实现自动化更新 应用价值:动态图表不只是视觉呈现,而是完整的数据处理链路,能帮助判断趋势、发现异常。

分享 Windows 系统部署、镜像封装、终端管理、故障排查与运维自动化实践,涵盖 Sysinternals、PowerShell 和 AI 工具应用。以真实案例梳理排查思路与解决步骤,让运维经验清晰、可复用。 2万+

AUTOSAR进阶图解==>AUTOSAR_EXP_VFB

AUTOSAR虚拟功能总线(VFB)摘要 AUTOSAR虚拟功能总线(VFB)是汽车开放系统架构中的核心抽象概念,为分布式电子系统提供统一通信模型。VFB允许软件组件在不了解底层物理通信机制的情况下交互,通过运行时环境(RTE)实现组件间的数据交换。系统配置过程将抽象的VFB视图转换为具体实现,包括组件到ECU的映射和通信机制选择。VFB采用"last-is-best"语义进行数据通信,并支持模式管理机制,使组件能根据系统状态调整行为。此外,VFB还支持与非AUTOSAR系统的交互,通常

一名留德华的,康德的信徒的,专注于汽车电子领域的博客 1117

(王道408考研数据结构)第一章绪论-第二节1:算法的基本概念、算法的特性及设计要求

算法(Algorithm):是解决特定问题求解步骤的描述,在计算机中表现为指令的有限序列,并且每条指令表示一个或多个操作王道视频课中讲到了一个例子,展示了算法就是解决问题的特定步骤的描述对于给定的问题可以有多种多样的算法来解决,只不过这些算法有各自的优点和缺点。

快乐江湖的博客 2684

Python自动化Excel数据分析:Pandas与Matplotlib实战指南

在数据处理与分析领域,自动化与可复现性是提升效率的核心诉求。传统手动操作Excel不仅耗时费力,且难以保证结果的一致性与可追溯性。通过编程实现数据处理自动化,已成为现代数据分析师与工程师的必备技能。Python凭借其简洁语法与强大的生态库,在此领域展现出巨大技术价值。Pandas库作为数据处理利器,提供了类似Excel但更强大的DataFrame结构,支持高效的数据读取、清洗、筛选、分组聚合与合并操作。Matplotlib库则实现了图表的代码化生成与精细化控制,从基础折线图、柱状图到复杂的组合图表与热力图均

weixin_34023982的博客 438

基于STM32、HAL库的TLV320AIC3204IRHBR音频接口芯片驱动程序设计

* 开启所有数字部分 */#define TLV320AIC3204_REG_LEFT_HEADPHONE_OUT_VOLUME 0x0C /* 左声道耳机输出音量 */#define TLV320AIC3204_REG_DIGITAL_AUDIO_PATH_CONTROL 0x05 /* 数字音频路径控制 */#define TLV320AIC3204_REG_ANALOG_HP_FILTER_CONTROL 0x34 /* 模拟耳机滤波器控制 *//* 最大音量 */

corlin6688的博客 521

GPT-4o自动解析UN人口Excel生成Python图表代码

堆叠面积图是分析多国人口年龄结构演变的核心可视化方法,其本质依赖于对时间序列、分组占比与坐标系映射的准确建模。实现该图表需攻克三大技术难点:原始Excel文件的多工作表识别与说明行跳过、含特殊字符(如'65+')的列名安全引用、以及matplotlib中stackplot对数据矩阵格式与中文渲染的严格要求。GPT-4o凭借多模态表格理解能力,可直接解析UN人口预测数据的物理结构,生成带字体配置、年份排序、色盲友好配色的可运行Python代码,显著降低pandas数据清洗与matplotlib参数调试门槛。本

weixin_33708432的博客 356

【AI智能体】Claude Code 核心记忆文件 CLAUDE.md实战操作详解

Claude Code 核心记忆文件 CLAUDE.md实战操作详解

congge 5457

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

Python in Excel实战指南:零代码基础玩转数据分析

Excel是企业最普及的数据处理工具,但面对复杂分析、自动化建模和动态可视化时往往力不从心。Python作为数据科学核心语言,以其pandas数据处理、matplotlib可视化和scikit-learn机器学习能力著称。Python in Excel将二者深度集成,实现‘计算与呈现一体化’——无需切换环境、不依赖本地安装、代码直写单元格,结果实时回填。它基于Azure云沙箱安全执行,预装稳定库组合,兼顾合规性与易用性。适用于财务、HR、市场等非技术岗位,支撑人力仪表盘、销售预测、自然语言驱动分析等典型场景

weixin_30521161的博客 329

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Python数据可视化实战:从Matplotlib到Seaborn的图表设计与性能优化

数据可视化是数据分析的关键环节,它将复杂数据转化为直观图表,实现从数据到洞察的跨越。其核心原理在于通过视觉编码(如位置、颜色、形状)映射数据维度,从而揭示模式、趋势和异常。在技术层面,Python凭借Matplotlib、Seaborn等库成为主流工具,它们分别提供底层绘图控制和高级统计图形接口,能高效完成图表生成与定制。掌握可视化技术能显著提升数据分析报告的可读性与决策支持价值,广泛应用于业务监控、趋势分析、数据探索等场景。本文聚焦Python数据可视化实战,深入解析Matplotlib面向对象编程与Se

weixin_33744141的博客 348

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

Python数据分析实战:用Pandas与Matplotlib高效绘制多列数据图表

数据可视化是数据分析与科学计算中的核心环节,它将抽象的数字转化为直观的图形,帮助人们快速洞察数据背后的模式与趋势。其基本原理在于通过坐标映射、图形编码等方式,将多维数据属性映射为视觉元素,如位置、颜色、形状等。这项技术的价值在于极大地提升了数据探索、结果呈现和决策支持的效率,是数据驱动决策的基石。在工程实践与科研领域,数据可视化广泛应用于传感器监控、业务报表生成、实验数据分析等场景。本文聚焦于使用Python生态中的Pandas进行多列数据读取与清洗,并利用Matplotlib库进行从基础到高级的图表定制,

weixin_34234721的博客 398

python解析keil的HEX文件并使用matplotlib画图

Keil调试期间使用SAVE指令生成HEX文件保存RAM区相关过程数据,以往采用Excel导入数据分析,很繁琐。采用python 进行文件读取及分析可直接生成曲线图。迅速直观,极为方便。

tomato882008的博客 1436
上一篇: 解决Python PIP版本过低问题
下一篇: adb指令执行电脑关机
CDaron
博客等级 码龄8年 5粉丝 8原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值