Python读取CSV文件画图实战指南（手把手保姆级教程）_python读取csv文件数据绘制曲线图-CSDN博客

本文链接：https://blog.csdn.net/techfluent/article/details/147498399

一、为什么要学这个？（超实用场景）

各位老铁们！今天咱们要解锁的是数据分析中最经典的场景：读取CSV数据+可视化呈现（简直是大厂面试的送分题啊！！！）。无论是处理销售数据、分析实验结果，还是搞机器学习，CSV文件都是最常用的数据载体形式。相信我，这套组合拳学会了，你的数据分析效率直接起飞~

二、环境准备（3分钟搞定）

2.1 必须安装的库

pip install pandas matplotlib  # 这两个神器必须装！

2.2 推荐工具

用Jupyter Notebook（交互式编程神器）或者VS Code（装Python插件）都行。我个人更推荐Jupyter，边写代码边看图表特别方便（亲测效率翻倍！）

三、完整代码流（含踩坑指南）

3.1 读取CSV文件

import pandas as pd

# 重点注意编码格式！中文windows系统默认是gbk
data = pd.read_csv('sales_data.csv', encoding='utf-8') 

# 查看前5行（重要！快速检查数据是否正常）
print(data.head())

常见报错解决：

UnicodeDecodeError：把encoding换成’gbk’或’gb2312’试试
FileNotFoundError：检查文件路径！建议用绝对路径如r’C:\data\test.csv’

3.2 数据清洗（关键步骤！）

# 处理缺失值（超级重要！）
data = data.dropna()  # 删除有空值的行

# 转换日期格式（时间序列分析必备）
data['date'] = pd.to_datetime(data['date'])

# 过滤异常值（根据业务需求调整）
data = data[data['sales'] > 0]

3.3 画图实战（5种常用图表）

3.3.1 折线图（趋势分析）

import matplotlib.pyplot as plt

plt.figure(figsize=(12,6))  # 设置画布大小
plt.plot(data['date'], data['sales'], 
         color='#FF6B6B',  # 十六进制颜色码
         linestyle='--', 
         linewidth=2,
         marker='o')

plt.title('月度销售趋势', fontsize=14, fontweight='bold')
plt.xlabel('日期', fontsize=12)
plt.ylabel('销售额（万元）', fontsize=12)
plt.grid(True, linestyle=':', alpha=0.7)  # 半透明网格线
plt.xticks(rotation=45)  # X轴标签旋转45度
plt.tight_layout()  # 自动调整布局
plt.show()

3.3.2 柱状图（对比分析）

# 按地区分组统计
region_sales = data.groupby('region')['sales'].sum()

plt.bar(region_sales.index, region_sales.values,
        color=['#4ECDC4', '#45B7D1', '#9CDE9F'],
        edgecolor='black')

# 添加数据标签（让图表更专业！）
for i, v in enumerate(region_sales.values):
    plt.text(i, v+1000, f'{v:,}', 
             ha='center', 
             fontsize=10)

plt.title('各地区销售总额对比')
plt.savefig('sales_by_region.png', dpi=300)  # 保存高清图

3.4 高级技巧（让图表更专业）

3.4.1 双Y轴图表

fig, ax1 = plt.subplots()

ax1.plot(data['date'], data['sales'], 'g-')
ax1.set_xlabel('日期')
ax1.set_ylabel('销售额', color='g')

ax2 = ax1.twinx()  # 创建第二个Y轴
ax2.plot(data['date'], data['profit'], 'b--')
ax2.set_ylabel('利润', color='b')

plt.title('销售额与利润趋势对比')

3.4.2 动态交互图表（Bonus！）

# 需要安装plotly
import plotly.express as px

fig = px.scatter(data, x='sales', y='profit',
                 size='customer_count', 
                 color='region',
                 hover_name='city',
                 trendline='ols')  # 自动添加趋势线

fig.show()  # 会弹出浏览器显示可交互图表

四、避坑指南（血泪经验）

中文显示问题：
添加这两行代码解决中文乱码：

plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

图表模糊问题：
保存图片时加上dpi参数：

plt.savefig('chart.png', dpi=300, bbox_inches='tight')

大数据处理技巧：
CSV文件超过100MB时，用chunksize分块读取：

chunk_iter = pd.read_csv('big_data.csv', chunksize=10000)
for chunk in chunk_iter:
    process(chunk)  # 分批处理

五、项目实战思路

举个真实案例：分析某电商618销售数据

读取CSV（含日期、商品类目、销售额、用户地区等字段）
清洗数据（过滤退货订单、补全缺失地址）
可视化：
- 24小时销售趋势折线图
- 各省份销售额热力图
- 各品类销售额占比饼图
- 价格与销量的散点图

Pro Tip：把常用绘图代码封装成函数，比如：

def create_line_chart(df, x_col, y_col, title):
    plt.figure(figsize=(10,6))
    plt.plot(df[x_col], df[y_col])
    # ...其他通用设置...
    return plt

六、资源推荐

Matplotlib官方样式表：
执行print(plt.style.available)查看所有预设样式
推荐使用：
```
plt.style.use('seaborn')  # 比默认样式好看10倍！
```
配色网站：
- coolors.co（自动生成配色方案）
- colorbrewer2.org（专业统计图表配色）
学习资料：
- 《Python数据可视化之美》
- Matplotlib官网Gallery（直接抄代码！）