AI数据分析:根据Excel表格数据绘制柱形图

工作任务:将Excel文件中2013年至2019年间线上图书的销售额,以条形图的形式呈现,每个条形的高度代表相应年份的销售额,同时在每个条形上方标注具体的销售额数值

在deepseek中输入提示词:

你是一个Python编程专家,要完成一个Python脚本编写的任务,具体步骤如下:

读取xls格式的Excel文件"F:\AI自媒体内容\books.xlsx"的第二个工作表:Sheet2,

用matplotlib绘制一个柱状图:

获取C1单元格到C8单元格的内容作为x轴的数据。

获取G1单元格到G8单元格的内容作为y轴的数据。

绘制y轴上的虚线网格。

设置x轴标签为"年份"。

设置y轴标签为"线上销售额(元)"。

设置图表的标题为"2013-2019年线上图书销售额分析图"。

设置柱状图中每个柱子的宽度=0.5,对齐方式:居中对齐,颜色为蓝色,透明度=0.5,底部起始位置=0.8;

对于每个柱子,上方添加文本标签,显示销售额的值,并格式化为千位分隔符格式;文本的字体大小为9,颜色为红色,透明度为0.9。

添加图例,包含标签"销售额"。

设置matplotlib默认字体为'SimHei',文件路径为:C:\Windows\Fonts\simhei.ttf

保存图片到文件夹"F:\AI自媒体内容";

显示图片;

注意:每一步都输出信息到屏幕

源代码:

import pandas as pd

import matplotlib.pyplot as plt

设置matplotlib默认字体

plt.rcParams['font.sans-serif'] = ['SimHei'] # 雅黑字体

plt.rcParams['axes.unicode_minus'] = False # 正确显示负号

读取Excel文件的第二个工作表

file_path = "F:\\AI自媒体内容\\books.xlsx"

sheet_name = "Sheet2"

df = pd.read_excel(file_path, sheet_name=sheet_name)

获取x轴和y轴数据

x_data = df.iloc[0:8, 2].values # C列的数据,从第二行到第八行

y_data = df.iloc[0:8, 6].values # G列的数据,从第二行到第八行

创建柱状图

fig, ax = plt.subplots()

bars = ax.bar(x_data, y_data, width=0.3, align='center', color='b', alpha=0.5, bottom=0.8)

添加文本标签

for bar in bars:

height = bar.get_height()

ax.text(bar.get_x() + bar.get_width() / 2, height,

'{:,.0f}'.format(height),

ha='center', va='bottom', fontsize=9, color='r', alpha=0.9)

绘制y轴上的虚线网格

ax.yaxis.grid(True, linestyle='dashed')

设置x轴和y轴标签

ax.set_xlabel('年份')

ax.set_ylabel('线上销售额(元)')

设置图表标题

ax.set_title('2013-2019年线上图书销售额分析图')

添加图例

ax.legend([bars], ['销售额'])

显示图片

plt.show()

保存图片

save_path = "F:\\AI自媒体内容\\sales_analysis.png"

plt.savefig(save_path)

print(f"图片已保存到:{save_path}")

相关推荐
北辰alk14 小时前
RAG索引流程详解:如何高效解析文档构建知识库
人工智能
九河云14 小时前
海上风电“AI偏航对风”:把发电量提升2.1%,单台年增30万度
大数据·人工智能·数字化转型
wm104315 小时前
机器学习第二讲 KNN算法
人工智能·算法·机器学习
沈询-阿里15 小时前
Skills vs MCP:竞合关系还是互补?深入解析Function Calling、MCP和Skills的本质差异
人工智能·ai·agent·ai编程
xiaobai17815 小时前
测试工程师入门AI技术 - 前序:跨越焦虑,从优势出发开启学习之旅
人工智能·学习
盛世宏博北京15 小时前
云边协同・跨系统联动:智慧档案馆建设与功能落地
大数据·人工智能
TGITCIC16 小时前
讲透知识图谱Neo4j在构建Agent时到底怎么用(二)
人工智能·知识图谱·neo4j·ai agent·ai智能体·大模型落地·graphrag
逆羽飘扬16 小时前
DeepSeek-mHC深度拆解:流形约束如何驯服狂暴的超连接?
人工智能
bing.shao16 小时前
AI工作流如何开始
人工智能
小途软件16 小时前
用于机器人电池电量预测的Sarsa强化学习混合集成方法
java·人工智能·pytorch·python·深度学习·语言模型