python快速绘制走势图对比曲线

一、功能概述

本工具专为实测高频、预测低频 的时序数据对比场景设计，可自动处理 4 组模型输出 Excel 文件，完成数据清洗、时间对齐与趋势可视化。工具能智能识别文件中「实测」「预测」两列数据，过滤空值、字符串等无效内容，解决数据长度不一致问题。基于1 秒实测、1 分钟预测的时间规律，将预测值按分钟精准填充到对应时间区间，实现两类数据完全对齐。

自动批量生成高清对比曲线图，采用蓝色细曲线展示实测高频细节，红色粗曲线突出预测整体趋势，界面简洁美观。支持隐藏拥挤的横轴刻度，保留网格、图例与标题，便于直观观察拟合效果。所有处理结果自动保存至原文件夹，包含对齐后的标准 Excel 数据表与高清趋势图，无需手动调整，一键完成从数据预处理到可视化输出全流程，高效稳定适配 Windows 环境与低版本 Python 库。

# -*- coding: utf-8 -*-
import os
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import warnings
warnings.filterwarnings('ignore')

# ========== 全局配置 ==========
plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体
plt.rcParams['axes.unicode_minus'] = False    # 负号正常显示
FOLDER_PATH = r'C:\Users\wayso\Desktop\ht'    # 文件所在路径
SAMPLING_RATIO = 60  # 1分钟=60秒（实测1秒/个，预测1分钟/个）

# ========== 工具函数：过滤非数值数据 ==========
def filter_numeric_data(series):
    """
    过滤Series中的非数值数据，仅保留数字（处理空字符串/空格/符号）
    :param series: 原始列数据
    :return: 仅包含数值的Series
    """
    # 步骤1：将空字符串、空格转为NaN
    series = series.replace(['', ' ', '-', '无', 'NaN'], np.nan)
    # 步骤2：尝试转换为数值型（无法转换的转为NaN）
    try:
        series = pd.to_numeric(series, errors='coerce')
    except:
        series = np.nan
    # 步骤3：过滤NaN，重置索引
    return series.dropna().reset_index(drop=True)

# ========== 核心函数：兼容低版本pandas的Excel读取 ==========
def read_excel_universal(file_path):
    """万能Excel读取函数（适配pandas<1.3.0）"""
    # 方案1：openpyxl引擎（优先读取.xlsx）
    try:
        return pd.read_excel(
            file_path,
            sheet_name='Sheet1',
            engine='openpyxl',
            header=0,        # 第一行作为列名
            na_filter=False  # 不自动过滤空值，避免解析错误
        )
    except Exception as e1:
        # 方案2：xlrd引擎（兼容旧版.xls/.xlsx）
        try:
            return pd.read_excel(
                file_path,
                sheet_name='Sheet1',
                engine='xlrd',
                header=0,
                na_filter=False
            )
        except Exception as e2:
            # 方案3：终极兜底（忽略列名，手动处理）
            try:
                df = pd.read_excel(
                    file_path,
                    sheet_name='Sheet1',
                    engine='openpyxl',
                    header=None  # 不指定列名，避免列名解析错误
                )
                # 手动设置列名（适配实测/预测列）
                if len(df.columns) >= 2:
                    df.columns = ['实测', '预测']  # 强制设置列名
                else:
                    print(f"⚠️ 文件{file_path}列数异常：{len(df.columns)}列")
                return df
            except Exception as e3:
                raise Exception(f"读取失败：{str(e3)}（openpyxl/xlrd均失败）")

# ========== 数据对齐函数（按时间维度） ==========
def align_data_by_time(actual_series, predict_series):
    """
    对齐实测（1秒）和预测（1分钟）数据：
    - 过滤非数值数据
    - 实测数据保留1秒粒度
    - 预测数据按分钟填充到对应60行
    """
    # 核心修复：过滤非数值数据（空字符串/符号/中文）
    actual_clean = filter_numeric_data(actual_series)
    predict_clean = filter_numeric_data(predict_series)
    
    # 检查过滤后是否有数据
    if len(actual_clean) == 0:
        raise Exception("实测列无有效数值数据")
    if len(predict_clean) == 0:
        raise Exception("预测列无有效数值数据")
    
    # 获取实测数据总长度（总秒数）
    total_seconds = len(actual_clean)
    # 初始化预测数据为NaN（浮点型，避免类型错误）
    predict_aligned = np.full(total_seconds, np.nan, dtype=np.float64)
    
    # 按分钟填充预测值（1个预测值对应60个实测值）
    for i in range(len(predict_clean)):
        start_pos = i * SAMPLING_RATIO
        if start_pos < total_seconds:
            end_pos = min((i+1)*SAMPLING_RATIO, total_seconds)
            # 确保赋值的是浮点数
            predict_value = float(predict_clean.iloc[i])
            predict_aligned[start_pos:end_pos] = predict_value
    
    # 实测数据对齐（保持原样，长度一致）
    actual_aligned = actual_clean.reindex(range(total_seconds))
    return actual_aligned, predict_aligned

# ========== 绘图函数（实测vs预测对比） ==========
def plot_comparison(actual, predict, file_name, save_path):
    """绘制高清对比走势图（隐藏横轴刻度）"""
    plt.figure(figsize=(15, 8))
    
    # 绘制实测曲线（蓝色细线条，体现1秒粒度细节）
    plt.plot(actual.index, actual.values, 'b-', label='实测值（1秒/个）', linewidth=0.8, alpha=0.8)
    # 绘制预测曲线（橙色粗线条，突出1分钟粒度趋势）
    plt.plot(predict.index, predict.values, 'r-', label='预测值（1分钟/个）', linewidth=2, alpha=0.9)
    
    # 图表美化
    plt.title(f'{file_name}\n实测（1秒粒度）vs 预测（1分钟粒度）对比', fontsize=16, pad=20)
    plt.xlabel('时间（秒）', fontsize=12)
    plt.ylabel('数值', fontsize=12)
    plt.legend(fontsize=12, loc='best')
    plt.grid(True, alpha=0.3, linestyle='--')
    
    # ========== 核心修改：隐藏横轴刻度和标签 ==========
    ax = plt.gca()  # 获取当前坐标轴对象
    ax.set_xticks([])  # 隐藏横轴刻度标签
    ax.xaxis.set_ticks_position('none')  # 隐藏横轴刻度线
    
    # 保存高清图片
    plt.tight_layout()  # 自适应布局，避免标签被截断
    plt.savefig(save_path, dpi=300, bbox_inches='tight')
    plt.close()
    print(f'✅ 对比图已保存：{save_path}')

# ========== 主程序：批量处理所有Excel文件 ==========
if __name__ == '__main__':
    # 遍历文件夹中的Excel文件（兼容.xlsx/.xls）
    file_list = [
        f for f in os.listdir(FOLDER_PATH) 
        if f.endswith(('.xlsx', '.xls')) and '创建时间' in f
    ]
    
    # 检查文件数量
    if not file_list:
        print('❌ 未找到目标Excel文件！请检查路径：', FOLDER_PATH)
    else:
        print(f'✅ 找到{len(file_list)}个目标文件，开始处理...\n')
    
    # 逐个处理文件
    for file_name in file_list:
        file_path = os.path.join(FOLDER_PATH, file_name)
        print(f'----------------------------------------')
        print(f'正在处理：{file_name}')
        
        # 1. 读取Excel文件（兼容低版本pandas）
        try:
            df = read_excel_universal(file_path)
        except Exception as e:
            print(f'❌ 读取文件失败：{e}')
            continue
        
        # 2. 检查并匹配「实测」「预测」列（兼容列名变体）
        actual_col, predict_col = None, None
        for col in df.columns:
            col_str = str(col).strip()  # 去除空格，兼容列名含空格的情况
            if '实测' in col_str:
                actual_col = col
            elif '预测' in col_str:
                predict_col = col
        
        if not actual_col or not predict_col:
            print(f'❌ 文件缺少「实测」或「预测」列，列名列表：{df.columns.tolist()}')
            continue
        
        # 3. 按时间维度对齐数据（包含非数值过滤）
        try:
            actual_aligned, predict_aligned = align_data_by_time(df[actual_col], df[predict_col])
        except Exception as e:
            print(f'❌ 数据对齐失败：{e}')
            continue
        
        # 4. 保存对齐后的数据（Excel）
        aligned_df = pd.DataFrame({
            '时间（秒）': range(len(actual_aligned)),
            '实测值': actual_aligned,
            '预测值': predict_aligned
        })
        excel_save_path = os.path.join(FOLDER_PATH, f'对齐后_{file_name}')
        aligned_df.to_excel(excel_save_path, index=False, engine='openpyxl')
        print(f'✅ 对齐后数据已保存：{excel_save_path}')
        
        # 5. 绘制并保存对比图
        img_save_path = os.path.join(FOLDER_PATH, f'{os.path.splitext(file_name)[0]}_对比图.png')
        try:
            plot_comparison(
                actual=pd.Series(actual_aligned),
                predict=pd.Series(predict_aligned),
                file_name=file_name,
                save_path=img_save_path
            )
        except Exception as e:
            print(f'❌ 绘图失败：{e}')
            continue
    
    # 处理完成提示
    print('\n========================================')
    print('🎉 所有文件处理完成！结果文件已保存到原文件夹。')

二、关键修改说明

表格

代码行	作用
ax = plt.gca()	获取当前图表的坐标轴对象，用于精细控制样式
ax.set_xticks([])	清空横轴的刻度标签（比如 "0 分""1 分" 等文字）
ax.xaxis.set_ticks_position('none')	隐藏横轴的刻度线（底部的小短线）
注释掉原有plt.xticks代码	彻底移除原有的刻度生成逻辑，避免冲突

三、进阶可选：仅隐藏刻度线，保留 x 轴标签

如果你想保留 "时间（秒）" 这个 x 轴标题，只隐藏刻度（当前代码已保留标题）；如果想连 x 轴标题也隐藏，只需添加：

python

运行

ax.set_xlabel('')  # 隐藏x轴标题

总结

1. 核心实现 ：通过set_xticks([])和set_ticks_position('none')完全隐藏横轴的刻度标签和刻度线；
2. 视觉效果：图表仅保留曲线、图例、标题和 y 轴，整体更简洁美观，无横轴刻度干扰；
3. 兼容性：修改仅针对绘图样式，不影响数据读取和对齐逻辑，原有功能完全保留。

运行修改后的代码，生成的对比图将不再显示横轴底部的任何刻度信息，完美满足你的美观需求。