延安市网站建设_网站建设公司_外包开发_seo优化

Python 读取 txt 文件指定列并绘图的核心流程是：读取 txt 数据→提取目标列→数据预处理→绘图可视化。本文基于pandas（高效读取 / 处理数据）和matplotlib（绘图核心库），覆盖不同 txt 格式（有无表头、不同分隔符）、不同图表类型（折线图、散点图、柱状图等），并解决中文乱码、数据类型错误等常见问题。

一、前置准备

1. 安装依赖库

执行以下命令安装核心库（pandas处理数据，matplotlib绘图）：

bash

pip install pandas matplotlib

2. 明确 txt 文件格式（关键）

绘图前需确认 txt 的核心格式，避免读取失败：

二、核心场景实现

场景 1：基础版 - 无表头 txt，提取 2 列绘散点图 / 折线图

适用于 txt 无表头、数据为纯数值（如实验数据、传感器数据），提取 2 列绘制关联图表。

示例 txt 文件（data.txt）：

plaintext

1 23.5 45 2 25.1 48 3 24.8 46 4 26.3 50 5 25.9 49

（分隔符：空格；列索引：0 = 序号，1 = 温度，2 = 湿度）

代码实现（提取温度、湿度绘散点图 + 折线图）：

python

import pandas as pd import matplotlib.pyplot as plt # 1. 解决matplotlib中文乱码问题（必加，否则中文标签显示方块） plt.rcParams["font.sans-serif"] = ["SimHei"] # 黑体 plt.rcParams["axes.unicode_minus"] = False # 解决负号显示问题 # 2. 读取txt文件（无表头，sep="\s+"匹配任意空格） txt_path = r"E:\data.txt" # 替换为你的txt路径 df = pd.read_csv( txt_path, sep="\s+", # 空格分隔（制表符用sep="\t"，逗号用sep=","） header=None, # 无表头 encoding="utf-8" # 乱码则改为gbk ) # 3. 提取指定列（列索引从0开始） x_col = df.iloc[:, 1] # 第2列：温度 y_col = df.iloc[:, 2] # 第3列：湿度 x_label = "温度(℃)" y_label = "湿度(%)" # 4. 绘图（散点图+折线图组合） plt.figure(figsize=(8, 5)) # 设置画布大小 # 散点图（标记数据点） plt.scatter(x_col, y_col, color="red", s=50, label="数据点") # 折线图（连接数据点） plt.plot(x_col, y_col, color="blue", linestyle="--", label="趋势线") # 5. 设置图表样式 plt.title("温度-湿度关联图", fontsize=14) # 标题 plt.xlabel(x_label, fontsize=12) # x轴标签 plt.ylabel(y_label, fontsize=12) # y轴标签 plt.grid(True, alpha=0.3) # 网格线（alpha=透明度） plt.legend() # 显示图例 # 6. 保存图片（可选，比直接显示更清晰） plt.savefig(r"E:\temp_humidity.png", dpi=300, bbox_inches="tight") # 显示图表 plt.show()

场景 2：进阶版 - 有表头 txt，提取多列绘柱状图 / 对比折线图

适用于 txt 有表头（列名），提取多列做对比分析（如多组实验数据）。

示例 txt 文件（sales.txt）：

plaintext

月份,销售额A,销售额B,销售额C 1,12000,15000,10000 2,13500,14800,11000 3,14200,16000,12500 4,13800,15500,11800

（分隔符：逗号；表头：月份、销售额 A/B/C）

代码实现（提取月份 + 3 组销售额绘柱状图）：

python

import pandas as pd import matplotlib.pyplot as plt # 1. 中文乱码处理 plt.rcParams["font.sans-serif"] = ["SimHei"] plt.rcParams["axes.unicode_minus"] = False # 2. 读取txt（有表头，逗号分隔） txt_path = r"E:\sales.txt" df = pd.read_csv( txt_path, sep=",", # 逗号分隔 header=0, # 第一行是表头 encoding="utf-8" ) # 3. 提取指定列（可通过列名/索引提取） x_col = df["月份"] # 按列名提取：月份 y1_col = df["销售额A"] # 按列名提取：销售额A y2_col = df["销售额B"] # 按列名提取：销售额B y3_col = df["销售额C"] # 按列名提取：销售额C # 4. 绘制多组柱状图 plt.figure(figsize=(10, 6)) bar_width = 0.2 # 柱子宽度 x = range(len(x_col)) # 月份的数值化索引 # 绘制3组柱子（错开位置避免重叠） plt.bar([i - bar_width for i in x], y1_col, width=bar_width, label="销售额A", color="#FF6B6B") plt.bar(x, y2_col, width=bar_width, label="销售额B", color="#4ECDC4") plt.bar([i + bar_width for i in x], y3_col, width=bar_width, label="销售额C", color="#45B7D1") # 5. 样式设置 plt.title("各月份销售额对比", fontsize=14) plt.xlabel("月份", fontsize=12) plt.ylabel("销售额（元）", fontsize=12) plt.xticks(x, x_col) # x轴刻度替换为实际月份 plt.grid(axis="y", alpha=0.3) plt.legend() # 保存+显示 plt.savefig(r"E:\sales_comparison.png", dpi=300, bbox_inches="tight") plt.show()

场景 3：实用版 - 处理异常数据后绘图

实际 txt 文件常包含空值、字符串、异常值，需先清洗数据再绘图。

示例 txt 文件（dirty_data.txt）：

plaintext

序号,数值1,数值2 1,20.5,30 2,,35 # 空值 3,25.8,abc # 字符串 4,30.2,40 5,999,45 # 异常值（999为无效值）

代码实现（清洗数据 + 绘图）：

python

import pandas as pd import matplotlib.pyplot as plt import numpy as np # 1. 中文乱码处理 plt.rcParams["font.sans-serif"] = ["SimHei"] plt.rcParams["axes.unicode_minus"] = False # 2. 读取数据 txt_path = r"E:\dirty_data.txt" df = pd.read_csv( txt_path, sep=",", header=0, encoding="utf-8" ) # 3. 数据清洗（关键步骤） # 步骤1：转换数据类型（字符串转数值，无法转换的设为NaN） df["数值1"] = pd.to_numeric(df["数值1"], errors="coerce") df["数值2"] = pd.to_numeric(df["数值2"], errors="coerce") # 步骤2：替换异常值（999改为NaN） df["数值1"] = df["数值1"].replace(999, np.nan) # 步骤3：删除含NaN的行（也可填充：df.fillna(0)） df_clean = df.dropna() # 4. 提取清洗后的列 x_col = df_clean["数值1"] y_col = df_clean["数值2"] # 5. 绘图（折线图） plt.figure(figsize=(8, 5)) plt.plot(x_col, y_col, color="green", marker="o", linewidth=2) plt.title("清洗后的数据趋势图", fontsize=14) plt.xlabel("数值1", fontsize=12) plt.ylabel("数值2", fontsize=12) plt.grid(True, alpha=0.3) plt.savefig(r"E:\clean_data_plot.png", dpi=300) plt.show() # 打印清洗前后的对比 print("清洗前数据：") print(df) print("\n清洗后数据：") print(df_clean)

三、常见图表类型扩展

根据提取列的分析需求，选择对应的图表类型：

1. 折线图（趋势分析）

适用于「时间 / 序号 + 数值」列，展示数据变化趋势：

python

plt.plot(x_col, y_col, color="red", marker="s", linestyle="-", linewidth=1.5)

2. 柱状图 / 横向柱状图（分类对比）

适用于「分类列 + 多组数值列」，横向柱状图更适合分类名较长的场景：

python

# 横向柱状图 plt.barh(x_col, y_col, color="orange")

3. 饼图（占比分析）

适用于「分类列 + 数值列」，展示各分类的占比：

python

plt.pie(y_col, labels=x_col, autopct="%1.1f%%", colors=plt.cm.Set3.colors) plt.axis("equal") # 保证饼图为正圆形

4. 箱线图（分布分析）

适用于提取多列数值，分析数据分布、异常值：

python

# 提取多列绘制箱线图 cols = [df.iloc[:, 1], df.iloc[:, 2], df.iloc[:, 3]] plt.boxplot(cols, labels=["列1", "列2", "列3"]) plt.ylabel("数值") plt.title("多列数据分布箱线图")

四、常见问题解决

1. 中文标签显示方块（乱码）

• 核心原因：matplotlib 默认无中文字体；
• 解决方案：添加以下代码（开头必加）：

  python

  plt.rcParams["font.sans-serif"] = ["SimHei"] # 黑体（Windows）/ "PingFang SC"（Mac） plt.rcParams["axes.unicode_minus"] = False # 解决负号显示问题

• 备选方案：指定字体文件路径（适用于无默认中文字体的环境）：

  python

  from matplotlib.font_manager import FontProperties font = FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=12) plt.title("标题", fontproperties=font)

2. 绘图时报错「ValueError: could not convert string to float」

• 核心原因：提取的列包含字符串，无法作为数值绘图；
• 解决方案：转换数据类型并处理异常：

  python

  # 转换为数值，无法转换的设为NaN col = pd.to_numeric(df.iloc[:, 1], errors="coerce") # 删除NaN行 col = col.dropna()

3. 列索引越界（IndexError）

• 核心原因：指定的列索引超过 txt 的实际列数；
• 解决方案：先查看数据的列数和结构：

  python

  print("数据形状（行×列）：", df.shape) # 输出如(5,3)表示5行3列 print("前5行数据：") print(df.head())

4. 读取 txt 时乱码

• 解决方案：更换编码格式（utf-8→gbk，或反之）：

  python

  df = pd.read_csv(txt_path, sep="\s+", header=None, encoding="gbk")

• 进阶方案：自动检测编码（需安装 chardet）：

  python

  import chardet with open(txt_path, "rb") as f: encoding = chardet.detect(f.read())["encoding"] df = pd.read_csv(txt_path, sep="\s+", header=None, encoding=encoding)

5. 图表保存后缺失标签 / 标题

• 原因：保存时未考虑边界，标签被截断；
• 解决方案：bbox_inches="tight"参数：

  python

  plt.savefig("plot.png", dpi=300, bbox_inches="tight")

五、总结

所有示例代码均可直接复用，只需替换txt_path、列索引 / 列名、图表标签等参数，即可适配不同的 txt 文件和绘图需求。