🌳 数据可视化

代码逻辑梳理

整体架构

脚本 generate_price_charts_all_points.py 是一个完整的Excel数据可视化流水线，主要流程如下：

读取Excel → 解析数据结构 → 处理中文字体 → 生成折线图 → 创建HTML报告

主要函数详解

1. setup_chinese_font()

功能：解决matplotlib中文显示问题 技术点：

• 检测系统可用中文字体（macOS常见字体列表）
• 通过plt.rcParams['font.sans-serif']设置字体族
• 回退机制：尝试多个字体直到成功
• 设置axes.unicode_minus=False解决负号显示

2. parse_sheet_data(df_raw)

功能：解析Excel工作表，提取结构化数据 核心逻辑：

# 关键步骤
1. 识别供应商列（非"Unnamed"列）
2. 配对供应商价格列（优惠前 + 优惠后）
3. 推断缺失的机号（从上个非NaN值继承）
4. 格式化产品ID为"机号 功率"
5. 构建价格字典 {supplier: [prices]}

技术难点处理：

• 机号推断：当机号为NaN时，使用上一行的机号值
• 列配对：识别”供应商名”列和对应的”Unnamed”折扣列
• 数据清洗：处理NaN值，转换为float类型

3. create_line_chart(product_ids, prices_dict, suppliers, title, output_path)

功能：生成折线图，显示所有数据点 核心改进：

# 关键改进：显示所有价格点
if len(segment) >= 2:
    # 连续点：连线+标记
    plt.plot(..., linewidth=2, marker='o')
else:
    # 孤立点：仅标记（linewidth=0）
    plt.plot(..., linewidth=0, marker='o')

X轴排序解决方案：

# 1. 创建位置映射
product_to_xpos = {pid: i for i, pid in enumerate(product_ids)}

# 2. 使用数值位置绘图
x_positions = [product_to_xpos[product_ids[j]] for j in segment]

# 3. 显式设置刻度标签
plt.xticks(range(len(product_ids)), product_ids, rotation=60, ha='right')

4. generate_html_report(sheet_names, output_dir)

功能：生成包含所有图表的HTML汇总报告 技术点：

• 动态生成HTML内容
• 使用CSS进行响应式布局
• 自动包含时间戳

5. main()

功能：主控流程 执行顺序：

1. 设置中文字体
2. 读取Excel文件
3. 遍历所有工作表
4. 为每个工作表生成两张图表（优惠前/后）
5. 生成HTML报告

主要技术点

1. pandas数据处理

• pd.read_excel(): 读取Excel文件
• df.columns: 获取列名
• df.iloc[]: 按位置索引行数据
• pd.isna()/pd.notna(): 检测NaN值

2. matplotlib可视化

• plt.figure(): 创建图表
• plt.plot(): 绘制折线（关键参数：marker='o', linewidth=2/0）
• plt.xticks(): 控制X轴刻度
• plt.xlim(): 设置X轴范围
• plt.legend(): 添加图例
• plt.savefig(): 保存PNG

3. 数据映射技术

# 解决分类数据排序问题
product_to_xpos = {pid: i for i, pid in enumerate(product_ids)}

将字符串映射为数值位置，保持原始顺序。

4. 连续数据段检测

# 分组连续索引
segments = []
current_segment = []
for idx in valid_indices:
    if not current_segment:
        current_segment.append(idx)
    elif idx == current_segment[-1] + 1:
        current_segment.append(idx)
    else:
        segments.append(current_segment)
        current_segment = [idx]

技术难点与解决方案

难点1：X轴分类数据排序混乱

问题：Matplotlib将字符串作为分类数据，默认按字母顺序或首次出现顺序排列 解决方案：

• 创建{产品ID: 位置索引}映射字典
• 使用数值位置绘图
• 显式设置刻度标签plt.xticks(positions, labels)

难点2：孤立数据点显示

问题：原代码要求至少2个点才显示，导致孤立点被过滤 解决方案：

• 移除min_points限制
• 区分处理：2+点绘制连线，1点只绘制标记
• 设置linewidth=0使孤立点无连线

难点3：中文字体兼容性

问题：不同系统字体不同，中文可能显示为方框 解决方案：

• 预定义常见中文字体列表
• 尝试多个字体直到成功
• 设置回退字体机制

难点4：数据缺失推断

问题：Excel中机号只出现在分组第一行，后续行为空 解决方案：

last_machine = None
for row in data:
    if pd.notna(machine):
        last_machine = machine
    elif last_machine is not None:
        machine = last_machine  # 继承上一行的机号

难点5：供应商列识别

问题：Excel中供应商列与”Unnamed”折扣列交替出现 解决方案：

while i < len(cols):
    if 'Unnamed' not in str(col):
        supplier = col
        if i+1 < len(cols) and 'Unnamed' in str(cols[i+1]):
            supplier_cols[supplier] = (i, i+1)  # 配对列
            i += 2

代码亮点

1. 健壮的错误处理：字体检测、数据转换都有try-catch保护
2. 清晰的统计输出：显示处理了多少供应商、线段、孤立点
3. 模块化设计：每个函数职责单一，易于测试和维护
4. 用户友好：生成HTML报告，可直接在浏览器中查看所有图表
5. 配置灵活：图表尺寸、颜色方案、标签旋转等参数可调

可扩展性

如需进一步定制：

1. 颜色方案：修改plt.cm.tab20c为其他色彩映射
2. 图表尺寸：调整figsize=(14, 8)参数
3. 输出格式：修改plt.savefig(dpi=300)的DPI值
4. 数据过滤：在parse_sheet_data()中添加自定义过滤逻辑

这个脚本成功解决了复杂Excel数据可视化中的多个技术挑战，特别是分类数据排序、中文显示和孤立点处理等常见问题。