目录
前言
小白在入门Pythonon后，已经知道了python的一些基本类型和语法，今天来详解一下Python如何读取文件和绘制可视化图表
一、读取文件步骤：
在Python中读取文件有很多标准库或者第三方库可以实现，常用的有：pandas、Numpy、lxml、xml、xlwt、openpyxl、open等。
其中：open 是内置函数，下载好python后可以直接在编译器调用此函数；xml 编译是Python的标准库，也就是随着pyhon安装的时候默认自带的库。；pandas、Numpy、lxml、xlwt、openpyxl 属于第三方库，是下载后安装到python的安装目录下的，不同的第三方库安装及使用方法不同。今天分享的读取文件用的就是 pandas 库。
1.1 pandas库安装
方法一：安装Anaconda软件
最一劳永逸的方法不是直接安装Pandas，而是安装集成了python编程过程常用到的多种第三方库的软件：Anaconda,它是一个跨平台（Linux，Mac OS X，Windows）的Python发行版，用于数据分析和科学计算。在运行安装程序之后，用户将可以访问Pandas和SciPyopen in new window工具包的任何工具，而不需要安装任何其他东西，也不需要等待任何软件编译，非常的方便。
方法二：通过pip命令安装
在 cmd 窗口输入命令： pip linstall pandas 即可
1.2 pandas库的使用介绍
下载好pandas库后，首先在代码文件头部将其导入：导包命令都是：【import 包名 as 简化名称】 如图：
在 as 后面可以加别名，这样可以用别名来调用该库的所有功能。下面简单介绍要用到的功能
1、导入CSV或者xlsx文件：
df = pd.read_csv(r'name.csv')
df = pd.read_excel(r'name.xlsx'))2、查看导入的表格文件信息
df.info()3、查看表格对象的空值
df.isnull() #如果是空则为 ture ,非空为 false
df['列名'].isnull().sum() #统计指定列的空值个数4、对表格数据进行清洗
#删除表中空值所在行，并覆盖原表
df = df.dropna()
#删除表中重复值所在行，默认保留第一行，并覆盖原表
df['列名'] = df['列名'].pd.drop_duplicates()
#将指定数替换掉表中空值，并覆盖原表
df = df['年龄'].fillna(df['年龄'].mean())5、对表格数据分组聚合
#将表中数据按城市分组，并且统计各个城市的数量
df_gop = df.groupby('城市').count()
#将表中数据按城市分组后再按性别，并且统计各个性别的数量
df_gop = df.groupby(['城市','姓别'])['姓别'].count()
6、对表格数据进行排序
#按照表中某列数据进行排序
df = df.sort_values(by=['订单量'])
#按照索引进行排序
df = df.sort_index()7、对表格进行重置索引
df = df.reset_index()8、查找表格中特定要求的数据
# loc 方法 查找df表格里面订单数大于等于3的数据
df1 = df.loc[df['订单数'] >= 3:]
# iloc 方法 查找df表格里面第4列到8列的数据
df2 = df.iloc[4:9]
# query 方法 查找df表格中地址为天津和南京的数据
df_inner.query('地址 == ["天津", "南京"]')
二、绘制可视化图表
由于python是开源语言，所以各种第三方库非常多，常用的绘制图表库有：pyecharts库、query库、plotly库、matplotlib库等
Echarts是一个由百度开源的数据可视化工具，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而python是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上了数据可视化时，pyecharts诞生了。
pyecharts分为v0.5和v1两个大版本，v0.5和v1两个版本不兼容，v1是一个全新的版本，因此我们的学习尽量都是基于v1版本演示绘制图表过程。
语法格式如图：
三、读取文件加绘制简单图表详细代码
每次绘图，需求不一样，代码也会有所不同，本博客仅供参考。这里我拿一个绘制某猫双十二销量前十饼图举例：
题目：统计双12当天销量前十名的商品品类，画 商品品类 销量占比的 圆环图
数据字段含义和部分数据图示：
最后看一下成品：
总结：
今天的分享就到这里了，内容不深，面向小白。如果本博客对你有帮助，欢迎赞赏留言转发，希望大家能在自己喜欢的路上越走越远！