Step 1 加载数据并进行预处理，配置中文字体与环境参数
pythonimport pandas as pd import matplotlib.pyplot as plt import numpy as np import seaborn as sns import re # 设置中文字体，兼容不同环境 plt.rcParams['font.sans-serif'] = ['SimHei', 'WenQuanYi Zen Hei', 'DejaVu Sans'] plt.rcParams['axes.unicode_minus'] = False # 加载数据并处理合并单元格 file_path = 'input_data.xlsx' df = pd.read_excel(file_path) df.ffill(inplace=True) # 处理可能的合并单元格空值 # 统一重命名列名以便于程序化处理 original_columns = df.columns.tolist() df.columns = [f'col_{i+1}' for i in range(df.shape[1])] print(f"数据形状: {df.shape}") print(f"原始列映射: {dict(zip(df.columns, original_columns))}")
Step 2 生成多子图箱线图，直观展示各维度数据的分布特征与统计量
python# 计算子图布局 num_cols = len(df.columns) rows = (num_cols + 2) // 3 fig, axes = plt.subplots(rows, 3, figsize=(18, 5 * rows)) fig.suptitle('数据分布维度分析', fontsize=16, fontweight='bold') axes_flat = axes.flatten() for i, column in enumerate(df.columns): data_series = df[column].dropna() if pd.api.types.is_numeric_dtype(data_series): axes_flat[i].boxplot(data_series, patch_artist=True, boxprops=dict(facecolor='lightblue', alpha=0.7), medianprops=dict(color='red', linewidth=2)) stats = data_series.describe() axes_flat[i].set_title(f'{column} (n={len(data_series)})', fontsize=12) axes_flat[i].text(0.05, 0.95, f'均值: {stats["mean"]:.2f}\n中位数: {stats["50%"]:.2f}', transform=axes_flat[i].transAxes, verticalalignment='top', bbox=dict(boxstyle='round', facecolor='white', alpha=0.8)) axes_flat[i].grid(True, alpha=0.3) plt.tight_layout(rect=[0, 0.03, 1, 0.95]) output_path = 'individual_boxplots.png' plt.savefig(output_path, dpi=300, bbox_inches='tight') plt.show()
Step 3 执行异常值检测算法，计算四分位距（IQR）并生成统计报告
pythonanalysis_results = [] for col in df.columns: data = df[col].dropna() if not pd.api.types.is_numeric_dtype(data): continue Q1 = data.quantile(0.25) Q3 = data.quantile(0.75) IQR = Q3 - Q1 lower_bound = Q1 - 1.5 * IQR upper_bound = Q3 + 1.5 * IQR outliers = data[(data < lower_bound) | (data > upper_bound)] analysis_results.append({ '维度': col, '样本量': len(data), '异常值数量': len(outliers), '偏度': round(data.skew(), 3), '峰度': round(data.kurtosis(), 3), '范围': f"{data.min():.2f} ~ {data.max():.2f}" }) report_df = pd.DataFrame(analysis_results) print("=== 数据质量与分布报告 ===") print(report_df.to_string(index=False))
Step 4 使用正则表达式从文本列中提取误差值（±模式）并进行量化分析
python# 假设 target_col 包含类似 "10.5 ± 0.2" 的文本 target_col = df.columns[0] text_data = df[target_col].astype(str).str.cat(sep=' ') # 正则表达式提取 ± 后面的数值 error_pattern = r'±(\d+\.?\d*)' extracted_errors = [float(val) for val in re.findall(error_pattern, text_data)] if extracted_errors: print(f"提取到误差样本量: {len(extracted_errors)}") print(f"误差均值: {np.mean(extracted_errors):.4f}") else: print("未在指定列中检测到符合 ± 模式的误差数据")
Step 5 绘制误差分布直方图，并标注核心统计参考线
pythonif extracted_errors: plt.figure(figsize=(10, 6)) # 自动计算 bins 数量 n, bins, patches = plt.hist(extracted_errors, bins='auto', color='skyblue', edgecolor='black', alpha=0.7) # 在柱体上方标注频次 for i in range(len(n)): if n[i] > 0: plt.text(bins[i] + (bins[i+1]-bins[i])/2, n[i] + 0.1, str(int(n[i])), ha='center', va='bottom', fontweight='bold') # 添加均值参考线 mean_val = np.mean(extracted_errors) plt.axvline(mean_val, color='red', linestyle='--', linewidth=2, label=f'误差均值: {mean_val:.3f}') plt.title('误差项分布特征直方图', fontsize=14) plt.xlabel('误差量级', fontsize=12) plt.ylabel('出现频次', fontsize=12) plt.legend() plt.grid(axis='y', alpha=0.3) plt.tight_layout() plt.savefig('error_distribution_histogram.png', dpi=300) plt.show()
Step 6 导出分析摘要并生成下载链接
pythonsummary_file = 'analysis_summary.csv' report_df.to_csv(summary_file, index=False, encoding='utf_8_sig') from IPython.display import FileLink print("分析完成，点击下方链接下载报告：") display(FileLink(summary_file)) display(FileLink('individual_boxplots.png'))
