基于Python/Excel处理电压日均值数据并可视化的技术求助

核心选型结论 #

• 完全不需要用selenium，它是用来自动化浏览器或爬取网页的，和你处理本地CSV文件的需求无关
• 必须安装pandas（数据分组计算核心工具）和matplotlib（生成图表），这俩足以搞定所有需求

实操步骤（Jupyter Notebook环境） #

1. 安装依赖库 #

在Jupyter代码单元格里运行：

!pip install pandas matplotlib

2. 单文件处理示例（先跑通单月数据） #

import pandas as pd
import matplotlib.pyplot as plt

# 读取CSV，自动解析日期列
df = pd.read_csv("单月数据.csv", parse_dates=["日期列名称"])  # 替换"日期列名称"为你实际的列名，比如"Date"

# 提取纯日期（去掉时分秒），用于分组
df["日期"] = df["日期列名称"].dt.date

# 按日期分组计算电压均值
daily_mean = df.groupby("日期")["电压列名称"].mean().reset_index()  # 替换"电压列名称"为实际列名，比如"Voltage"

# 生成折线图（换成bar()就是柱状图）
plt.figure(figsize=(12, 6))
plt.plot(daily_mean["日期"], daily_mean["电压列名称"])
plt.title("每日电压均值")
plt.xlabel("日期")
plt.ylabel("电压均值")
plt.xticks(rotation=45)  # 旋转日期标签避免重叠
plt.tight_layout()  # 自动调整布局
plt.show()

# 保存计算结果（可选）
daily_mean.to_csv("单月每日电压均值.csv", index=False)

3. 批量处理12个文件 #

把所有CSV文件放在同一个文件夹，用以下代码批量处理：

import os

# 指定CSV文件所在文件夹路径
folder_path = "./monthly_data"  # 替换成你的实际文件夹路径

# 遍历所有CSV文件
for filename in os.listdir(folder_path):
    if filename.endswith(".csv"):
        file_path = os.path.join(folder_path, filename)
        # 读取并处理数据
        df = pd.read_csv(file_path, parse_dates=["日期列名称"])
        df["日期"] = df["日期列名称"].dt.date
        daily_mean = df.groupby("日期")["电压列名称"].mean().reset_index()
        
        # 生成并保存图表
        plt.figure(figsize=(12, 6))
        plt.plot(daily_mean["日期"], daily_mean["电压列名称"])
        plt.title(f"{filename[:-4]} 每日电压均值")
        plt.xlabel("日期")
        plt.ylabel("电压均值")
        plt.xticks(rotation=45)
        plt.tight_layout()
        plt.savefig(f"{filename[:-4]}_均值图表.png")
        plt.close()  # 关闭画布释放内存
        
        # 保存均值数据
        daily_mean.to_csv(f"{filename[:-4]}_每日均值.csv", index=False)
        print(f"处理完成：{filename}")

关键提示 #

• 务必替换代码里的日期列名称和电压列名称为你CSV中的实际列名
• pandas会自动识别mm/dd/yyyy格式的日期，不需要额外配置
• 批量处理时，确保目标文件夹里只有要处理的12个CSV文件，避免误处理其他文件

内容的提问来源于stack exchange，提问作者Chaos