如何基于两个不同时间线的CSV文件绘制产品价格变化图

一、解决CSV转DataFrame失败问题 #

从你提供的CSV格式判断，文件大概率用**分号(;)**作为字段分隔符（而非默认逗号），或是存在编码问题。直接用以下代码尝试读取：

import pandas as pd

# 替换为你的实际文件路径，指定分隔符和编码（utf-8/gbk按需调整）
df_time1 = pd.read_csv("你的第一个CSV文件路径.csv", sep=";", encoding="utf-8")
df_time2 = pd.read_csv("你的第二个CSV文件路径.csv", sep=";", encoding="utf-8")

# 给两个数据集添加时间标识，区分不同时间线
df_time1["时间节点"] = "时间点1"
df_time2["时间节点"] = "时间点2"

# 合并两个数据集，保留所有产品（含重复项）
combined_df = pd.concat([df_time1, df_time2], ignore_index=True)

如果仍报错，追加engine="python"参数兼容特殊格式：

df_time1 = pd.read_csv("你的第一个CSV文件路径.csv", sep=";", encoding="utf-8", engine="python")

二、绘制产品价格变化趋势图 #

要展示所有产品（包括重复出现的）的价格波动，以下两种方案任选：

方案1：Matplotlib基础折线图 #

import matplotlib.pyplot as plt

# 解决中文显示乱码问题
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 按产品名称分组，遍历绘制每条趋势线
for prod_name, group in combined_df.groupby("product name（产品名称）"):
    # 按时间节点排序，保证顺序正确
    sorted_group = group.sort_values("时间节点")
    # 绘制常规价、折扣价、会员价三条线
    plt.plot(sorted_group["时间节点"], sorted_group["normal price（常规价格）"], marker="o", label=f"{prod_name} - 常规价")
    plt.plot(sorted_group["时间节点"], sorted_group["discount price（折扣价格）"], marker="s", label=f"{prod_name} - 折扣价")
    plt.plot(sorted_group["时间节点"], sorted_group["card price（会员价格）"], marker="^", label=f"{prod_name} - 会员价")

plt.title("产品价格变化趋势")
plt.xlabel("时间节点")
plt.ylabel("价格")
# 图例放图外避免遮挡
plt.legend(bbox_to_anchor=(1.05, 1), loc="upper left")
plt.tight_layout()
plt.show()

方案2：Seaborn美观分组图 #

import seaborn as sns

# 将宽表转长表，适配Seaborn的分组逻辑
melted_df = combined_df.melt(
    id_vars=["product name（产品名称）", "时间节点"],
    value_vars=["normal price（常规价格）", "discount price（折扣价格）", "card price（会员价格）"],
    var_name="价格类型",
    value_name="价格"
)

plt.figure(figsize=(12, 6))
sns.lineplot(
    data=melted_df,
    x="时间节点",
    y="价格",
    hue="product name（产品名称）",
    style="价格类型",
    marker="o"
)
plt.title("各产品不同价格类型的变化趋势")
plt.xlabel("时间节点")
plt.ylabel("价格")
plt.legend(bbox_to_anchor=(1.05, 1), loc="upper left")
plt.tight_layout()
plt.show()

额外处理提示 #

1. 如果时间节点是具体日期，转成日期格式确保排序正确：

combined_df["时间节点"] = pd.to_datetime(combined_df["时间节点"])

2. 若价格列带货币符号（如¥），先清洗转数值：

# 以常规价为例，其他价格列同理
combined_df["normal price（常规价格）"] = combined_df["normal price（常规价格）"].str.replace("¥", "").astype(float)

内容的提问来源于stack exchange，提问作者MATIAS IGNACIO OLIVA ALCAYAGA