快速处理变量名技巧：Python绘图模板如何实现变量一次定义全局复用

实现逻辑 #

• 核心是将可变参数抽离到代码头部的统一配置区，所有业务逻辑直接引用配置变量，实现修改一次全局生效
• 封装通用绘图逻辑，避免重复编写冗余代码
• 内置变量合法性校验，避免列名写错导致的运行报错

完整可运行模板代码 #

# 导入依赖库
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# -------------------------- 仅修改本区块内容即可切换分析变量 --------------------------
# CSV文件存储路径
CSV_PATH = "hotel_order_data.csv"
# 本次需要分析的自变量列名，更换变量仅修改此处即可
ANALYSIS_FEATURE = "lead_time"
# 取消量列名，固定不变的话无需修改
CANCEL_FEATURE = "is_canceled"
# 绘图可选配置
PLOT_TITLE = f"{ANALYSIS_FEATURE} 与订单取消量关联关系"
FIGURE_SIZE = (12, 7)
# -------------------------- 配置区块结束 --------------------------

# 1. 数据读取与校验
df = pd.read_csv(CSV_PATH)
# 校验列名合法性
if ANALYSIS_FEATURE not in df.columns:
    raise ValueError(f"指定的分析变量 {ANALYSIS_FEATURE} 不存在于CSV文件的列中，请检查列名拼写")
if CANCEL_FEATURE not in df.columns:
    raise ValueError(f"指定的取消量变量 {CANCEL_FEATURE} 不存在于CSV文件的列中，请检查列名拼写")

# 2. 通用绘图逻辑
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 解决中文显示问题
plt.rcParams["axes.unicode_minus"] = False
plt.figure(figsize=FIGURE_SIZE)

# 自动适配变量类型选择绘图方式
if df[ANALYSIS_FEATURE].dtype == "object" or df[ANALYSIS_FEATURE].nunique() < 10:
    # 分类变量：绘制分组柱状图展示不同类别下的取消量占比/数量
    sns.countplot(data=df, x=ANALYSIS_FEATURE, hue=CANCEL_FEATURE)
else:
    # 连续变量：绘制箱线图展示取消/未取消订单的变量分布差异
    sns.boxplot(data=df, x=CANCEL_FEATURE, y=ANALYSIS_FEATURE)

plt.title(PLOT_TITLE)
plt.tight_layout()
plt.show()

# 如需保存图片可打开下方注释
# plt.savefig(f"{ANALYSIS_FEATURE}_cancel_analysis.png", dpi=300)

使用方法 #

• 每次需要更换分析的酒店变量时，仅需要修改配置区的 ANALYSIS_FEATURE 值为CSV对应列名，直接运行代码即可生成对应图表
• 若需要调整文件路径、图片尺寸、标题等参数，也统一在配置区修改即可
• 可根据自己的分析需求，在绘图逻辑部分新增更多图表类型，所有用到分析变量的位置直接引用 ANALYSIS_FEATURE 变量即可，不需要再手动硬编码修改多处

内容的提问来源于stack exchange，提问作者PaulA