Python使用Pandas读取CSV并排序绘图教程

Python读取CSV文件并按列排序绘图的完整步骤

CSV（Comma-Separated Values）是一种以纯文本形式存储表格数据的通用格式，常用于程序间的数据交换与爬虫结果暂存。配合Python生态中的Pandas与Matplotlib，可高效完成读取、排序与绘图操作。

第1步：读取CSV并指定目标列

目的：加载外部数据表，过滤首列无用信息，仅保留用于后续排序与绘图的横纵坐标字段。

入口与动作：调用pd.read_csv()加载源文件。设置header=0标识首行为表头；通过usecols=[1,2]精准限定读取第二列与第三列，完成数据切片后返回DataFrame对象。

# 读取scalars.csv，仅提取索引为1和2的列
txt = pd.read_csv('scalars.csv', header=0, usecols=[1,2])

可观察的完成状态：控制台无报错，变量txt成功实例化，打印txt.head()可见仅保留Step与Value两列数据。

第2步：按指定列执行升序排列

目的：根据目标列的数值大小重新组织行数据顺序，消除原始杂乱分布。

入口与动作：调用txt.sort_values()方法。by=["Value"]锁定排序基准列；ascending=True明确从小到大排列（若需逆序改为False）。执行后原DataFrame保持不变，需接收返回值。

# 获取按Value列升序重排后的新DataFrame
txt2 = txt.sort_values(by=["Value"], ascending=True)

可观察的完成状态：变量txt2中的数据行按Value字段严格递增，打印末尾几行可见最大数值位于最后。

第3步：绘制排序前后对比折线图

目的：直观展示调整数据顺序前后，横纵坐标对应关系的变化轨迹。

入口与动作：使用plt.figure(figsize=(10,6),dpi=100)初始化画布。依次调用plt.plot()分别传入原始数据(txt['Step'], txt['Value'])与排序后数据(txt['Step'], txt2['Value'])，每次绘图后紧跟plt.show()触发窗口渲染。

plt.figure(figsize=(10,6), dpi=100)
plt.plot(txt['Step'], txt['Value'])
plt.show()
plt.plot(txt['Step'], txt2['Value'])
plt.show()

可观察的完成状态：弹出图形窗口显示两组折线，第一条呈现随机波动状，第二条呈现阶梯式上升或平滑趋势，窗口关闭后循环继续。

关键参数说明与逻辑核对

• usecols参数支持传入列名列表或整数索引，正确配置可显著降低内存消耗，避免载入无关字段。
• sort_values的by参数若填入单列可不加列表包裹，多列排序时推荐始终使用[]语法防止解析歧义。
• Matplotlib默认按横轴X坐标顺序连线，排序操作本质是改变行的物理顺序，因此重绘后可看到线条走向完全重塑。

简要总结

通过Pandas的行列选择与排序接口，结合Matplotlib的基础绘图能力，仅需数行代码即可实现CSV数据的高效处理与可视化呈现。掌握read_csv的过滤技巧与sort_values的参数组合，能够覆盖绝大多数日常数据整理需求。

以上就是Python读取CSV文件并按列排序绘图文档的详细内容，更多关于Python数据处理技巧的资料请关注本站其它相关文章！