前提：使用anaconda环境，且安装好，使用的是jupyter
pandas 和 matplotlib
安装教程可以参考：miniconda安装与使用

import pandas as pd

读取xlsx表格数据

data = pd.read_excel("data1.xlsx",sheet_name='Sheet1')
#data = pd.read_excel("D:\ihan\data1.xlsx",sheet_name='Sheet1')

分析数据的变量类型

variable_types = data.dtypes
variable_types

如果你的文件是xls后缀会报错
ImportError: Missing optional dependency ‘xlrd’. Install xlrd >= 1.0.0 for Excel support Use pip or conda to install xlrd.
需要安装xlrd

conda install xlrd

导入 pandas 和 matplotlib

import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams[“font.sans-serif”] = [“SimHei”] # 设置显示中文字体
mpl.rcParams[“axes.unicode_minus”] = False # 设置正常显示符号

data_source = pd.read_excel(‘data1.xlsx’)

函数plot()尝试根据数字绘制出有意义的图形

#print(data_source[‘Acc1’])
plt.plot(data_source[‘Acc1’])
#print(data_source[‘Acc2’])
plt.plot(data_source[‘Acc2’])
#print(data_source[‘Acc3’])
plt.plot(data_source[‘Acc3’])
深入学习

plt.plot()

plt.plot(x,y,color,linestyle,marker)
plt.plot()函数是Matplotlib库中的一个用于绘制曲线图的函数，它的参数包括：

• x：表示曲线的横坐标点的序列，可以是一个列表、数组或者Series对象。

• y：表示曲线的纵坐标点的序列，可以是一个列表、数组或者Series对象。

• fmt：表示曲线的格式，可以是一个字符串，用于指定曲线的颜色、线型和标记。例如："r–"表示红色的虚线。

• linewidth：表示曲线的线宽。

• linestyle：表示曲线的线型，可以是一个字符串，例如："-“表示实线，”–"表示虚线。

• color：表示曲线的颜色。

• marker：表示曲线上的标记点的样式，可以是一个字符串，例如："o"表示圆形。

• markersize：表示曲线上标记点的大小。

• label：表示曲线的标签，用于图例中的显示。

• alpha：表示曲线的透明度，取值范围为0到1。

• linestyle：表示曲线的线型，可以是一个字符串，例如："-“表示实线，”–"表示虚线。

• markerfacecolor：表示曲线上标记点的填充颜色。

• markeredgecolor：表示曲线上标记点的边缘颜色。

• markeredgewidth：表示曲线上标记点的边缘宽度。

• markersize：表示曲线上标记点的大小。

• linestyle：表示曲线的线型，可以是一个字符串，例如："-“表示实线，”–"表示虚线。

• label：表示曲线的标签，用于图例中的显示。

• alpha：表示曲线的透明度，取值范围为0到1。

• antialiased：表示曲线的边缘是否抗锯齿。

这些参数可以根据需要进行设置，用于绘制符合自己要求的曲线图。

data_source = pd.read_excel('data1.xlsx')
# 函数plot()尝试根据数字绘制出有意义的图形
print(data_source['Acc1'])
plt.plot(data_source['Acc1'],label="acc1")
#print(data_source['Acc2'])
plt.plot(data_source['Acc2'],label="acc2")
#print(data_source['Acc3'])
plt.plot(data_source['Acc3'],label="acc2")

plt.legend(loc=0)  # 显示图例

plt.xlabel("epoch")
plt.ylabel("acc/%")
plt.title("准确率")
 
#plt.savefig("./time.jpg")  # 保存至指定位置
#plt.show()  # 显示图像