本文介绍基于Python语言，读取Excel表格数据，并基于给定的行数范围内的指定列数据，绘制多条曲线图，并动态调整图片长度的方法。

  首先，我们来明确一下本文的需求。现有一个.csv格式的Excel表格文件，其第一列为表示时间的数据，而靠后的几列，也就是下图中紫色区域内的列，则是表示对应日期的属性的数据；如下图所示。

  其中，第一列是一个表示时间、循环增长的列，其数值从2023001开始，到2023365结束，然后会继续再从2023001开始，以此类推；并且每一个循环中，有些日期可能会缺失，即并不是每天都有数据的。

  我们现在希望，对于给定的行数起始值与结束值（已知这个起始值与结束值对应的第一列数据，肯定是一个完整的时间循环），基于表格中后面带有数据的几列（也就是上图中紫色区域内的数据），绘制曲线图；并且由于这几列数据所表示的含义不同，希望用不同颜色、不同线型来表示每一列的数据。其中，我们希望具体绘制的结果如下图所示。

  可以看到，横坐标就是表示时间的数据，纵坐标就是那几列含有数据的列；此外，还需要注意，前面也提到了，时间数据是不断循环的，而每一个循环中时间的数量是不确定的。因此，我们还希望绘制出来的图片，可以根据循环中时间的数量（或者说是循环的长度），来动态调整其长度。

  明确了需求，即可开始撰写代码。本文所用代码如下。

# -*- coding: utf-8 -*-"""
Created on Wed May 15 10:34:17 2024@author: fkxxgis
"""import os
import pandas as pd
import matplotlib.pyplot as pltcsv_file = r"E:\04_Reconstruction\99_MODIS\Train_Model_0715_Main_Combine.csv"
pic_folder = r"E:\04_Reconstruction\99_MODIS\pic"
idx_start = 520351
idx_end = 520389df = pd.read_csv(csv_file)
selected_data = df.iloc[idx_start : idx_end]time = selected_data.iloc[:, 0]
time_x = range(len(time))blue_pre = selected_data.iloc[:, 9]
blue_tru = selected_data.iloc[:, 10]
green_pre = selected_data.iloc[:, 11]
green_tru = selected_data.iloc[:, 12]
red_pre = selected_data.iloc[:, 13]
red_tru = selected_data.iloc[:, 14]
nir_pre = selected_data.iloc[:, 15]
nir_tru = selected_data.iloc[:, 16]
ndvi_pre = selected_data.iloc[:, 17]
ndvi_tru = selected_data.iloc[:, 18]plt.figure(figsize = ((idx_end - idx_start) * 0.45, 5))plt.plot(time_x, blue_pre, 'b-', label = "Blue Predict")
plt.plot(time_x, blue_tru, 'b--', label = "Blue Actual")
plt.plot(time_x, green_pre, '-', color = "lime", label = "Green Predict")
plt.plot(time_x, green_tru, '--', color = "lime", label = "Green Actual")
plt.plot(time_x, red_pre, 'r-', label = "Red Predict")
plt.plot(time_x, red_tru, 'r--', label = "Red Actual")
plt.plot(time_x, nir_pre, '-', color = "orange", label = "NIR Predict")
plt.plot(time_x, nir_tru, '--', color = "orange", label = "NIR Actual")
plt.plot(time_x, ndvi_pre, '-', color = "darkgreen", label = "NDVI Predict")
plt.plot(time_x, ndvi_tru, '--', color = "darkgreen", label = "NDVI Actual")plt.rc("font", family = "Times New Roman")
plt.legend(ncol = 2)
plt.xticks(time_x, time, rotation = 45)plt.savefig(os.path.join(pic_folder, str(idx_start) + "_" + str(idx_end)), dpi = 300, bbox_inches = "tight", pad_inches = 0.05)
plt.show()

  其中，我们首先导入必要的库。os用于处理文件路径，pandas用于读取和处理表格文件数据，matplotlib.pyplot用于绘制图表。

  接下来，我们定义文件路径和索引范围。csv_file表示输入.csv格式文件的路径，pic_folder表示输出图片的文件路径，idx_start表示数据的起始索引，idx_end表示数据的结束索引。

  接下来，我们读取.csv格式文件并选择指定范围的数据。df = pd.read_csv(csv_file)表示读取.csv格式文件并创建DataFrame，而后通过selected_data = df.iloc[idx_start : idx_end]选择指定索引范围的数据，也就是处于指定行数内的数据；time就是第一列数据，也就是一个循环内的时间序列，time_x则用于显示图片的x轴刻度——之所以需要这个，是因为我这里希望用字符的形式来表示图片中x轴的刻度（如果用数字的话，那么相当于一年365天对应的x轴长度都是固定的365个刻度；而对于时相缺失比较多的循环，这样绘制出来的图不好看）。随后，分别提取本文开头图片中紫色框内的数据，其分别表示蓝色、绿色、红色、近红外和NDVI的预测值和实际值。

  随后，即可绘制曲线图。首先，通过plt.figure(figsize = ((idx_end - idx_start) * 0.45, 5))动态设置图片尺寸，使用plt.plot()函数绘制每个指标的预测值和实际值；同时，设置图例、x轴刻度旋转等属性，并保存图片；最后，通过plt.show()显示绘制的图片。

  运行上述代码，即可获得本文开头第二幅图所示的图片结果。

  至此，大功告成。

欢迎关注：疯狂学习GIS