之前分析，一直是一个图输出一个表，这次升级了，作下记录。
代码
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
from matplotlib import rcParams
import warnings
import platform
warnings.filterwarnings('ignore')
def set_chinese_font():
sys = platform.system()
if sys == "Windows":
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei']
elif sys == "Darwin": # Mac
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'Heiti SC']
else: # Linux
plt.rcParams['font.sans-serif'] = ['SimHei', 'Noto Sans CJK SC']
plt.rcParams['axes.unicode_minus'] = False
set_chinese_font()
# 读取Excel文件
file_path = "历史故障集合.xlsx"
sheet_name = "历史故障合集"
try:
# 读取指定sheet的数据
df = pd.read_excel(file_path, sheet_name=sheet_name)
print("=" * 60)
print("📊 历史故障数据分析报告")
print("=" * 60)
# 数据基本信息
print(f"📋 数据概览:")
print(f" 总记录数: {len(df)}")
print(f" 字段数量: {len(df.columns)}")
# 处理故障时长数据
if '故障时长' in df.columns:
# 转换故障时长为数值类型
df['故障时长'] = pd.to_numeric(df['故障时长'], errors='coerce')
# 移除空值
df_clean = df.dropna(subset=['故障时长'])
# 计算故障总时长
total_duration = df_clean['故障时长'].sum()
valid_records = len(df_clean)
print(f"\n⏱️ 故障时长统计:")
print(f" 有效记录数: {valid_records}")
print(f" 故障总时长: {total_duration:.2f} 小时")
print(f" 平均故障时长: {df_clean['故障时长'].mean():.2f} 小时")
print(f" 最长故障时长: {df_clean['故障时长'].max():.2f} 小时")
# 创建图表
fig = plt.figure(figsize=(20, 16))
# 1. 按系统类别统计TOP10
if '系统类别' in df.columns:
category_stats = df_clean.groupby('系统类别')['故障时长'].agg(['count', 'sum', 'mean']).round(2)
category_top10 = category_stats.sort_values('sum', ascending=False).head(10)
print(f"\n🏆 按系统类别故障时长TOP10:")
print(category_top10)
# 绘制系统类别TOP10柱状图
plt.subplot(2, 3, 1)
bars = plt.bar(range(len(category_top10)), category_top10['sum'],
color=sns.color_palette("viridis", len(category_top10)))
plt.title('系统类别故障时长TOP10', fontsize=14, fontweight='bold', pad=20)
plt.xlabel('系统类别', fontsize=12)
plt.ylabel('故障时长(小时)', fontsize=12)
plt.xticks(range(len(category_top10)), category_top10.index, rotation=45, ha='right')
# 添加数值标签
for i, bar in enumerate(bars):
height = bar.get_height()
plt.text(bar.get_x() + bar.get_width() / 2., height,
f'{height:.1f}h', ha='center', va='bottom', fontsize=10)
# 绘制系统类别故障次数饼图
plt.subplot(2, 3, 2)
colors = sns.color_palette("Set3", len(category_top10))
wedges, texts, autotexts = plt.pie(category_top10['count'],
labels=category_top10.index,
autopct='%1.1f%%',
colors=colors,
startangle=90)
plt.title('系统类别故障次数分布', fontsize=14, fontweight='bold', pad=20)
# 美化饼图文字
for autotext in autotexts:
autotext.set_color('white')
autotext.set_fontweight('bold')
# 2. 按系统统计TOP10
if '系统' in df.columns:
system_stats = df_clean.groupby('系统')['故障时长'].agg(['count', 'sum', 'mean']).round(2)
system_top10 = system_stats.sort_values('sum', ascending=False).head(10)
print(f"\n🔧 按系统故障时长TOP10:")
print(system_top10)
# 绘制系统TOP10水平柱状图
plt.subplot(2, 3, 3)
y_pos = np.arange(len(system_top10))
bars = plt.barh(y_pos, system_top10['sum'],
color=sns.color_palette("plasma", len(system_top10)))
plt.title('系统故障时长TOP10', fontsize=14, fontweight='bold', pad=20)
plt.xlabel('故障时长(小时)', fontsize=12)
plt.ylabel('系统', fontsize=12)
plt.yticks(y_pos, system_top10.index)
# 添加数值标签
for i, bar in enumerate(bars):
width = bar.get_width()
plt.text(width, bar.get_y() + bar.get_height() / 2.,
f'{width:.1f}h', ha='left', va='center', fontsize=10)
# 3. 故障时长分布直方图
plt.subplot(2, 3, 4)
plt.hist(df_clean['故障时长'], bins=30, alpha=0.7, color='skyblue', edgecolor='black')
plt.title('故障时长分布', fontsize=14, fontweight='bold', pad=20)
plt.xlabel('故障时长(小时)', fontsize=12)
plt.ylabel('频次', fontsize=12)
plt.axvline(df_clean['故障时长'].mean(), color='red', linestyle='--',
label=f'平均值: {df_clean["故障时长"].mean():.2f}h')
plt.legend()
# 4. 事件定级分布（如果存在该字段）
if '事件定级' in df.columns:
plt.subplot(2, 3, 5)
level_counts = df_clean['事件定级'].value_counts()
bars = plt.bar(level_counts.index, level_counts.values,
color=sns.color_palette("coolwarm", len(level_counts)))
plt.title('事件定级分布', fontsize=14, fontweight='bold', pad=20)
plt.xlabel('事件定级', fontsize=12)
plt.ylabel('故障次数', fontsize=12)
# 添加数值标签
for bar in bars:
height = bar.get_height()
plt.text(bar.get_x() + bar.get_width() / 2., height,
f'{int(height)}', ha='center', va='bottom', fontsize=10)
# 5. 月度故障趋势（如果时间字段存在）
if '时间' in df.columns:
plt.subplot(2, 3, 6)
try:
df_clean['时间'] = pd.to_datetime(df_clean['时间'])
df_clean['月份'] = df_clean['时间'].dt.to_period('M')
monthly_stats = df_clean.groupby('月份')['故障时长'].agg(['count', 'sum'])
x_pos = range(len(monthly_stats))
plt.plot(x_pos, monthly_stats['sum'], marker='o', linewidth=2,
markersize=6, color='#e74c3c', label='故障时长')
plt.title('月度故障时长趋势', fontsize=14, fontweight='bold', pad=20)
plt.xlabel('月份', fontsize=12)
plt.ylabel('故障时长(小时)', fontsize=12)
plt.xticks(x_pos, [str(m) for m in monthly_stats.index], rotation=45)
plt.grid(True, alpha=0.3)
plt.legend()
except:
plt.text(0.5, 0.5, '时间数据格式异常\n无法生成趋势图',
ha='center', va='center', transform=plt.gca().transAxes,
fontsize=12, bbox=dict(boxstyle="round,pad=0.3", facecolor="lightgray"))
plt.tight_layout(pad=3.0)
plt.show()
# 生成详细统计表格
print(f"\n📈 详细统计分析:")
print(f"{'=' * 60}")
if '系统类别' in df.columns and '系统' in df.columns:
# 系统类别和系统的交叉分析
cross_analysis = df_clean.pivot_table(
values='故障时长',
index='系统类别',
columns='系统',
aggfunc=['count', 'sum'],
fill_value=0
)
print(f"\n🔍 系统类别与系统交叉分析（故障次数）:")
print(cross_analysis['count'].head())
# 输出关键指标
print(f"\n📋 关键指标总结:")
print(f" • 故障总时长: {total_duration:.2f} 小时")
print(f" • 故障总次数: {valid_records} 次")
print(f" • 平均故障时长: {df_clean['故障时长'].mean():.2f} 小时")
print(f" • 故障时长中位数: {df_clean['故障时长'].median():.2f} 小时")
print(f" • 最严重故障: {df_clean['故障时长'].max():.2f} 小时")
if '系统类别' in df.columns:
worst_category = category_stats.sort_values('sum', ascending=False).index[0]
print(f" • 故障最多系统类别: {worst_category}")
if '系统' in df.columns:
worst_system = system_stats.sort_values('sum', ascending=False).index[0]
print(f" • 故障最多系统: {worst_system}")
else:
print("❌ 未找到'故障时长'列，请检查数据格式")
print(f" 当前列名: {list(df.columns)}")
except FileNotFoundError:
print(f"❌ 文件 {file_path} 未找到")
print(" 请确认文件路径正确，文件存在于当前目录中")
except Exception as e:
print(f"❌ 读取文件时出现错误: {str(e)}")
print(" 请检查文件格式和sheet名称是否正确")
输出
image.png
