根据修改过的代码，再结合# -*- coding: utf-8 -*- """stress-Cu.xlsx数据清洗与可视化""" import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns from scipy import stats from sklearn.preprocessing import StandardScaler # ==================== 数据加载 ==================== def load_data(): # 读取Excel文件（假设数据存储在第一个工作表） df = pd.read_excel('stress-Cu.xlsx', sheet_name=0, engine='openpyxl') # 验证数据维度（700行×4列×24维度可能需要检查实际数据结构） print(f"原始数据维度：{df.shape}") # 预期输出应为(700, 24×4)或其他合理结构[^1] print("前两行数据预览：\n", df.head(2)) return df # ==================== 数据清洗 ==================== def clean_data(df): # 缺失值处理（保留至少50%有效数据的列） missing_threshold = df.shape[0] * 0.5 df_clean = df.dropna(axis=1, thresh=missing_threshold) # 中位数填充剩余缺失值[^2] df_clean = df_clean.fillna(df_clean.median()) # 异常值处理（Z-score过滤） z_scores = np.abs(stats.zscore(df_clean)) df_clean = df_clean[(z_scores < 3).all(axis=1)] # 保留3σ内数据[^3] # 删除重复值 df_，

<think>好的，我现在需要解决用户在Python数据清洗与可视化中遇到的关于seaborn和matplotlib的字体警告问题。用户提到的错误是UserWarning: Glyph 8722 (MINUS SIGN) missing from current font，这通常是由于字体配置不正确导致的。我需要先理解这个问题的原因，然后找到解决方法，并给出完整的代码示例。 首先，根据引用中的信息，特别是引用[2]和引用[4]，问题可能出在matplotlib和seaborn没有正确配置中文字体，或者负号的显示有问题。中文字体缺失会导致无法显示某些字符，而负号的问题可能与unicode_minus的设置有关。 根据引用[2]中的建议，解决步骤包括设置合适的字体，并确保unicode_minus参数正确配置。例如，设置font.sans-serif为中文字体，如Heiti TC（黑体），并且将axes.unicode_minus设为False来避免负号显示问题。同时，需要注释掉可能影响字体设置的sns.set代码，或者在设置时明确指定字体。 接下来，我需要整合这些步骤到一个完整的代码示例中，确保用户能够直接复制使用。需要包含必要的库导入、字体配置、数据清洗和可视化的部分。可能需要生成一些示例数据来演示绘图，并展示如何避免警告的出现。 另外，要注意用户可能同时需要处理中文显示和负号的问题，所以代码中需要同时配置这两部分。例如，设置plt.rcParams的字体和unicode_minus参数，同时配置seaborn的字体设置。还需要确保安装的字体在系统中存在，如果用户使用不同的操作系统，可能需要调整字体名称，比如在Windows中使用SimHei，在Mac中使用Heiti TC。 最后，要检查代码是否包含所有必要的部分，包括导入库、设置参数、数据生成、绘图函数以及显示图形。确保示例代码能够直接运行，并且不会出现用户提到的警告。</think>以下是解决Python数据清洗与可视化中字体相关警告的完整代码实现，包含具体配置和详细注释： ```python # 导入必要库 import numpy as np import pandas as pd import matplotlib import matplotlib.pyplot as plt import seaborn as sns # ========== 关键配置步骤 ========== # 1. 设置中文字体（根据系统选择对应字体） plt.rcParams['font.sans-serif'] = ['SimHei'] # Windows系统使用黑体 # plt.rcParams['font.sans-serif'] = ['Heiti TC'] # Mac系统使用黑体 sns.set(font='SimHei') # 同步设置seaborn字体 # 2. 解决负号显示问题 plt.rcParams['axes.unicode_minus'] = False # 关闭unicode负号显示 matplotlib.rcParams['axes.unicode_minus'] = False # 双重保险设置 # 3. 禁用可能冲突的seaborn预设样式 # sns.set(style="whitegrid") # 如需使用样式需在字体设置之后 # ========== 数据生成 ========== # 创建示例数据（包含中文标签和负值） dates = pd.date_range('2023-01-01', periods=30) data = { '日期': dates, '销售额': np.random.randint(-5, 15, 30).cumsum(), '类别': ['A类']*15 + ['B类']*15 } df = pd.DataFrame(data) # ========== 数据清洗 ========== # 处理负值（示例：将负销售额归零） df['修正销售额'] = df['销售额'].apply(lambda x: x if x > 0 else 0) # ========== 可视化展示 ========== # 创建组合图表 fig, axes = plt.subplots(2, 1, figsize=(10, 8)) # 折线图（含负值） sns.lineplot( x='日期', y='销售额', hue='类别', data=df, ax=axes[0], marker='o', style='类别', markersize=8 ) axes[0].set_title('各品类销售额趋势（含负值）') axes[0].axhline(0, color='gray', linestyle='--') # 零值参考线 # 柱状图（修正后数据） sns.barplot( x='日期', y='修正销售额', hue='类别', data=df, ax=axes[1], palette='viridis' ) axes[1].set_title('修正后销售额分布') axes[1].tick_params(axis='x', rotation=45) # 自动调整布局并显示 plt.tight_layout() plt.show() ``` **核心原理说明：** 1. 字体缺失警告(Glyph XXXX missing)是由于matplotlib默认字体不支持中文显示导致，通过明确指定中文字体可解决[^2] 2. 负号警告(Glyph 8722)需要同时设置`axes.unicode_minus = False`来禁用Unicode负号显示，改用ASCII减号[^4] 3. Seaborn需单独设置字体，因其可能覆盖matplotlib的默认设置[^2] **验证方法：** ```python # 验证字体配置是否生效 print("当前字体配置:", plt.rcParams['font.sans-serif']) print("负号显示配置:", plt.rcParams['axes.unicode_minus']) # 快速测试输出 plt.figure() plt.plot([-1, 0, 1], [-1, 0, 1], label='测试曲线') plt.title('中文标题测试') plt.xlabel('X轴标签') plt.ylabel('Y轴标签') plt.legend() plt.show() ``` **扩展建议：** 1. 若需要其他中文字体，可通过`matplotlib.font_manager`查看系统可用字体 2. 生产环境中建议将字体配置封装为初始化函数 3. 使用Docker部署时可预装中文字体文件