你希望用 Python 读取 TXT 文本文件中的数据并绘制可视化图表，我会针对新手最常遇到的 3 种 TXT 数据格式（单行数值、多列分隔数据、带表头表格数据），提供完整可直接运行的代码，同时拆解关键步骤和避坑要点，确保你能快速适配自己的 TXT 文件。
前置准备
首先安装绘图和数据处理的核心库，打开终端 / 命令提示符执行：
bash
pip install matplotlib numpy场景 1：TXT 文件每行一个数值（如时序数据、单一指标序列）
示例 TXT 内容（保存为data_single.txt）
plaintext
15 18 12 22 19 25 17读取并绘制折线图 + 直方图（直观展示趋势和分布）
python
import matplotlib.pyplot as plt import numpy as np def read_single_value_txt(file_path): """读取每行一个数值的TXT文件，包含异常处理""" try: # 读取文件并转换为浮点数组，自动过滤空行 data = np.loadtxt(file_path, dtype=float) return data except FileNotFoundError: print(f"错误：文件 {file_path} 不存在，请检查路径！") return None except ValueError: print("错误：TXT文件中包含非数值内容（如文字、符号）！") return None # 主逻辑 if __name__ == "__main__": # 替换为你的TXT文件路径（相对路径/绝对路径均可） file_path = "data_single.txt" data = read_single_value_txt(file_path) if data is not None: # 创建1行2列的子图，设置画布大小 fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5)) # 子图1：折线图（展示数值趋势） ax1.plot(data, marker='o', color='#2E86AB', linewidth=2, markersize=7) ax1.set_title("数值序列折线图", fontsize=12, fontweight='bold') ax1.set_xlabel("数据序号", fontsize=10) ax1.set_ylabel("数值", fontsize=10) ax1.grid(True, alpha=0.3) # 添加浅色网格，提升可读性 # 子图2：直方图（展示数值分布） ax2.hist(data, bins=5, color='#A23B72', edgecolor='black', alpha=0.7) ax2.set_title("数值分布直方图", fontsize=12, fontweight='bold') ax2.set_xlabel("数值区间", fontsize=10) ax2.set_ylabel("出现频次", fontsize=10) # 自动调整布局，避免标签重叠 plt.tight_layout() # 显示图表 plt.show() # 可选：保存高清图表（取消注释即可） # plt.savefig("single_value_plot.png", dpi=300, bbox_inches='tight')代码关键说明
np.loadtxt()：专门处理纯数值 TXT 的高效方法，无需逐行读取；- 异常处理：覆盖 “文件不存在”“数据非数值” 两个新手最易踩的坑；
marker='o'：给折线图添加圆点标记，清晰显示每个数据点；bins=5：直方图的区间数，可根据数据量调整（数据多则增大）。
场景 2：TXT 文件每行多列数据（空格 / 逗号 / 制表符分隔，如 X-Y 坐标）
示例 TXT 内容（保存为data_multi.txt，空格分隔）
plaintext
1 3.5 2 4.2 3 5.1 4 4.8 5 6.3 6 5.9读取并绘制散点图 + 折线图（展示变量关系）
python
import matplotlib.pyplot as plt import numpy as np def read_multi_column_txt(file_path, delimiter=" "): """ 读取多列分隔的TXT文件 :param file_path: 文件路径 :param delimiter: 分隔符（空格/逗号/,/制表符/\t） """ try: # unpack=True：将多列数据拆分为独立的X、Y数组 x_data, y_data = np.loadtxt(file_path, delimiter=delimiter, unpack=True) return x_data, y_data except Exception as e: print(f"读取失败：{str(e)}") return None, None # 主逻辑 if __name__ == "__main__": file_path = "data_multi.txt" # 若你的TXT是逗号分隔，改为 delimiter=","；制表符分隔改为 delimiter="\t" x, y = read_multi_column_txt(file_path, delimiter=" ") if x is not None and y is not None: plt.figure(figsize=(8, 5)) # 散点图（突出原始数据点） plt.scatter(x, y, color='#F18F01', s=60, label='实测数据', zorder=2) # 折线图（连接数据点，展示趋势） plt.plot(x, y, color='#C73E1D', linestyle='--', linewidth=2, label='趋势线', zorder=1) # 添加标题和标签 plt.title("多列数据散点图+折线图", fontsize=12, fontweight='bold') plt.xlabel("X轴（自变量）", fontsize=10) plt.ylabel("Y轴（因变量）", fontsize=10) plt.legend(loc='upper left') # 显示图例 plt.grid(True, alpha=0.3, zorder=0) plt.show() # 可选：保存图表 # plt.savefig("multi_column_plot.png", dpi=300, bbox_inches='tight')代码关键说明
delimiter：核心参数！必须匹配你的 TXT 实际分隔符（比如 CSV 格式的 TXT 用逗号）；unpack=True：将多列数据拆分为独立数组，方便分别作为 X/Y 轴；zorder：控制图层顺序（散点在折线之上），避免数据点被遮挡；s=60：调整散点大小，linestyle='--'设置虚线趋势线，区分原始数据和趋势。
场景 3：带表头的 TXT 数据（类似表格，如月度销售额 / 成本）
示例 TXT 内容（保存为data_header.txt，逗号分隔）
plaintext
月份,销售额(万),成本(万) 1,20,12 2,25,15 3,30,18 4,28,16 5,35,20读取并绘制柱状对比图（展示多指标对比）
python
import matplotlib.pyplot as plt import numpy as np def read_txt_with_header(file_path, delimiter=","): """读取带表头的TXT文件，手动解析表头和数据""" try: # 打开文件并过滤空行 with open(file_path, 'r', encoding='utf-8') as f: lines = [line.strip() for line in f.readlines() if line.strip()] # 解析表头（第一行） header = lines[0].split(delimiter) # 解析数据行（从第二行开始） months = [] sales = [] cost = [] for line in lines[1:]: parts = line.split(delimiter) months.append(parts[0]) # 月份（字符串） sales.append(float(parts[1])) # 销售额（转数值） cost.append(float(parts[2])) # 成本（转数值） return header, months, sales, cost except Exception as e: print(f"读取失败：{str(e)}") return None, None, None, None # 主逻辑 if __name__ == "__main__": file_path = "data_header.txt" header, months, sales, cost = read_txt_with_header(file_path) if months: # 绘制双列柱状图 x = np.arange(len(months)) # 月份的X轴位置 width = 0.35 # 柱子宽度 fig, ax = plt.subplots(figsize=(10, 6)) # 销售额柱子（左移width/2） ax.bar(x - width/2, sales, width, label='销售额', color='#4CAF50', alpha=0.8) # 成本柱子（右移width/2） ax.bar(x + width/2, cost, width, label='成本', color='#FF9800', alpha=0.8) # 美化配置 ax.set_title("月度销售额&成本对比", fontsize=12, fontweight='bold') ax.set_xlabel("月份", fontsize=10) ax.set_ylabel("金额（万元）", fontsize=10) ax.set_xticks(x) # 设置X轴刻度位置 ax.set_xticklabels(months)# 设置X轴刻度标签（月份） ax.legend() # 显示图例 # 给柱子添加数值标签（更直观） for i, v in enumerate(sales): ax.text(i - width/2, v + 0.5, str(v), ha='center', va='bottom', fontsize=9) for i, v in enumerate(cost): ax.text(i + width/2, v + 0.5, str(v), ha='center', va='bottom', fontsize=9) plt.show() # 可选：保存图表 # plt.savefig("header_plot.png", dpi=300, bbox_inches='tight')代码关键说明
- 手动解析表头：
np.loadtxt()无法直接跳过表头，因此用open()逐行读取，先处理表头再解析数据； - 双列柱状图：通过
x ± width/2调整柱子位置，避免重叠； - 数值标签：
ax.text()给每个柱子添加具体数值，让图表信息更完整； - 编码指定：
encoding='utf-8'避免中文表头 / 标签出现乱码。
总结
- 数据读取核心：纯数值 TXT 用
np.loadtxt()快速读取，带表头 TXT 手动逐行解析，关键是匹配正确的delimiter（分隔符）； - 作图通用流程：读取数据 → 创建画布 / 子图 → 绘制图表 → 添加标题 / 标签 / 图例 → 显示 / 保存；
- 避坑要点：必须添加异常处理（文件不存在、数据类型错误），作图前确保数据是数值类型（避免字符串），中文乱码需指定
encoding='utf-8'。
你只需替换代码中的file_path和delimiter（分隔符），就能快速适配自己的 TXT 文件生成图表。如果你的 TXT 格式特殊（比如混合文本和数值），可以告诉我具体格式，我会帮你调整代码。
