背景介绍

在碎片化阅读时代，我们常常难以直观感知自己的阅读习惯——每月读了多久？哪本书最常读？阅读时间是否有规律？为了解决这些问题，我开发了一个本地阅读时长统计工具，通过CSV存储数据、Pandas分析、Matplotlib可视化，帮助用户轻松跟踪阅读趋势。工具无需外部服务，完全本地运行，适合数据分析初学者练习核心技能。

思路分析

工具分为四个核心模块，每个模块职责明确：
1. 数据存储：用CSV文件保存阅读记录（日期、书籍、时长），结构简单易维护。
2. 记录管理：实现添加记录和初始化CSV的功能，确保数据格式规范。
3. 统计分析：利用Pandas的时间筛选、分组聚合，计算总时长、平均时长和最常阅读书籍。
4. 可视化：通过Matplotlib生成柱状图（每日时长）和折线图（每月趋势），直观展示数据。
5. 交互逻辑：命令行菜单引导用户操作，降低使用门槛。

代码实现

1. 环境准备

首先安装依赖库：

pip install pandas matplotlib

2. 完整代码

import pandas as pd
from datetime import datetime, timedelta
import matplotlib.pyplot as plt
import os

# -------------------------- 数据初始化与存储 --------------------------
def init_csv():
    """初始化CSV文件（若不存在则创建带表头的空文件）"""
    if not os.path.exists('reading_records.csv'):
        df = pd.DataFrame(columns=['date', 'book', 'duration'])
        df.to_csv('reading_records.csv', index=False)
        print("✅ 初始化成功：创建reading_records.csv")

def add_reading_record(date_str, book_name, duration):
    """添加阅读记录到CSV文件"""
    try:
        # 验证日期格式
        datetime.strptime(date_str, '%Y-%m-%d')
        # 验证时长为正整数
        if duration <= 0:
            raise ValueError("时长必须大于0")

        # 构造新记录
        new_record = pd.DataFrame([[date_str, book_name, duration]], 
                                 columns=['date', 'book', 'duration'])
        # 追加到CSV（不写索引和表头）
        new_record.to_csv('reading_records.csv', mode='a', header=False, index=False)
        print("✅ 记录保存成功！")
    except ValueError as e:
        print(f"❌ 输入错误：{e}")
    except Exception as e:
        print(f"❌ 保存失败：{str(e)}")

# -------------------------- 统计分析模块 --------------------------
def analyze_reading_data(time_range_days):
    """分析指定时间范围内的阅读数据（总时长、平均、最常读书籍）"""
    try:
        # 读取CSV并解析日期列
        df = pd.read_csv('reading_records.csv', parse_dates=['date'])
        if df.empty:
            return None

        # 筛选时间范围
        end_date = datetime.now()
        start_date = end_date - timedelta(days=time_range_days)
        filtered_df = df[df['date'] >= start_date]

        if filtered_df.empty:
            return None

        # 计算统计指标
        total_duration = filtered_df['duration'].sum()
        avg_duration = total_duration / time_range_days

        # 最常阅读书籍（按总时长排序）
        book_stats = filtered_df.groupby('book')['duration'].sum().sort_values(ascending=False)
        top_book = book_stats.index[0]
        top_book_duration = book_stats.iloc[0]

        return {
            'total': total_duration,
            'avg': round(avg_duration, 2),
            'top_book': top_book,
            'top_book_duration': top_book_duration
        }
    except Exception as e:
        print(f"❌ 分析失败：{str(e)}")
        return None

# -------------------------- 可视化模块 --------------------------
def plot_daily_bar():
    """生成最近14天每日阅读时长柱状图"""
    try:
        df = pd.read_csv('reading_records.csv', parse_dates=['date'])
        if df.empty:
            print("❌ 无数据可可视化")
            return

        # 筛选最近14天数据
        start_date = datetime.now() - timedelta(days=14)
        daily_data = df[df['date'] >= start_date].groupby('date')['duration'].sum().reset_index()

        if daily_data.empty:
            print("❌ 最近14天无阅读记录")
            return

        # 绘制柱状图
        plt.figure(figsize=(10,5))
        plt.bar(daily_data['date'].dt.strftime('%Y-%m-%d'), daily_data['duration'], color='#3498db')
        plt.title('最近14天每日阅读时长', fontsize=14)
        plt.xlabel('日期', fontsize=12)
        plt.ylabel('时长（分钟）', fontsize=12)
        plt.xticks(rotation=45)
        plt.tight_layout()  # 自动调整布局避免重叠
        plt.savefig('daily_bar.png', dpi=100)
        print("✅ 柱状图保存：daily_bar.png")
    except Exception as e:
        print(f"❌ 绘图失败：{str(e)}")

def plot_monthly_line():
    """生成最近3个月每月阅读时长折线图"""
    try:
        df = pd.read_csv('reading_records.csv', parse_dates=['date'])
        if df.empty:
            print("❌ 无数据可可视化")
            return

        # 筛选最近3个月数据
        start_date = datetime.now() - timedelta(days=90)
        monthly_data = df[df['date'] >= start_date].copy()

        # 按月份分组（格式：YYYY-MM）
        monthly_data['month'] = monthly_data['date'].dt.strftime('%Y-%m')
        monthly_total = monthly_data.groupby('month')['duration'].sum().reset_index()

        if monthly_total.empty:
            print("❌ 最近3个月无阅读记录")
            return

        # 绘制折线图
        plt.figure(figsize=(10,5))  
        plt.plot(monthly_total['month'], monthly_total['duration'], marker='o', color='#e74c3c', linewidth=2)
        plt.title('最近3个月阅读时长趋势', fontsize=14)
        plt.xlabel('月份', fontsize=12)
        plt.ylabel('总时长（分钟）', fontsize=12)
        plt.grid(alpha=0.3)  # 添加网格线
        plt.tight_layout()
        plt.savefig('monthly_line.png', dpi=100)
        print("✅ 折线图保存：monthly_line.png")
    except Exception as e:
        print(f"❌ 绘图失败：{str(e)}")

# -------------------------- 主交互逻辑 --------------------------
def main():
    init_csv()  # 启动时初始化CSV

    while True:
        print("\n=== 阅读时长统计工具 ===")
        print("1. 添加阅读记录")
        print("2. 查看统计报告（最近7/30天）")
        print("3. 生成可视化图表")
        print("4. 退出")

        choice = input("请输入操作编号：")

        if choice == '1':
            date = input("日期（YYYY-MM-DD）：")
            book = input("书籍名称：")
            try:
                duration = int(input("阅读时长（分钟）："))
                add_reading_record(date, book, duration)
            except ValueError:
                print("❌ 时长必须是整数！")

        elif choice == '2':
            range_choice = input("统计范围：1.最近7天 2.最近30天：")
            days = 7 if range_choice == '1' else 30 if range_choice == '2' else None

            if days:
                stats = analyze_reading_data(days)
                if stats:
                    print(f"\n--- 最近{days}天统计 ---")
                    print(f"总时长：{stats['total']}分钟")
                    print(f"平均每日：{stats['avg']}分钟")
                    print(f"最常阅读：《{stats['top_book']}》（{stats['top_book_duration']}分钟）")
                else:
                    print(f"❌ 最近{days}天无有效记录")

        elif choice == '3':
            plot_daily_bar()
            plot_monthly_line()

        elif choice == '4':
            print("再见！")
            break

        else:
            print("❌ 无效操作，请重新输入！")

if __name__ == "__main__":
    main()

功能演示

运行代码后，通过命令行交互：
1. 添加记录：输入日期、书籍、时长，自动保存到CSV。
2. 统计报告：选择时间范围，查看总时长、平均时长和最常读书籍。
3. 可视化：生成两张图表，分别保存为daily_bar.png和monthly_line.png。

总结

这个工具覆盖了数据分析的核心流程：数据收集→存储→分析→可视化。通过实践，我巩固了以下技能：
– CSV文件的读写与初始化。
– Pandas的时间筛选、分组聚合（groupby）。
– Matplotlib的图表定制（标题、标签、布局）。
– 命令行交互的错误处理与用户引导。

扩展方向：
– 支持多用户（添加user列）。
– 导出PDF报告（结合ReportLab）。
– 添加周度统计（比如每周哪一天阅读最多）。

如果你也想跟踪阅读习惯，不妨试试这个工具——它不仅能帮你优化阅读，还能提升数据分析能力！