背景介绍

在信息爆炸的时代，阅读是自我提升的重要途径。但如何量化阅读行为、发现潜在的阅读习惯？本文将带你开发一个个人书籍阅读统计分析工具，通过解析本地阅读记录（CSV/JSON格式），自动生成统计报告和可视化图表，帮助你直观掌握阅读规律，优化阅读计划。

技术思路分析

工具的核心流程分为四步：
1. 文件读取：解析CSV/JSON格式的阅读记录，提取结构化数据。
2. 数据处理：解析日期、分组统计（月度书籍数、类型时长占比等）。
3. 可视化：使用Matplotlib绘制柱状图、饼图、折线图，直观展示数据。
4. 结果输出：保存统计文本和图表文件，方便用户查看。

代码实现：从数据到可视化的完整流程

以下是完整的Python实现（依赖pandas和matplotlib，需提前安装：pip install pandas matplotlib）：

1. 导入依赖库

import pandas as pd
import matplotlib.pyplot as plt
import os

2. 文件读取与数据解析

使用pandas读取CSV文件，并解析日期格式：

def read_csv_file(file_path):
    """读取CSV格式的阅读记录文件，解析日期列"""
    try:
        df = pd.read_csv(file_path)
        # 将日期列转换为datetime类型
        df['阅读开始日期'] = pd.to_datetime(df['阅读开始日期'])
        df['阅读结束日期'] = pd.to_datetime(df['阅读结束日期'])
        return df
    except FileNotFoundError:
        print(f"错误：文件 {file_path} 不存在！")
        return None

3. 统计分析模块

月度书籍数量统计

def analyze_monthly_books(df):
    """统计每月阅读的书籍数量（按阅读结束日期分组）"""
    monthly_counts = df.groupby(df['阅读结束日期'].dt.month)['书名'].count()
    return monthly_counts

类型阅读时长统计

def analyze_type_duration(df):
    """统计各类型书籍的阅读时长总和"""
    type_duration = df.groupby('类型')['阅读时长（小时）'].sum()
    return type_duration

4. 可视化模块

月度阅读量柱状图

def plot_monthly_books(monthly_counts, output_path):
    """绘制月度阅读量柱状图"""
    plt.figure(figsize=(8, 6))
    monthly_counts.plot(kind='bar', color='skyblue', zorder=3)
    plt.title('月度阅读书籍数量')
    plt.xlabel('月份')
    plt.ylabel('书籍数量')
    plt.xticks(rotation=0)
    # 美化图表（隐藏多余边框、添加网格线）
    ax = plt.gca()
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)
    ax.spines['left'].set_visible(False)
    ax.grid(axis='y', zorder=0)
    plt.tight_layout()
    plt.savefig(output_path)
    plt.close()

类型占比饼图（按时长）

def plot_type_pie(type_duration, output_path):
    """绘制书籍类型阅读时长占比饼图"""
    plt.figure(figsize=(8, 6))
    labels = type_duration.index
    sizes = type_duration.values
    # 自定义百分比标签（显示百分比和时长）
    autopct = lambda p: f'{p:.2f}%\n({sum(sizes)*p/100:.0f}小时)'
    plt.pie(sizes, labels=labels, autopct=autopct, startangle=90, 
            textprops={'fontsize': 10}, colors=['#ff9999', '#66b3ff', '#99ff99', '#ffcc99'])
    plt.axis('equal')  # 保证饼图为正圆形
    plt.title('书籍类型阅读时长占比')
    plt.tight_layout()
    plt.savefig(output_path)
    plt.close()

阅读时长趋势折线图

def plot_duration_trend(df, output_path):
    """绘制阅读时长随时间变化的折线图"""
    # 按阅读结束日期排序
    df_sorted = df.sort_values('阅读结束日期')
    plt.figure(figsize=(10, 6))
    plt.plot(df_sorted['阅读结束日期'], df_sorted['阅读时长（小时）'], 
             marker='o', linestyle='-', color='orange', zorder=3)
    plt.title('阅读时长随时间变化趋势')
    plt.xlabel('阅读结束日期')
    plt.ylabel('阅读时长（小时）')
    plt.xticks(rotation=45, ha='right')
    # 美化图表
    ax = plt.gca()
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)
    ax.spines['left'].set_visible(False)
    ax.grid(axis='y', zorder=0)
    plt.tight_layout()
    plt.savefig(output_path)
    plt.close()

5. 统计文本生成

def generate_stats_text(monthly_counts, type_duration, df):
    """生成统计结果的文本报告"""
    total_duration = type_duration.sum()
    total_books = len(df)
    text = "### 月度阅读量\n"
    for month, count in monthly_counts.items():
        text += f"- {month}月：{count} 本\n"

    text += "\n### 类型占比（按时长）\n"
    for typ in type_duration.index:
        books_count = (df['类型'] == typ).sum()  # 该类型的书籍数量
        duration = type_duration[typ]
        ratio = (duration / total_duration) * 100
        text += f"- {typ}：{books_count} 本，{duration} 小时，占比 {ratio:.2f}%\n"

    text += f"\n### 总阅读统计\n"
    text += f"- 总阅读时长：{total_duration} 小时\n"
    text += f"- 平均每本书阅读时长：{total_duration / total_books:.2f} 小时\n"

    return text

6. 主函数：整合流程

def main():
    # 输入输出路径设置
    input_file = 'reading_records.csv'
    output_dir = 'output'
    os.makedirs(output_dir, exist_ok=True)  # 确保输出目录存在

    # 读取文件
    df = read_csv_file(input_file)
    if df is None:
        return

    # 统计分析
    monthly_counts = analyze_monthly_books(df)
    type_duration = analyze_type_duration(df)

    # 生成统计文本并保存
    stats_text = generate_stats_text(monthly_counts, type_duration, df)
    with open(os.path.join(output_dir, 'stats.txt'), 'w', encoding='utf-8') as f:
        f.write(stats_text)
    print("统计文本已保存到 output/stats.txt")

    # 生成可视化图表
    plot_monthly_books(monthly_counts, os.path.join(output_dir, 'monthly_books.png'))
    plot_type_pie(type_duration, os.path.join(output_dir, 'type_pie.png'))
    plot_duration_trend(df, os.path.join(output_dir, 'duration_trend.png'))
    print("可视化图表已保存到 output 目录！")


if __name__ == "__main__":
    # 解决Matplotlib中文显示问题
    plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
    plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
    main()

运行与测试

1. 准备CSV文件（格式参考问题描述），命名为reading_records.csv。
2. 运行代码：python 脚本名.py。
3. 查看output目录，将生成stats.txt、monthly_books.png、type_pie.png、duration_trend.png。

总结与扩展

通过这个项目，你将掌握：
– 文件处理：解析CSV/JSON格式的结构化数据。
– 数据统计：日期解析、分组聚合（pandas的groupby操作）。
– 可视化：Matplotlib的图表绘制与美化（字体、布局、样式）。

扩展方向：
– 支持JSON格式的阅读记录。
– 增加“阅读速度”（字数/小时）、“书籍评分”等统计维度。
– 结合Streamlit实现交互式Web可视化。

通过代码，我们将冰冷的阅读记录转化为直观的图表和报告，让阅读习惯“可视化”。现在，开始分析你的阅读数据，优化阅读计划吧！