本文将深入探讨如何使用Python来读取xlsx文件中的数据并生成图表，特别关注于饼图和散点图的创建。我们将使用`openpyxl`库来读取Excel文件，`numpy`和`matplotlib.pyplot`库来处理数据并绘制图形。
我们导入所需的库：
```python
import openpyxl
import numpy as np
import math
import matplotlib.pyplot as plt
```
接下来，我们加载Excel文件并获取数据：
```python
wk = openpyxl.load_workbook('信息11.xlsx')
sheet = wk.active
rows = sheet.max_row
cols = sheet.max_column
lst1 = []
lst2 = []
for i in range(1, rows + 1):
size1 = sheet.cell(i, 1).value
lst1.append(size1)
size2 = sheet.cell(i, 2).value
lst2.append(size2)
```
这里，我们遍历Excel文件的每一行，提取第一列和第二列的数据，并分别存储在`lst1`和`lst2`列表中。
然后，我们将数据转换为字典形式，并计算百分比：
```python
num = 0
dic_size = {}
for item in lst1:
dic_size[lst1[num]] = lst2[num]
num += 1
lst_total = [[item[0], item[1]] for item in dic_size.items()]
labels = [item[0] for item in lst_total]
fraces = [item[1] for item in lst_total]
```
现在我们有了饼图的标签（`labels`）和数据（`fraces`）。我们使用`matplotlib.pyplot`库绘制饼图、散点图和柱状图：
```python
plt.rcParams['font.family'] = ['SimHei'] # 解决中文乱码问题
plt.scatter(labels, fraces)
plt.plot(labels, fraces, color='green')
plt.bar(labels, fraces, width=5, color='red')
```
为了绘制拟合曲线，我们使用`numpy`的`polyfit`函数来计算二次多项式系数，然后用`poly1d`函数创建一个多项式对象：
```python
z1 = np.polyfit(labels, fraces, 2)
p1 = np.poly1d(z1)
x = np.linspace(0, 500, 50)
y = -0.00024 * (x ** 2) + 0.1013 * (x) + 10.23
plt.plot(x, y, color='purple')
```
我们还可以计算预测值与实际值之间的误差，例如均方误差（MSE）、均方根误差（RMSE）和平均绝对误差（MAE），以及R平方的值：
```python
yre = []
for item in labels:
y = -0.00024 * (item ** 2) + 0.1013 * (item) + 10.23
yre.append(round(y, 6))
a = 0
mse = 0
mae = 0
result = []
for i in range(0, 10):
a += round(fraces[i] - yre[i], 6)
mae += round(math.fabs(fraces[i] - yre[i]), 6)
result.append(round(fraces[i] - yre[i] - round(a / 10, 6), 6))
mse += round((fraces[i] - yre[i] - round(a / 10, 6)) * (fraces[i] - yre[i] - round(a / 10, 6)), 6)
print(result)
print('均值', round(a / 10, 6))
print('均方误差', round(mse / 10, 6))
rmse = math.sqrt(round(mse / 10, 6))
print('均方根误差', round(rmse, 6))
print('平均绝对误差', round(mae / 10, 6))
print('R平方的数值', 1 - ((round(a / 10, 6)) * (round(a / 10, 6))) / round(mse / 10, 6))
print(p1)
```
这段代码计算了预测值与实际值的差值，并输出了相关的误差指标。
通过调用`plt.show()`可以显示所绘制的图表。不过在给定的代码中，`plt.show()`被注释掉了。
总结起来，这个实例展示了如何使用Python的`openpyxl`库读取Excel数据，`numpy`进行数据处理，以及`matplotlib.pyplot`库创建各种图表，包括饼图、散点图、柱状图和拟合曲线。同时，它还演示了如何评估预测模型的性能，计算误差指标，这对于数据分析和机器学习任务是非常有用的。通过学习和实践这样的例子，你可以更熟练地在Python中处理和可视化数据。
