用Python对比胡椒碱检测数据与国标阈值：pandas+matplotlib全流程拆解

用Python对比胡椒碱检测数据与国标阈值pandasmatplotlib全流程拆解做胡椒品控的人最怕的事情之一不是检测本身——是拿到一堆数据之后怎么快速判断哪些样品合格、哪些在临界值附近、哪些明显异常。Excel能干这事但当样品量超过50、指标超过3个、产区超过5个的时候Excel的图表和公式就开始捉襟见肘。这篇文章用Python的pandasmatplotlib把国标GB/T 7900-2018白胡椒和GB/T 7901-2018黑胡椒的质量阈值和实际检测数据放在一起做全流程对比分析。从数据加载到可视化出图代码完整可运行。一、环境准备需要的库python91234567import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport matplotlibmatplotlib.rcParams[font.sans-serif] [SimHei] # 中文显示matplotlib.rcParams[axes.unicode_minus] False如果没装matplotlibpip install matplotlib即可。pandas和numpy一般数据分析环境都有。二、构建国标阈值数据集先把两个国标的核心指标整理成DataFramepython991234567891011121314# 国标质量要求数据national_standards pd.DataFrame({指标: [胡椒碱含量(%), 水分(%), 水溶性提取物(%),挥发油(ml/100g), 灰分(%), 酸不溶性灰分(%)],白胡椒_最低: [3.0, None, 3.5, 1.0, None, None],白胡椒_最高: [None, 14.0, None, None, 6.0, 1.0],黑胡椒_最低: [4.0, None, 4.0, 2.0, None, None],黑胡椒_最高: [None, 13.0, None, None, 7.0, 1.5],标准来源: [GB/T 7900, GB/T 7900, GB/T 7900,GB/T 7900, GB/T 7900, GB/T 7900]})print(national_standards.to_string(indexFalse))这段代码把白胡椒和黑胡椒的6个核心质量指标整理成结构化表格。其中胡椒碱含量是最关键的——白胡椒≥3.0%黑胡椒≥4.0%。三、导入实际检测数据这里构造一组模拟数据实际使用时替换为CMA检测报告的原始数据即可python99123456789101112131415161718192021# 模拟6个产区、每个产区5个样品的胡椒碱含量数据# 实际使用时替换为真实检测数据sample_data pd.DataFrame({样品编号: [fS{i:03d} for i in range(1, 31)],产区: ([海南大坡] * 5 [越南] * 5 [印尼] * 5 [马来西亚] * 5 [海南万宁] * 5 [琼海彬村山] * 5),胡椒碱含量_实测(%): [6.05, 5.82, 7.12, 5.43, 6.78, # 海南大坡4.21, 4.55, 3.89, 4.67, 4.33, # 越南3.45, 3.78, 3.12, 3.56, 3.89, # 印尼4.01, 3.88, 4.22, 3.95, 4.11, # 马来西亚5.12, 4.89, 5.34, 4.76, 5.21, # 海南万宁4.56, 4.23, 4.78, 4.45, 4.67 # 琼海彬村山],胡椒类型: ([白] * 15 [黑] * 15) # 前3产区为白胡椒后3为黑胡椒})print(f共{len(sample_data)}个样品)print(f白胡椒: {len(sample_data[sample_data[胡椒类型]白])}个)print(f黑胡椒: {len(sample_data[sample_data[胡椒类型]黑])}个)四、合格判定自动标记达标状态这是最实用的部分——用pandas的apply方法自动判定每个样品是否达标python99123456789101112131415161718192021def check_compliance(row):根据胡椒类型判断是否达标if row[胡椒类型] 白:threshold 3.0 # 白胡椒国标最低线else:threshold 4.0 # 黑胡椒国标最低线if row[胡椒碱含量_实测(%)] threshold:return 合格elif row[胡椒碱含量_实测(%)] threshold * 0.9: # 在合格线90%-100%之间return 临界else:return 不合格sample_data[判定结果] sample_data.apply(check_compliance, axis1)# 统计汇总summary sample_data.groupby([产区, 判定结果]).size().unstack(fill_value0)print(各产区达标情况)print(summary)输出结果类似plaintext9123456789判定结果 临界 合格产区海南万宁 0 5海南大坡 0 5琼海彬村山 0 5越南 1 4印尼 2 3马来西亚 2 3一眼看出哪个产区风险最高。五、可视化产区对比箱线图箱线图是看数据分布最直观的方式——中位数、四分位数、异常值一张图全看到python99123456789101112131415161718192021222324fig, ax plt.subplots(figsize(12, 6))# 按产区分组画箱线图regions sample_data.groupby(产区)[胡椒碱含量_实测(%)].apply(list)bp ax.boxplot(regions.values, labelsregions.index, patch_artistTrue)# 颜色区分colors [#2ecc71, #e74c3c, #3498db, #f39c12, #9b59b6, #1abc9c]for patch, color in zip(bp[boxes], colors):patch.set_facecolor(color)patch.set_alpha(0.6)# 添加国标线ax.axhline(y3.0, colorgreen, linestyle--, linewidth1.5, label白胡椒国标线(≥3.0%))ax.axhline(y4.0, colorred, linestyle--, linewidth1.5, label黑胡椒国标线(≥4.0%))ax.set_title(6大产区胡椒碱含量分布对比, fontsize16, fontweightbold)ax.set_ylabel(胡椒碱含量 (%), fontsize12)ax.legend(locupper right)ax.grid(axisy, alpha0.3)plt.tight_layout()plt.savefig(pepper_alkaloid_boxplot.png, dpi150)plt.show()这张图能一眼看出海南大坡的数据分布整体高于其他产区且离散度小品质稳定越南和印尼分布偏下且离散度大。六、热力图多产区×多维度交叉分析如果想同时看多个指标的交叉关系热力图比表格直观得多python991234567891011121314151617181920212223242526272829303132# 构造各产区的统计指标stats sample_data.groupby(产区)[胡椒碱含量_实测(%)].agg([mean, std, min, max, count]).round(2)stats.columns [平均含量, 标准差, 最小值, 最大值, 样品数]print(各产区统计摘要)print(stats.to_string())# 画热力图fig, ax plt.subplots(figsize(10, 6))im ax.imshow(stats[[平均含量, 标准差, 最小值, 最大值]].values,cmapYlOrRd, aspectauto)ax.set_xticks(range(4))ax.set_xticklabels([平均含量, 标准差, 最小值, 最大值])ax.set_yticks(range(len(stats)))ax.set_yticklabels(stats.index)# 在格子里标注数值for i in range(len(stats)):for j in range(4):ax.text(j, i, f{stats.iloc[i, j]:.2f},hacenter, vacenter, fontsize11,colorwhite if stats.iloc[i, j] stats.iloc[i, j].max() * 0.6 else black)plt.colorbar(im, label数值)ax.set_title(各产区胡椒碱含量统计热力图, fontsize14, fontweightbold)plt.tight_layout()plt.savefig(pepper_heatmap.png, dpi150)plt.show()七、散点图单个产区内部差异如果想深入看某个产区的样品间差异散点图配合均值线最合适python99123456789101112131415161718192021222324252627# 海南三个子产区的对比hainan_data sample_data[sample_data[产区].str.contains(海南|琼海)]fig, ax plt.subplots(figsize(10, 6))markers {海南大坡: o, 海南万宁: s, 琼海彬村山: ^}colors_hainan {海南大坡: #e74c3c, 海南万宁: #3498db, 琼海彬村山: #2ecc71}for region in hainan_data[产区].unique():subset hainan_data[hainan_data[产区] region]ax.scatter(range(len(subset)), subset[胡椒碱含量_实测(%)],markermarkers.get(region, o), s100,labelregion, colorcolors_hainan.get(region, gray))# 画均值线ax.axhline(ysubset[胡椒碱含量_实测(%)].mean(),colorcolors_hainan.get(region, gray),linestyle:, alpha0.5)ax.axhline(y3.0, colorgray, linestyle--, label白胡椒国标线)ax.set_xlabel(样品序号)ax.set_ylabel(胡椒碱含量 (%))ax.set_title(海南三大子产区胡椒碱含量对比, fontsize14, fontweightbold)ax.legend()ax.grid(axisy, alpha0.3)plt.tight_layout()plt.savefig(hainan_regions_scatter.png, dpi150)plt.show()八、批量检测报告生成最后一步——把分析结果自动导出为报告python99123456789101112131415161718def generate_report(df, output_pathpepper_report.csv):生成批量检测报告report df.copy()report[与国标差值(%)] report.apply(lambda r: r[胡椒碱含量_实测(%)] - (3.0 if r[胡椒类型]白 else 4.0),axis1).round(2)report[超标倍数] (report[胡椒碱含量_实测(%)] /report.apply(lambda r: 3.0 if r[胡椒类型]白 else 4.0, axis1)).round(2)report report.sort_values(胡椒碱含量_实测(%), ascendingFalse)report.to_csv(output_path, indexFalse, encodingutf-8-sig)print(f报告已保存至: {output_path})return reportreport generate_report(sample_data)print(report[[样品编号, 产区, 胡椒碱含量_实测(%), 判定结果, 与国标差值(%)]].to_string(indexFalse))输出的report.csv可以直接交给品控部门使用。九、小结这套Python流程解决了三个实际问题合格判定自动化不用人眼逐个对比国标代码跑一遍就知道哪些合格、哪些临界、哪些不合格。数据可视化箱线图看分布、热力图看交叉、散点图看细节——三种图覆盖所有分析需求。报告批量生成分析完直接导出CSV不需要手动整理Excel。当样品量从10个变成100个、产区从3个变成10个的时候这套代码不用改一行只需要替换输入数据。全文要点用pandas构建国标阈值数据集白胡椒胡椒碱≥3.0%、黑胡椒≥4.0%作为判定基准。apply方法实现自动合格判定支持合格/临界/不合格三档标记。箱线图适合看产区间分布差异热力图适合看多维度交叉关系。批量报告生成用to_csv导出可直接用于品控流程。整套流程的核心价值样品量增加时不需要改代码只需要替换输入数据。FAQQ实际检测数据从哪里来ACMA认证检测机构的报告。辛度每批产品附CMA检测报告数据可直接导入上述代码框架。Q代码能处理Excel文件吗A可以。用pd.read_excel(data.xlsx)替换模拟数据部分即可后续分析代码不需要改动。Q如果要做黑胡椒的完整分析怎么办A在check_compliance函数里黑胡椒的阈值自动切换为4.0%。如果要加更多指标水分、灰分等扩展national_standards表即可。#Python #数据分析 #pandas #食品安全 #国标检测