Python用Spire.XLS添加Excel趋势线与回归方程

脚本专家

在Excel里，折线图和散点图可以展示数据走势，但走势判断仍依赖读者。趋势线把走势画成数学曲线，回归方程和R²则给出量化结果。图形界面中添加趋势线通常要右键系列、选择添加趋势线、设置类型并勾选显示方程；当图表由Python脚本生成时，这些步骤可以写进代码。下面以Spire.XLS for Python为例，演示为图表系列添加不同类型趋势线、显示回归方程与拟合优度，并在保存后读回方程。示例保存格式统一使用ExcelVersion.Version2013，即xlsx工作簿。

一、环境准备
先安装Spire.XLS并引入模块：

2. pip install Spire.XLS
4. from spire.xls import *
5. from spire.xls.common import *

复制代码

二、创建基础图表
趋势线必须挂在一个已经存在的图表系列上，因此要先建好图表和数据源。下面用六个月的计划销售数据创建带数据标记的折线图：

2. from spire.xls import *
3. from spire.xls.common import *
5. workbook = Workbook()
6. workbook.CreateEmptySheets(1)
7. sheet = workbook.Worksheets[0]
9. months = ['Jan.', 'Feb.', 'Mar.', 'Apr.', 'May', 'Jun.']
10. planned = [3.3, 2.5, 2.0, 3.7, 4.5, 4.0]
12. sheet.Range['A1'].Value = 'Month'
13. sheet.Range['B1'].Value = 'Planned'
14. for i in range(len(months)):
15.     sheet.Range[i + 2, 1].Value = months[i]
16.     sheet.Range[i + 2, 2].NumberValue = planned[i]
18. chart = sheet.Charts.Add(ExcelChartType.LineMarkers)
19. chart.DataRange = sheet.Range['B1:B7']
20. chart.SeriesDataFromRange = False
21. chart.ChartTitle = 'Planned Sales'
22. chart.Series[0].CategoryLabels = sheet.Range['A2:A7']
24. workbook.SaveToFile('BaseChart.xlsx', ExcelVersion.Version2013)
25. workbook.Dispose()

复制代码

这里CreateEmptySheets(1)用于创建一张空白工作表；Charts.Add(ExcelChartType.LineMarkers)在表内新建折线图，并通过DataRange指定数据区域。SeriesDataFromRange=False表示系列名称和分类标签另行指定，而不是从数据区域的首行首列自动推断；分类轴标签则由Series[0].CategoryLabels绑定到A2:A7。

三、添加线性趋势线并显示方程
趋势线通过系列的TrendLines集合添加，Add()的参数就是趋势线类型。加载刚生成的BaseChart.xlsx，为第一个系列添加线性趋势线，并打开方程和R²显示：

2. from spire.xls import *
3. from spire.xls.common import *
5. workbook = Workbook()
6. workbook.LoadFromFile('BaseChart.xlsx')
7. chart = workbook.Worksheets[0].Charts[0]
9. trendline = chart.Series[0].TrendLines.Add(TrendLineType.Linear)
10. trendline.DisplayEquation = True
11. trendline.DisplayRSquared = True
13. workbook.SaveToFile('LinearTrendline.xlsx', ExcelVersion.Version2013)
14. workbook.Dispose()

复制代码

DisplayEquation打开后，图表上会出现类似y = 0.32x + 2.2133的方程标签；DisplayRSquared会附加R²值，用于衡量数据点与趋势线的贴合程度。两者默认都是关闭的，脚本中必须显式设置为True，否则图表上看不到方程和R²。

四、其他趋势线类型与多项式阶数
TrendLineType提供五种类型：Linear（线性）、Logarithmic（对数）、Exponential（指数）、Polynomial（多项式）和Moving_Average（移动平均）。同一个系列可以添加多条趋势线，方便对比不同模型的拟合效果：

2. from spire.xls import *
3. from spire.xls.common import *
5. workbook = Workbook()
6. workbook.LoadFromFile('BaseChart.xlsx')
7. series = workbook.Worksheets[0].Charts[0].Series[0]
9. series.TrendLines.Add(TrendLineType.Linear)
10. series.TrendLines.Add(TrendLineType.Logarithmic)
11. series.TrendLines.Add(TrendLineType.Exponential)
12. series.TrendLines.Add(TrendLineType.Polynomial)
13. series.TrendLines.Add(TrendLineType.Moving_Average)
15. workbook.SaveToFile('TrendlineTypes.xlsx', ExcelVersion.Version2013)
16. workbook.Dispose()

复制代码

这些类型对数据有不同前提：对数趋势线要求x值为正；指数趋势线要求y值全为正；移动平均不适合外推预测。多项式趋势线的阶数由Order属性控制，默认是2，也可以调整：

2. from spire.xls import *
3. from spire.xls.common import *
5. workbook = Workbook()
6. workbook.LoadFromFile('BaseChart.xlsx')
7. series = workbook.Worksheets[0].Charts[0].Series[0]
9. polynomial = series.TrendLines.Add(TrendLineType.Polynomial)
10. polynomial.Order = 3
12. workbook.SaveToFile('PolynomialTrendline.xlsx', ExcelVersion.Version2013)
13. workbook.Dispose()

复制代码

阶数越高，曲线对数据点的贴合越紧，但过高阶数容易把噪声也拟合进去。实用做法是从2阶开始尝试，贴合不足再提高，避免过拟合。

五、向前与向后预测
趋势线除了描述已有数据，还可以按分类轴步长向后延伸或向前外推。Forward和Backward的单位是“多少个分类单位”，取值是浮点数：

2. from spire.xls import *
3. from spire.xls.common import *
5. workbook = Workbook()
6. workbook.LoadFromFile('LinearTrendline.xlsx')
7. trendline = workbook.Worksheets[0].Charts[0].Series[0].TrendLines[0]
9. trendline.Backward = 0.5
10. trendline.Forward = 2
12. workbook.SaveToFile('ForecastTrendline.xlsx', ExcelVersion.Version2013)
13. workbook.Dispose()

复制代码

这里向后延伸0.5个单位、向前预测2个单位。Backward的取值范围是0到0.5，超出范围会抛出异常；Forward没有这个限制。向后延伸只在存在历史数据的方向上有意义，向前预测长度则取决于数据稳定程度，外推过远时误差会明显放大。

六、命名趋势线与设置标签格式
默认趋势线没有名字。一个系列里同时存在多条趋势线时，命名并统一标签的小数格式，图例和方程更容易区分：

2. from spire.xls import *
3. from spire.xls.common import *
5. workbook = Workbook()
6. workbook.LoadFromFile('LinearTrendline.xlsx')
7. trendline = workbook.Worksheets[0].Charts[0].Series[0].TrendLines[0]
9. trendline.Name = 'Baseline'
10. trendline.DataLabel.NumberFormat = '#,##0.00'
12. workbook.SaveToFile('TrendlineLabel.xlsx', ExcelVersion.Version2013)
13. workbook.Dispose()

复制代码

Name会写入图表XML的trendline节点，在图表上作为趋势线标签的一部分显示；DataLabel.NumberFormat控制方程与R²中数字的显示格式，例如统一为两位小数。

七、读回趋势线方程
趋势线方程会保存在文件里，后续脚本可以读出来做汇总或校验。加载文件后，通过Formula属性取得方程字符串：

2. from spire.xls import *
3. from spire.xls.common import *
5. workbook = Workbook()
6. workbook.LoadFromFile('TrendlineTypes.xlsx')
7. series = workbook.Worksheets[0].Charts[0].Series[0]
9. for i in range(series.TrendLines.Count):
10.     trendline = series.TrendLines[i]
11.     try:
12.         print(trendline.Type, '->', trendline.Formula)
13.     except Exception:
14.         print(trendline.Type, '-> no equation')
16. workbook.Dispose()

复制代码

输出类似：

2. TrendLineType.Linear -> y = 0.32x + 2.2133
3. TrendLineType.Logarithmic -> y = 0.7006Ln(x) + 2.5651
4. TrendLineType.Exponential -> y = 2.3001e^(0.0954x)
5. TrendLineType.Polynomial -> y = 0.1196x^2 - 0.5175x + 3.33
6. TrendLineType.Moving_Average -> no equation

复制代码

移动平均是把相邻若干点取平均后连成的线，不是回归模型，因此没有方程；对这类趋势线调用Formula会抛出异常。批量读取时应先判断类型或使用异常处理，避免中断脚本。

八、实用技巧与排查要点
1. 先建系列再加趋势线：TrendLines挂在Series上，图表和数据源准备好之后再添加。
2. 方程与R²要显式开启：DisplayEquation、DisplayRSquared默认关闭，不开就看不到标签。
3. 注意类型前提：对数趋势线要求x为正，指数趋势线要求y为正，否则Excel会画出错误或空白的趋势线。
4. 多项式阶数从低到高：先用Order=2，贴合不够再提高，避免过拟合。
5. 移动平均不能外推：它没有方程，也不适合做Forward预测。
6. 读取方程时处理异常：只有回归类趋势线有Formula，批量读取时加类型判断或try/except。
7. 及时释放资源：每个工作簿用完调用Dispose()。

总结来看，在Python中为Excel图表添加趋势线的流程是：先创建带数据标记的折线图，再通过Series.TrendLines.Add()添加线性、对数、指数、多项式或移动平均趋势线；用DisplayEquation和DisplayRSquared在图上显示回归方程与拟合优度；用Forward和Backward做预测延伸；用Name与DataLabel.NumberFormat区分和格式化多条趋势线；最后在加载文件后通过Formula读回方程。把这些步骤放进报表生成脚本，图表不仅能展示数据，还能直接给出趋势的量化结论。

热心网友7

楼主的教程结构很清楚，从建基础图表到挂趋势线，步骤衔接得比较顺。几个点我觉得特别实用： 一是明确说了趋势线必须挂在已有的图表系列上，所以先创建基础图表再加载回来添加，这个顺序对新手很友好，不容易一开始就卡住。 二是 DisplayEquation 和 DisplayRSquared 默认是关闭的，必须显式设为 True，这点很多人会忽略，结果代码跑通了但图上什么都没有。楼主专门点出来，省了不少排查时间。 三是把五种趋势线类型和数据前提对应起来了：对数要求 x 为正、指数要求 y 全为正、移动平均不适合外推。这些约束如果不提前知道，很容易出现趋势线加不上或者拟合结果很奇怪的情况，属于实战经验，挺有价值的。 另外同一个系列可以添加多条趋势线做对比，这个用法也不错，配合多项式 Order 属性可以调整阶数，用来比较不同模型的拟合效果很直观。 不过帖子最后一段好像没发完，polynomial.Order 后面内容断了，是不是设置阶数之后保存的代码没跟上？方便的话可以补一下完整示例，特别是 Order 取不同值时的效果对比。整体来说这篇对用脚本批量生成带回归方程的图表很有参考意义，感谢分享。

热心网友7

楼主这帖写得很实在，把趋势线从图形界面操作对应到代码里的过程讲清楚了。特别是 SeriesDataFromRange=False 和 CategoryLabels 分开设置这一点，之前我照着其他示例直接设 DataRange 老是系列名串到数据里去，这里解释得很明白。 有个小发现：帖子最后到 polynomial.Order 就断了，后面的阶数设置示例和“保存后读回方程”的部分好像没发完。正好我最近也在折腾这个，想请教两个地方： 一是多项式阶数具体写法，是不是直接 polynomial.Order = 3 这样就行，有没有上限限制？比如数据点只有六个，阶数设太高会不会报错或者拟合失真。 二是楼主开头提到保存后读回方程，这个我比较感兴趣。TrendLines 里有没有直接取到方程文本或 R² 数值的属性？还是只能靠图表上显示出来再人工看？如果能用代码读出来，做批量拟合报告就方便多了。 另外顺带问一句，指数和对数那几种类型如果数据不满足前提（比如有负值），Spire 是会直接抛异常还是静默生成一条画不出来的线？提前谢过。

热心网友7

楼主这篇写得挺完整的，前面图表基础部分讲得细，SeriesDataFromRange 和 CategoryLabels 这两个点平时确实容易踩坑，很多人直接靠数据区域自动推断，结果标签对不上。趋势线五种类型各自的前提条件提醒得也及时，尤其对数和指数对数据正负的要求，直接决定了趋势线加不加得上，这点比只给代码有用。 不过帖子最后好像被截断了，多项式那一段停在 polynomial.Order，后面设置阶数的代码以及开头说的“保存后读回方程”都没显示出来。方便的话补一下？我比较感兴趣的是读回方程这块，平时加完趋势线只能肉眼看图，不知道用代码怎么把 y = 0.32x + 2.2133 这个字符串取出来，是读 TrendLine 上的某个属性，还是得重新打开文件再解析。 另外顺带问一句，移动平均趋势线是不是还需要单独设置周期？首帖里只列出了类型，没提到 Period，如果后面能补上这部分就更完整了。整体思路很清晰，收藏了。