python 用matplotlib绘制折线图详情

目录

• 1. 折线图概述
• 1.1什么是折线图？
• 1.2折线图使用场景
• 1.3绘制折线图步骤
• 1.4案例展示
• 2. 折线2D属性
• 2.1linestyle:折线样式
• 2.2color：折线颜色
• 2.3marker：坐标值标记
• 2.4fillstyle:标记填充方法
• 2.5linewidth（lw）: 直线宽度
• 3. 坐标管理
• 3.1坐标轴名字设置
• 3.2坐标轴刻度设置
• 3.3坐标轴位置设置
• 3.4指定坐标值标注
• 4. 多条折线展示图
• 5. 图列管理

复习回顾：
众所周知，matplotlib 是一款功能强大开源的数据可视化模块，凭借着强大的扩展性构建出更高级别的绘图工具接口如seaborn、ggplot。我们来看看往期学习章节内容概述吧~

• matplotlib 模块基础知识：对matplotlib模块具有便利的交互新创建图表、多种图表定制以及强大的可扩展性，matplotlib可满足不同用户的使用，初次体验绘制图表功能
• matplotlib 模块底层原理：matplotlib 模块包含脚本层、美工层及后端层，对各个层相关提供的操作进行学习

在 matplotlib 官网教程中，可以绘制诸如折线图、柱状图、饼图等常规图外，还有可以绘制动态图、散点图、等高线图、帽子图、多个子图等

接下来，我们将继续学习matplotlib 图表绘制具体的功能实操，掌握针对不同图表的绘制

1. 折线图概述

1.1什么是折线图？

• 折线图是在坐标中通过线条升降的方式展示随着某种变化而变化的连续性数据
• 通过折线的起伏表示数据的增减变化的情况
• 折线图可以拆分为动态折线图、依存关系折线图和次数分布折线图

1.2折线图使用场景

折线图自身的线条的变化，可以在图表中清晰读取到数据变化情况，可以运用的场景特点如下

• 描绘统计事项总体指标的动态
• 研究对象间的依存关系
• 总体中各个部分的分配情况
• 适合大量数据展示其趋势变化

1.3绘制折线图步骤

• 导入matplotlib.pyplot模块
• 准备数据，可以使用numpy/pandas整理数据
• 调用pyplot.plot()绘制折线图

1.4案例展示

接下来我们使用折线图来展示从 10份 所有文章访问量数据展示

所有的案例用到的数据如下：

import random

x_data = ["10月{}日".format(i+1) for i in range(30)]

y_view = [random.randint(50,200) for i in range(30)]

展示10月份数据折线图:

  import matplotlib.pyplot as plt
 import random

 plt.rcParams["font.sans-serif"]=['SimHei']
 plt.rcParams["axes.unicode_minus"]=False

 x_data = ["10月{}日".format(i+1) for i in range(30)]

 y_view = [random.randint(50,200) for i in range(30)]

 plt.figure(figsize=(20,5),dpi=90)

 plt.plot(x_data,y_view)

 plt.xticks(rotation=45)
 plt.title("访问量分析")
 plt.xlabel("日期")
 plt.ylabel("访问量")

 plt.show()

2. 折线2D属性

2.1linestyle:折线样式

2.2color：折线颜色

颜色简称：

rgb

• 格式形式：(r,g,b) 或者(r,g,b,a)
• 取值范围：r,g,b,a 取值范围在[0,1]之间
• [0,1]之间的浮点数的字符串形式，0表示黑色，1表示白色

2.3marker：坐标值标记

• marker 标记物通常在折线图plot、散点图scatter和误差图errorbar上应用
• marker 提供多达40个标记的样式可供选择，具体详情看见marker官方说明
• marker 在图表中常用的有如下：

标记还提供其他方法

• markeredgecolor:标记边界颜色
• markeredgewidth:标记宽度
• markfacecorlor:标记填充色
• markersize:标记大小

2.4fillstyle:标记填充方法

2.5linewidth（lw）: 直线宽度

对第一节案例添加直线属性：虚线表示，坐标用绿色左半填充圈标记

#

 直线属性
plt.plot(x_data,y_view,linestyle="--"
,marker="o",markeredgecolor="g",fillstyle="left")

更多属性:
在matplotlib官网对直线2D属性有更多的介绍

3. 坐标管理

3.1坐标轴名字设置

• 设置X轴名称：pyplot.xlabel(str)
• 设置y轴名称：pyplot.ylabel(str)

3.2坐标轴刻度设置

• x轴坐标刻度设置：pyplot.xticks(ticks=[],rotation)
• y轴坐标刻度设置：pyplot.yticks(ticks=[],rotation)

参数说明：

• ticks:列表类型，表示x轴范围
• rotation：翻转角度

3.3坐标轴位置设置

• 坐标轴位置设置需要通过pyplot.gca()先获取当前的Axes
• 然后调用ax.spines[].set_position()设置位置
• ax.spines['bottom'].set_position(('axes',0.5)) 表示将x轴设置在y轴50%处

3.4指定坐标值标注

pyplot.annotate() 展示指定坐标点的（x,y）值

常用接口参数说明：

继续改造第一节案例：标记出最大访问，y轴移到x轴中心

max_id = np.argmax(y_view)

show_max = '['+str(x_data[max_id])+','+str(y_view[max_id])+']'

plt.figure(figsize=(20,5),dpi=90)

ax= plt.gca()

ax.spines["left"].set_position(('axes',0.5))

plt.plot(x_data,y_view,linestyle="--",marker="o",markeredgecolor="g",fillstyle="left")

plt.xticks(ticks=np.arange(0,30),rotation=60)

plt.annotate(show_max, xy=(x_data[max_id],y_view[max_id] ), xytext=(x_data[max_id],y_view[max_id]), color='r')

4. 多条折线展示图

在一个图表中，我们可以多次调用plot()绘制多条折线展示在同一个表格中

 ```python
star_view = [random.randint(100,200) for i in range(30)]

plt.plot(x_data,y_view,linestyle="--",marker="o",markeredgecolor="g",fillstyle="left")
plt.plot(x_data,star_view,linestyle="-",marker="s",markeredgecolor="r",fillstyle="right")
```

5. 图列管理

当一个图表中存在多个折线图时，我们需要使用图例管理来对每个折线代表对象

1. pyplot.legend(loc): 对图表中折线进行说明
2. loc参数属性值：

label属性，注释每条折线的对象

plt.plot(x_data,y_view,linestyle="--",marker="o",markeredgecolor="g",fillstyle="left",label="all")
plt.plot(x_data,star_view,linestyle="-",marker="s",markeredgecolor="r",fillstyle="right",label="star")

plt.legend()

总结:
本文 我们对matplotlib 模块 折线图plot()相关方法和属性进行，大家在平时工作中可以多多实践，折线图还是用的比较多的

到此这篇关于python 用matplotlib绘制折线图详情的文章就介绍到这了,更多相关python matplotlib绘制折线图内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！