Matplotlib 折线图plot()所有用法详解

散点图和折线图是数据分析中最常用的两种图形。其中,折线图用于分析自变量和因变量之间的趋势关系,最适合用于显示随着时间而变化的连续数据,同时还可以看出数量的差异,增长情况。

Matplotlib 中绘制散点图的函数为 plot() ,使用语法如下:matplotlib.pyplot.plot(*argsscalex=Truescaley=Truedata=None**kwargs)

常用参数及说明:

参数 接收值 说明 默认值
x,y array 表示 x 轴与 y 轴对应的数据;
color string 表示折线的颜色; None
marker string 表示折线上数据点处的类型; None
linestyle string 表示折线的类型; -
linewidth 数值 线条粗细:linewidth=1.=5.=0.3 1
alpha 0~1之间的小数 表示点的透明度; None
label string 数据图例内容:label=‘实际数据' None

其他参数请参考文档:https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html

基本用法

import pandas as pd
import matplotlib.pyplot as plt

#读取数据
datafile = u'D:\\pythondata\\learn\\matplotlib.xlsx'
data = pd.read_excel(datafile)

plt.figure(figsize=(10,5))#设置画布的尺寸
plt.title('Examples of line chart',fontsize=20)#标题,并设定字号大小
plt.xlabel(u'x-year',fontsize=14)#设置x轴,并设定字号大小
plt.ylabel(u'y-income',fontsize=14)#设置y轴,并设定字号大小

#color:颜色,linewidth:线宽,linestyle:线条类型,label:图例,marker:数据点的类型
plt.plot(data['时间'],data['收入_Jay'],color="deeppink",linewidth=2,linestyle=':',label='Jay income', marker='o')
plt.plot(data['时间'],data['收入_JJ'],color="darkblue",linewidth=1,linestyle='--',label='JJ income', marker='+')
plt.plot(data['时间'],data['收入_Jolin'],color="goldenrod",linewidth=1.5,linestyle='-',label='Jolon income', marker='*')

plt.legend(loc=2)#图例展示位置,数字代表第几象限
plt.show()#显示图像

到此这篇关于Matplotlib 折线图plot()所有用法详解的文章就介绍到这了,更多相关Matplotlib 折线图plot()用法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!

(0)

相关推荐

  • matplotlib 曲线图 和 折线图 plt.plot()实例

    我就废话不多说了,大家还是直接看代码吧! 绘制曲线: import time import numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 10, 1000) y = np.sin(x) plt.figure(figsize=(6,4)) plt.plot(x,y,color="red",linewidth=1 ) plt.xlabel("x") #xlabel.ylabel:分别设置X.

  • Matplotlib 折线图plot()所有用法详解

    散点图和折线图是数据分析中最常用的两种图形.其中,折线图用于分析自变量和因变量之间的趋势关系,最适合用于显示随着时间而变化的连续数据,同时还可以看出数量的差异,增长情况. Matplotlib 中绘制散点图的函数为 plot() ,使用语法如下:matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs) 常用参数及说明: 参数 接收值 说明 默认值 x,y array 表示 x 轴与 y 轴对应的数据:

  • Python可视化Matplotlib折线图plot用法详解

    目录 1.完善原始折线图 - 给图形添加辅助功能 1.1 准备数据并画出初始折线图 1.2 添加自定义x,y刻度 1.3 中文显示问题解决 1.4 添加网格显示 1.5 添加描述信息 1.6 图像保存 2. 在一个坐标系中绘制多个图像 2.1 多次plot 2.2 显示图例 2.3 折线图的应用场景 折线图是数据分析中非常常用的图形.其中,折线图主要是以折线的上升或下降来表示统计数量的增减变化的统计图.用于分析自变量和因变量之间的趋势关系,最适合用于显示随着时间而变化的连续数据,同时还可以看出数

  • 基于matplotlib xticks用法详解

    这个坐标轴变名用法,我真服气了,我在网上看大家写的教程,看的头晕,也没看懂他们写xtick到底怎么用的,最后找到官方教程,看了一个例子,over xticks到底有什么用,其实就是想把坐标轴变成自己想要的样子 import matplotlib.pyplot as plt x = [1, 2, 3, 4] y = [1, 4, 9, 6] labels = ['Frogs', 'Hogs', 'Bogs', 'Slogs'] plt.plot(x, y) # You can specify a

  • Python可视化Matplotlib散点图scatter()用法详解

    散点图是数据分析中非常常用的图形.用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式. 特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律) Matplotlib 中绘制散点图的函数为 scatter() ,使用语法如下: matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha

  • Python matplotlib实现图表主题变换示例详解

    目录 一.更换主题样式 二.线条变换 三.将图表保存成本地图片 四.添加辅助线 五.调整画图的大小和清晰度 六.使用动漫风格 七.横坐标的倾斜度 八.横纵坐标轴转换 有时候因为jupyter notebook本身的主题不同,导致画图的时候与图表的颜色冲突,看不清坐标轴,这时候可以通过更换坐标轴风格来解决: 一.更换主题样式 plt.style.available ## 主题如下: ['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic

  • Python+Matplotlib绘制3D图像的示例详解

    目录 1. 绘制3D柱状图 2. 绘制3D曲面图 示例1 示例2 3.绘制3D散点图 4. 绘制3D曲线图 1. 绘制3D柱状图 绘制3D柱状图使用的是axes3d.bar()方法. 可能跟我们中学学的有一点不同的是,其语法如下: bar(left, height, zs=0, zdir=‘z’, *args, **kwargs) 其中left表示指向侧边的轴,zs表示指向我们的方向的轴,height即表示高度的轴.这三者都需要是一维的序列对象.在调用相关方法的时候,比如设置轴标签,还有一点需要

  • python matplotlib中的subplot函数使用详解

    python里面的matplotlib.pylot是大家比较常用的,功能也还不错的一个包.基本框架比较简单,但是做一个功能完善且比较好看整洁的图,免不了要网上查找一些函数.于是,为了节省时间,可以一劳永逸.我把常用函数作了一个总结,最后写了一个例子,以后基本不用怎么改了. 一.作图流程: 1.准备数据, , 3作图, 4定制, 5保存, 6显示 1.数据可以是numpy数组,也可以是list 2创建画布: import matplotlib.pyplot as plt #figure(num=N

  • Pyecharts 动态地图 geo()和map()的安装与用法详解

    把一些地域性比较明显的数据显示在一张地图上,远比给别人一个 Excel 文件好得多. Matplotlib 中也有画地图的函数,但是是静态图,因此这里主要讲 Pyecharts 模块中的画图功能. 安装Pyecharts 方法一:pip install ... 方法二:conda install -c anaconda pyecharts 方法三:下载模块--安装 https://pypi.org/project/pyecharts/0.1.9.4/#files下载模块: 将模块放进 xx 路径

  • Python+matplotlib实现循环作图的方法详解

    目录 一.前言 二.实现过程 三.总结 大家好,我是皮皮. 一.前言 前几天在Python白银交流群[在 途中要勤奋的熏肉肉]问了一道Python可视化处理的问题,如下图所示. 原始代码,如下所示: import pandas as pd import numpy as np import matplotlib.pyplot as plt import scipy.stats as st result_parameter_peak = pd.read_csv("result_parameter_

  • Python+matplotlib绘制多子图的方法详解

    目录 本文速览 1.matplotlib.pyplot api 方式添加子图 2.面向对象方式添加子图 3.matplotlib.pyplot add_subplot方式添加子图 4.matplotlib.gridspec.GridSpec方式添加子图 5.子图中绘制子图 6.任意位置绘制子图(plt.axes) 本文速览 matplotlib.pyplot api 绘制子图 面向对象方式绘制子图 matplotlib.gridspec.GridSpec绘制子图 任意位置添加子图 关于pyplo

随机推荐