Python数据分析matplotlib折线图案例处理

目录
  • 前言
  • python之matplotlib使用系统字体
  • 实例1：温度变化统计
  • 实例2：交友数量折线图

前言

以下分享折线图小案例，matplotlib还可以进行多种图形的绘制，可以进入官网https://matplotlib.org/gallery/index.html，点击examples，如需学习，选择要学习的图进入，里面包含有代码

python之matplotlib使用系统字体

1.导包from matplotlib.font_manager import FontProperties2.调用本机字体库设置字体my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")

其中，msyh.ttc是自己电脑中的字体，如何找到呢？

在路径C:\Windows\Fonts的文件夹中，有如下字体，如下图：

绘图的时候，直接调用就好

​​plt.xticks(list(x)[::3],_xtick_labels[::3],rotatinotallow=45,fnotallow=my_font)​​

实例1：温度变化统计

#如果列表a便是10点到12点的每一分钟的气温，绘制折线图
# a=[random.randint(20,35)for i in range(120)]
#解决中文不显示问题
#fc-list -->查看支持的字体
#fc-list :lang=zh -->查看支持的中文（冒号前有空格）

from matplotlib import pyplot as plt
import random
import matplotlib
from matplotlib import font_manager

#1.windows\linux设置字体
#font = {'family' : 'MicroSoft YaHei',
# 'weight' : 'bold',
# 'size' : 'larger'}
#matplotlib.rc("font",**font) #查看源码ctrl+b

#2.另一种设置字体方式
my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")

#定义x、y轴
x = range(0,120)
y = [random.randint(20,35) for i in range(120)]

#修改大小尺寸
plt.figure(figsize=(20,8),dpi=80)

#绘制
plt.plot(x,y)

#调整x轴的刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]

#取适当步长，将数字与x轴字符串对应，使得数据长度保持一致
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=45,fontproperties=my_font) #将x轴字符串旋转45度

#添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度 单位（°c）",fontproperties=my_font)
plt.title("10点到12点每分钟的气温变化情况",fontproperties=my_font)

#显示图示
plt.show()

实例2：交友数量折线图

#你与朋友从11到30岁交的朋友数，并比较
from matplotlib import pyplot as plt
from matplotlib import font_manager

#设置字体
my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")

#定义坐标轴
x = range(11,31)
y_1 = [2,3,3,4,6,5,6,5,8,5,4,6,4,4,4,4,4,3,3,3]
y_2 = [1,4,5,5,6,4,5,5,4,7,6,5,3,2,2,6,1,2,6,4]

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)

#绘制
plt.plot(x,y_1)
plt.plot(x,y_2)

#绘制x\y轴刻度,添加描述信息
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x,_xtick_labels,fontproperties=my_font)
plt.yticks(range(0,10))
plt.xlabel("年龄",fontproperties=my_font)
plt.ylabel("每年交到的新朋友数",fontproperties=my_font)
plt.title("与朋友每年新交到朋友数量对比图",fontproperties=my_font)

#绘制网格,并设置透明度
plt.grid(alpha=0.3)

#展示
plt.show()

1.这个案例中涉及到一表多图，其实很简单，与单图设计一样，只要再添加一组y轴坐标。
这里x轴是共有的，不需要另行设置。#定义坐标轴​x = range(11,31)y_1 = [2,3,3,4,6,5,6,5,8,5,4,6,4,4,4,4,4,3,3,3]y_2 = [1,4,5,5,6,4,5,5,4,7,6,5,3,2,2,6,1,2,6,4]#绘制plt.plot(x,y_1)plt.plot(x,y_2)

2.绘制网格及设置透明度

plt.grid(alpha=0.3)

3.但是当你给别人展示时，并没有源码，别人很难分清哪个曲线是你的，哪个是你朋友的，这时就需要我们添加图例，并且要注意的是：

通常我们设置中文字体是对应方法后添加fontproperties=my_font，但是在添加图例中用到的是prop=my_font

如图所示：

4.更改图例位置

由于初学，很多方法我们还不是很清楚，所以我们要学会查看源码（选中方法名+ctrl+b）

再使用一次，进入后会找到有关参数loc（location）的描述，我们设置loc=“upper left”，结果如图所示

5.设置曲线颜色，线条样式

#绘制，添加颜色
plt.plot(x,y_1,label="自己",color="y")
plt.plot(x,y_2,label="朋友",color="cyan")

#绘制，添加线条类型
plt.plot(x,y_1,label="自己",color="purple",linestyle='-.')
plt.plot(x,y_2,label="朋友",color="cyan",linestyle='--')

到此这篇关于Python数据分析matplotlib折线图案例处理的文章就介绍到这了,更多相关Python matplotlib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！

赞 (0)

相关推荐

  • Python数据分析之使用matplotlib绘制折线图、柱状图和柱线混合图

    Python数据分析之使用matplotlib绘制折线图、柱状图和柱线混合图

    目录 matplotlib介绍 matplotlib绘制折线图 matplotlib绘制柱状图 matplotlib绘制柱线混合图 总结 matplotlib介绍 Matplotlib 是 Python 的绘图库. 它可与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案. 它也可以和图形工具包一起使用,如 PyQt 和 wxPython. 安装Matplotlib库命令:在cmd命令窗口输入pip install matplotlib. matplotlib绘制折线图 1.绘

  • Python可视化Matplotlib折线图plot用法详解

    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

  • Python数据分析之 Matplotlib 折线图绘制

    Python数据分析之 Matplotlib 折线图绘制

    目录 一.Matplotlib 绘图 简单示例 二.折线图绘制 一.Matplotlib 绘图 在数据分析中,数据可视化也非常重要,通过直观的展示过程.结果数据,可以帮助我们清晰的理解数据,进而更好的进行分析.接下来就说一下Python数据分析中的数据可视化工具 Matplotlib 库. Matplotlib 是一个非常强大的Python 2D绘图库,使用它,我们可以通过图表的形式更直观的展现数据,实现数据可视化,使用起来也非常方便,而且支持绘制折线图.柱状图.饼图.直方图.散点图等. 可以使

  • Python+matplotlib实现折线图的美化

    Python+matplotlib实现折线图的美化

    目录 1. 导入包 2. 获得数据 3. 对数据做一些预处理 4. 画图 4.1 优化:添加点 4.2 优化:设置刻度 4.3 优化:设置填充 4.4 优化:设置填充颜色 5. 把功能打包成函数 6.测试函数 最后 大家好,今天分享一个非常有趣的 Python 教程,如何美化一个 matplotlib 折线图,喜欢记得收藏.关注.点赞. 1. 导入包 import pandas as pd import matplotlib.pyplot as plt import matplotlib.tic

  • python数据可视化之matplotlib.pyplot基础以及折线图

    python数据可视化之matplotlib.pyplot基础以及折线图

    不论是数据挖掘还是数据建模,都免不了数据可视化的问题.对于Python来说,Matplotlib是最著名的绘图库,它主要用于二维绘图,当然它也可以进行简单的三维绘图(基于spyder). - 模块引用 import matplotlib.pyplot as plt #引用画图库中的pyplot模块 -折线条图 语法 import matplotlib.pyplot as plt data=[1,2,3,4,5,4,2,4,6,7] #随便创建了一个数据 plt.plot(data) #引用画图库

  • 使用python matplotlib画折线图实例代码

    使用python matplotlib画折线图实例代码

    目录 matplotlib简介 1.画折线图[一条示例] 2.画折线图带数据标签 3.画多条折线图: 4.画多条折线图分别带数据标签: 总结 matplotlib简介 matplotlib 是python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地行制图.而且也可以方便地将它作为绘图控件,嵌入GUI应用程序中. 它的文档相当完备,并且Gallery页面中有上百幅缩略图,打开之后都有源程序.因此如果你需要绘制某种类型的图,只需要在这个页面中浏览/复制/粘贴一下,基

  • 教你利用python的matplotlib(pyplot)绘制折线图和柱状图

    教你利用python的matplotlib(pyplot)绘制折线图和柱状图

    目录 前言 一.折线图 二.柱状图 总结 前言 今天帮师兄赶在deadline之前画论文的图,现学现卖很是刺激,现把使用matplotlib的子库pyplot画折线图和柱状图的代码记录分享一下,方便大家参考,个人感觉pyplot真的蛮方便的,非常值得使用. 先看下官方对pyplot的描述:“Provides a MATLAB-like plotting framework.”.对,就是一个类似matlab的画图框架.就不多多说了,直接上代码吧: 一.折线图 代码: import matplotl

  • python使用matplotlib绘制折线图

    python使用matplotlib绘制折线图

    前言: 我的python学习也告一段落了.不过有些,方法还是打算总结一下和大家分享.我整理了使用matplotlib绘制折线图的一般步骤,按照这个步骤走绘制折线图一般都没啥问题.其实用matplotlib库绘制折线图的过程,其实就是类似于数学上描点,连线绘制图形的过程.所有,这个过程就可以简单的规划为获取图像点信息,描点连线,设置图线格式这三个部分. matplotlib库的安装以及程序引用的说明: 我使用的编程软件为pycharm,我就说一下pycharm安装matplotlib库的方法吧.在

  • Python数据分析matplotlib折线图案例处理

    Python数据分析matplotlib折线图案例处理

    目录 前言 python之matplotlib使用系统字体 实例1:温度变化统计 实例2:交友数量折线图 前言 以下分享折线图小案例,matplotlib还可以进行多种图形的绘制,可以进入官网https://matplotlib.org/gallery/index.html,点击examples,如需学习,选择要学习的图进入,里面包含有代码 python之matplotlib使用系统字体 1.导包from matplotlib.font_manager import FontProperties

  • python matplotlib折线图样式实现过程

    python matplotlib折线图样式实现过程

    这篇文章主要介绍了python matplotlib折线图样式实现过程,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 一:简单的折线图 import matplotlib.pyplot as plt #支持中文显示 plt.rcParams["font.sans-serif"]=["SimHei"] #x,y数据 x_data = [1,2,3,4,5] y_data = [10,30,20,25,28] plt.

  • Python散点图与折线图绘制过程解析

    Python散点图与折线图绘制过程解析

    这篇文章主要介绍了Python散点图与折线图绘制过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 在数据分析的过程中,经常需要将数据可视化,目前常使用的:散点图 折线图 需要import的外部包 一个是绘图 一个是字体导入 import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties 在数据处理前需要获取数据,从TXT XML csv

  • python数据分析matplotlib的基础绘图使用

    python数据分析matplotlib的基础绘图使用

    目录 前言 (一)什么是matplotlib 1.为什么要学习matplotlib 2.什么是matplotlib 3. 安装matplotlib 4.导入matplotlib库 (二)matplotlib基本要点 1.matplotlib基本使用 2.完善matplotlib绘制的图形 前言 大家好,我是苏凉,在前面我们已经学习了网络爬虫并且获取到了数据,接下来当然是对数据进行分析啦,本篇文章带大家进入新的模块:pyhon数据分析基础matplotlib的基础绘图. (一)什么是matplot

  • python绘制简单折线图代码示例

    python绘制简单折线图代码示例

    1.画最简单的直线图 代码如下: import numpy as np import matplotlib.pyplot as plt x=[0,1] y=[0,1] plt.figure() plt.plot(x,y) plt.savefig("easyplot.jpg") 结果如下: 代码解释: #x轴,y轴 x=[0,1] y=[0,1] #创建绘图对象 plt.figure() #在当前绘图对象进行绘图(两个参数是x,y轴的数据) plt.plot(x,y) #保存图象 plt

  • Python 绘制可视化折线图

    1. 用 Numpy ndarray 作为数据传入 ply import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt np.random.seed(1000) y = np.random.standard_normal(10) print "y = %s"% y x = range(len(y)) print "x=%s"% x plt.plot(y) plt.show()

  • 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绘制分布折线图的示例

    python绘制分布折线图的示例

    用Python 绘制分布(折线)图,使用的是 plot()函数. 一个简单的例子: # encoding=utf-8 import matplotlib.pyplot as plt from pylab import * # 支持中文 mpl.rcParams['font.sans-serif'] = ['SimHei'] # 'mentioned0cluster', names = ['mentioned1cluster','mentioned2cluster', 'mentioned3clu

随机推荐