Python數據分析之?Matplotlib?折線圖繪制

更新時間：2022年05月12日 16:31:01 作者：??tigeriaf????

這篇文章主要介紹了Python數據分析之?Matplotlib?折線圖繪制，在數據分析中，數據可視化也非常重要，下文通過數據分析展開對折線圖的繪制，需要的小伙伴可以參考一下

一、Matplotlib 繪圖

在數據分析中，數據可視化也非常重要，通過直觀的展示過程、結果數據，可以幫助我們清晰的理解數據，進而更好的進行分析。接下來就說一下Python數據分析中的數據可視化工具 Matplotlib 庫。

Matplotlib 是一個非常強大的Python 2D繪圖庫，使用它，我們可以通過圖表的形式更直觀的展現數據，實現數據可視化，使用起來也非常方便，而且支持繪制折線圖、柱狀圖、餅圖、直方圖、散點圖等。

可以使用以下命令進行安裝：

pip install matplotlib
# 或者
conda install matplotlib

簡單示例

繪制y=2x+1方程圖：

import matplotlib.pyplot as plt

# 創(chuàng)建figure對象(繪畫對象)
plt.figure(figsize=(4, 6))

# 繪制圖像
x = [1, 2, 3, 4]
y = [2*i+1 for i in x]
plt.plot(x, y)

# 顯示圖像
plt.show()

結果如下：

其中：

pyplot 是 Matplotlib 的子庫，該子庫提供了繪圖的接口及函數，可以快速地進行圖表的繪制。
plt.figure(figsize=(4, 6))表示創(chuàng)建一個繪圖對象，如果沒創(chuàng)建直接調用plot函數會自動創(chuàng)建一個繪圖對象，語法格式如下：

plt.figure(num=None, figsize=None, dpi=None, ······)

常用的參數說明如下：

num：表示圖形編號，可以是int或string類型，默認為None，不傳遞則創(chuàng)建新圖形，并且圖形編號將遞增；傳遞了會返回該編號對應圖形的引用。
figsize：表示畫布的寬度和高度，接收一個整數元組
dpi：表示繪圖對象的分辨率······
- plt.plot()函數表示在當前繪圖對象中進行圖表的繪制，x和y分別表示x、y軸的數據。
- plt.show()表示顯示圖像，顯示后釋放figure對象資源。

二、折線圖繪制

折線圖是一種將數據點按照順序連起來的圖形，可以體現變量y隨變量x的變化情況。Matplotlib 提供了plot()函數繪制折線圖,其語法格式如下：

plt.plot(*args, **kwargs)

常用參數及說明如下：

x、y：分別表示x軸和y軸對應的數據，接收列表類型參數
color：表示折線的顏色
marker：表示折線上點的類型，有“.”、“o”、“v”等等類型
linestyle：表示折線的類型，默認為“-”，表示實線，設置為“--”表示長虛線，設置為“-.”表示點線，設置為“:”表示點虛線
linewidth：表示折線的粗細
alpha：表示點的透明度，接收0~1之間的小數

例如，繪制某地區(qū)周一到周日平均溫度變化折線圖：

import matplotlib.pyplot as plt
plt.figure(figsize=(10, 8))
# 周一到周日平均溫度數據
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10])
plt.show()

結果輸出如下：

但是可以看出，圖表并不是很好看，我們可以給圖表添加一些標簽和圖例，讓圖表更加清晰好看，

具體方法如下：

plt.title()：指定當前圖表的標題，包括名稱、位置、顏色、字體大小等
plt.xlabel()：指定當前圖表x軸的名稱、位置、顏色、字體大小等
plt.ylabel()：指定當前圖表y軸的名稱、位置、顏色、字體大小等
plt.xlim()：指定當前圖表x軸的范圍
plt.ylim()：指定當前圖表y軸的范圍
plt.xticks()：指定當前圖表x軸刻度
plt.yticks()：指定當前圖表y軸刻度
····

import matplotlib.pyplot as plt
# 設置支持中文
plt.rcParams['font.family'] = ['SimHei']
plt.figure(figsize=(10, 8))
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10], linestyle="-", marker=".")
plt.xlabel("時間")
plt.ylabel("溫度")
plt.yticks([i for i in range(20)][::5])
plt.show()

結果輸出如下：