Python 数据可视化超详细讲解折线图的实现

更新时间：2022年03月17日 11:56:48 作者：hacker707

数据可以帮助我们描述这个世界、阐释自己的想法和展示自己的成果，但如果只有单调乏味的文本和数字，我们却往往能难抓住观众的眼球。而很多时候，一张漂亮的可视化图表就足以胜过千言万语，让我们来用Python实现一个可视化的折线图

绘制简单的折线图

✅在使用matplotlib绘制简单的折线图之前首先需要安装matplotlib，直接在pycharm终端pip install matplotlib即可

✅使用matplotlib绘制简单的折线图，再对其进行定制，实现数据的可视化操作

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()  # 打开matplotib查看器，并显示绘制的图形

运行结果如下：

修改标签文字和线条粗细

上图所示的图形表示的数字越来越大，但标签文字太小，线条太细，不方便观察，这时就需要调整一下增加图形的可读性

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

squares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=5)  # 函数linewidth设置绘制线条的粗细
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()  # 打开matplotib查看器，并显示绘制的图形

效果如下：

校正图形

图形更容易阅读了，但我们发现没有正确的绘制数据，折线图的终点指出4的平方为25！

向plot()提供一系列数字时，它假设第一个数据点对应的x坐标值为0，但我们的第一个点对应的x值为1。为改变这种默认行为，我们可以给plot同时提供输入值和输出值。

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

input_value = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]   
plt.plot(input_value, squares, linewidth=5)  # 函数linewidth设置绘制线条的粗细
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()  # 打开matplotib查看器，并显示绘制的图形

效果如下：

现在plot()成功绘制数据，因为我们同时提供了输入值和输出值。使用plot()时可指定各种实参，还可使用众多函数对图像进行定制

使用scatter()绘制散点图并设置其格式

有时候需要绘制散点图并设置各个数据的格式。例如：你可能想以一种颜色显示较小的值，用一种颜色显示较大的值。绘制大型数据集时，你还可以对每个点都设置同样的格式，再使用不同的样式选项重新绘制某个点，以突出它们 ✅要绘制单个点，可使用函数scatter()，并向它传递一对x,y坐标，它将在指定绘制绘制一个点

import matplotlib.pyplot as plt

plt.scatter(2, 4)  # 向scatter函数传递一对x,y坐标
plt.show()  # 打开matplotib查看器，并显示绘制的图形

效果如下：

下面来设置输出的样式，使其更有趣：添加标题，给坐标轴加上标签，并设置文本格式

import matplotlib.pyplot as plt

plt.scatter(2, 4, s=200)  # 向scatter函数传递一对x,y坐标
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()  # 打开matplotib查看器，并显示绘制的图形

效果如下：

使用scatter()绘制一系列点

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
plt.scatter(x_values, y_values, s=100)  # 向scatter函数传递一对x,y坐标
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()  # 打开matplotib查看器，并显示绘制的图形

效果如下：

自动计算数据

手动计算列表包含的值很麻烦，可以利用python中的循环来解决，下面是绘制1000个点的范例：

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()  # 打开matplotib查看器，并显示绘制的图形

✅这里需要注意函数axis需要传入四个值，x,y坐标的最小值，最大值效果如下：

删除数据点的轮廓

要删除数据点的轮廓，可在调用scatter()时传递实参edgecolor=‘none’

plt.scatter(x_values, y_values, edgecolors='none', s=10)

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, edgecolors='none', s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()  # 打开matplotib查看器，并显示绘制的图形

效果如下：

自定义颜色

要修改数据点的颜色，可向scatter()传递参数c,并将其设置要使用的颜色的名称

plt.scatter(x_values, y_values, c='red',edgecolors='none', s=10)

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, c='red',edgecolors='none', s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()  # 打开matplotib查看器，并显示绘制的图形

效果如下：

使用颜色映射

颜色映射(colormap)是一系列颜色，它们从颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色显示较小的值，并使用较深的颜色显示较大的值

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
# 将c设置为y值列表，使用参数cmap告诉pyplot使用哪个颜色映射
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors='none', s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()  # 打开matplotib查看器，并显示绘制的图形

自动保存图表

要让程序自动将图表保存到文件中，可将对plt.show()的调用替换为对plt.sacefig()的调用

plt.savefig('squares.png',bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表，第二个实参指定将图表多余的空白区域裁剪（如果要保留，可省略这个实参）

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for x in x_values]
# 将c设置为y值列表，使用参数cmap告诉pyplot使用哪个颜色映射
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors='none', s=10)  # 向scatter函数传递一对x,y坐标
# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.savefig('squares.png',bbox_inches='tight')
plt.show()  # 打开matplotib查看器，并显示绘制的图形

保存效果如下：

✅注意事项：一定要把保存图表的代码放在plt.show前面，要是放在后面show会重新创建新的图片

以上就是绘制简单折线图的教程，如果有改进的建议欢迎在评论区留言奥

💖人生苦短，我用python💖

到此这篇关于Python 数据可视化超详细讲解折线图的实现的文章就介绍到这了,更多相关Python 折线图内容请搜索脚本之家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脚本之家！

您可能感兴趣的文章:

Python多线程编程（五）：死锁的形成
这篇文章主要介绍了Python多线程编程（五）：死锁的形成,本文讲解了死锁的概念、死锁示例、避免死锁的方法等内容,需要的朋友可以参考下
2015-04-04
python虚拟环境的安装和配置(virtualenv，virtualenvwrapper）
这篇文章主要介绍了python虚拟环境的安装和配置(virtualenv，virtualenvwrapper），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，需要的朋友们下面随着小编来一起学习学习吧
2019-08-08
Python微信自动化库使用详解
Python微信自动化是指使用Python编程语言来实现对微信的自动化操作,在Python中,有几个库可以用于微信自动化操作,包括itchat、wxpy、wechatpy和wxauto,以下是对这些库的详细介绍,需要的朋友可以参考下
2025-03-03
Python区块链Creating Miners教程
这篇文章主要为大家介绍了Python区块链Creating Miners教程，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-05-05
Python 发送SMTP邮件的简单教程
SMTP（Simple Mail Transfer Protocol）简单邮件传输协议，Python内置对SMTP的支持，可以发送纯文本文件，HTML邮件以及附带文件。本文讲解如何使用python发送邮件
2021-06-06
Python的这些库,你知道多少?
最近整理了一些好用的库但是只是初级介绍,如果大家用得到的话还请自己到官网上查一下,因为东西太多我一一介绍的话可能不太现实,需要的朋友可以参考下
2021-06-06
Pycharm中的下载安装、配置与测试方式
这篇文章主要介绍了Pycharm中的下载安装、配置与测试方式，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-12-12
python用户管理系统
这篇文章主要为大家详细介绍了Python用户管理系统的相关代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-03-03
详解appium+python 启动一个app步骤
这篇文章主要介绍了详解appium+python 启动一个app步骤，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2017-12-12
Python模块与包管理使用pip与virtualenv
本文深入介绍了使用pipenv管理Python项目的依赖关系和环境,我们首先从pip和virtualenv开始,介绍了它们的基本功能和用法,然后深入探讨了pipenv作为更高级工具的功能和特性,
2024-03-03