Python绘制各类折线图的完整指南

pip install matplotlib seaborn plotly pandas numpy

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
 
# 设置中文显示
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]  # 支持中文
plt.rcParams["axes.unicode_minus"] = False  # 解决负号显示问题
sns.set(font_scale=1.2)  # Seaborn字体缩放

# 生成数据：x为月份，y为销量
x = np.arange(1, 13)  # 1-12月
y = np.random.randint(50, 150, size=12)  # 随机生成50-150的销量
 
# 创建画布
plt.figure(figsize=(10, 6))  # 画布大小(宽, 高)
 
# 绘制折线图
plt.plot(x, y,  # x轴、y轴数据
         color='skyblue',  # 线条颜色
         marker='o',  # 数据点标记（圆形）
         linestyle='-',  # 线条样式（实线）
         linewidth=2,  # 线条宽度
         markersize=6)  # 标记大小
 
# 添加标题和标签
plt.title('2023年某产品月度销量趋势', fontsize=15)
plt.xlabel('月份', fontsize=12)
plt.ylabel('销量（件）', fontsize=12)
 
# 设置x轴刻度（1-12月）
plt.xticks(x)
 
# 添加网格线（辅助阅读）
plt.grid(alpha=0.3)  # alpha控制透明度
 
# 显示图表
plt.show()

# 生成数据（模拟实验数据）
x = np.arange(1, 11)  # 实验次数
y = np.random.normal(50, 10, 10)  # 均值50，标准差10的随机数据
error = np.random.uniform(2, 5, 10)  # 误差范围（2-5）
 
plt.figure(figsize=(10, 6))
 
# 绘制带误差线的折线图
plt.errorbar(x, y, 
             yerr=error,  # y方向误差
             fmt='-o',  # 线条样式（-实线+o标记）
             ecolor='gray',  # 误差线颜色
             elinewidth=1,  # 误差线宽度
             capsize=3)  # 误差线末端横线长度
 
plt.title('实验数据趋势与误差范围', fontsize=15)
plt.xlabel('实验次数', fontsize=12)
plt.ylabel('测量值', fontsize=12)
plt.grid(alpha=0.3)
plt.show()

import pandas as pd
 
# 生成时间序列数据（2023年1-3月，共90天）
dates = pd.date_range(start='2023-01-01', end='2023-03-31', freq='D')
values = np.random.randint(10, 30, size=len(dates))  # 模拟每日温度（10-30℃）
 
plt.figure(figsize=(14, 6))
 
# 绘制时间序列折线图
plt.plot(dates, values, color='orange', linewidth=1.5)
 
# 格式化x轴日期（避免重叠）
plt.gcf().autofmt_xdate()  # 自动旋转日期标签
plt.xlabel('日期', fontsize=12)
plt.ylabel('温度（℃）', fontsize=12)
plt.title('2023年1-3月每日温度趋势', fontsize=15)
plt.grid(alpha=0.3)
plt.show()

# 生成数据（量级差异大的两组数据）
x = np.arange(1, 13)  # 月份
y1 = np.random.randint(1000, 5000, 12)  # 销售额（千级）
y2 = np.random.randint(20, 80, 12)      # 订单量（十级）
 
# 创建画布和第一个Y轴
fig, ax1 = plt.subplots(figsize=(12, 6))
 
# 绘制第一组数据（销售额）
ax1.plot(x, y1, color='blue', label='销售额')
ax1.set_xlabel('月份', fontsize=12)
ax1.set_ylabel('销售额（元）', color='blue', fontsize=12)
ax1.tick_params(axis='y', labelcolor='blue')  # Y轴标签颜色
 
# 创建第二个Y轴（共享X轴）
ax2 = ax1.twinx()
ax2.plot(x, y2, color='red', label='订单量')
ax2.set_ylabel('订单量（单）', color='red', fontsize=12)
ax2.tick_params(axis='y', labelcolor='red')
 
# 合并图例
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')
 
plt.title('月度销售额与订单量趋势', fontsize=15)
plt.grid(alpha=0.3)
plt.show()

# 生成数据（累积增长趋势）
x = np.arange(1, 11)
y = np.cumsum(np.random.randint(5, 15, 10))  # 累积求和（模拟用户增长）
 
plt.figure(figsize=(10, 6))
 
# 绘制折线并填充下方区域
plt.plot(x, y, color='purple', linewidth=2)
plt.fill_between(x, y,  # x范围、y上限（折线）、y下限（0）
                 color='purple', 
                 alpha=0.2)  # 透明度（0-1）
 
plt.title('产品用户累积增长趋势', fontsize=15)
plt.xlabel('上线月份', fontsize=12)
plt.ylabel('累积用户数', fontsize=12)
plt.grid(alpha=0.3)
plt.show()

import plotly.express as px
 
# 生成数据（多组产品销量）
df = pd.DataFrame({
    '月份': np.arange(1, 13),
    '产品A': np.random.randint(50, 100, 12),
    '产品B': np.random.randint(80, 150, 12),
    '产品C': np.random.randint(30, 80, 12)
})
 
# 转换为长格式（适合Plotly）
df_long = df.melt('月份', var_name='产品', value_name='销量')
 
# 绘制交互式折线图
fig = px.line(df_long, 
              x='月份', 
              y='销量', 
              color='产品',  # 按产品区分线条
              title='2023年三大产品月度销量趋势（交互式）',
              markers=True)  # 显示数据点标记
 
# 显示图表（自动打开浏览器/IDE内置窗口）
fig.show()