|
1 H& Z4 j. p( a( P& b
原创：宋宋 Python专栏 7 E& R% {; [; L' o2 p9 M. G
来源：Python数据分析：折线图和散点图的绘制
* p% d/ E- _" ^3 [ 折线图4 ]9 T6 R% `9 L# e& X$ P
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。 ) _ I+ A l- B+ K$ e6 M% _
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)1) 简单的折线图 9 ^ Y$ L8 Z7 b7 e7 m, R7 h1 U, A. c
在matplotlib面向对象的绘图库中，pyplot是一个方便的接口。
( |0 R8 |5 C& P) h6 X plot()函数：支持创建单条折线的折线图，也支持创建包含多条折线的复式折线图----只要在调用plot()时传入多个分别代表X轴和Y轴数据的list列表即可。
+ @; i+ z Q& ]; ?- Y0 q import matplotlib.pyplot as plt9 W/ q* V/ m2 O6 E$ G5 x8 a8 i: {
z' z1 d4 g) y4 B
x_data = [2011,2012,2013,2014,2015,2016,2017]
: z6 w7 @) ]: b" t y_data = [58000,60200,63000,71000,84000,90500,107000]+ I/ J- c* S- b5 m( N$ i
0 W# _: A) P/ I% W( j+ k
plt.plot(x_data,y_data)- v- R1 P9 [. P. r3 r& o9 ~
plt.show()
$ s C1 f- D5 U! C% q" A7 D
& D' T6 | U, A6 _( t2 L: n
3 h) ]7 i/ q, p! i( l3 {9 g 2）复式折线图： $ H3 o& B. q) j4 G
import matplotlib.pyplot as plt( I. v# Y' o$ |, e0 `' }4 G
x_data = [2011,2012,2013,2014,2015,2016,2017]( H- u% t4 h* B' {+ X+ z
y_data = [58000,60200,63000,71000,84000,90500,107000]1 j, I/ b0 K/ C$ y; A0 H
y_data2 = [52000,54200,51500,58300,56800,59500,62700]5 K( }% _, x7 O- f! Y: G" B
" A& L% h! T! V' i, [8 s+ a: m plt.plot(x_data,y_data,color=red,linewidth=2.0,linestyle=--)
" l+ N% k6 _$ o) C7 T plt.plot(x_data,y_data2,color=blue,linewidth=3.0,linestyle=-.)* T& f0 {3 K3 ^4 l
plt.show()+ p- O2 i: {. Y9 C0 x5 S2 w
. U" |9 [* d8 K( r5 t& H b
* d9 J) Q6 D, c, W: u: L" ^
注：说明：参数color=’ red ‘，可以换成color=’ #054E9F’，每两个十六进制数分别代表R、G、B分量，除了使用red、blue、green等还可以参照下图小白参数linestyle可以选择使用下面的样式： - solid line style 表示实线-- dashed line style 表示虚线-. dash-dot line style 表示短线、点相间的虚线: dotted line style 表示点线参数 linewidth 可以指定折线的宽度参数 marker 是指标记点，有如下的：
`# t/ z* F. }9 L
% b$ {& H- g8 F$ C8 d/ C0 b 3) 管理图例 对于复式折线图，应该为每条折线添加图例，可以通过legend()函数来实现。该函数可传入两个list参数，其中第一个list参数(handles参数)用于引用折线图上的每条折线；第二个list参数（labels）代表为每条折线所添加的图例 8 R7 e* M0 q* ?" S, h0 O+ {' v
import pandas as pd2 ?# {7 E A- E6 G( X
import matplotlib.pyplot as plt
% p, h# @2 |' \: M* F C+ w8 N( ?. {& E% w; C" d2 p) e- Z7 c
#读取数据+ M5 c# M+ A4 u* H- @
data = pd.read_excel(matplotlib.xlsx)$ [' U: m& T& F$ {2 t
' b! Z! F7 ]1 `8 ~& R
plt.figure(figsize=(10,5))#设置画布的尺寸
2 c9 `. e- k0 R7 c) D plt.title(Examples of line chart,fontsize=20)#标题，并设定字号大小
) ?- [8 h# t9 D- O5 O plt.xlabel(ux-year,fontsize=14)#设置x轴，并设定字号大小
$ I; m1 t2 l8 j3 @* z plt.ylabel(uy-income,fontsize=14)#设置y轴，并设定字号大小& Z4 r) G- H. t! N
$ p, V: \. @% @0 u5 E8 g2 G; _
#color：颜色，linewidth：线宽，linestyle：线条类型，label：图例，marker：数据点的类型
2 H) D. O8 }) O! V' e in1, = plt.plot(data[时间],data[收入_Jay],color="deeppink",linewidth=2,linestyle=:, marker=o)
& {: c( l* q! y3 D in2, = plt.plot(data[时间],data[收入_JJ],color="darkblue",linewidth=1,linestyle=--, marker=+)
; M, y3 O+ v; f in3, = plt.plot(data[时间],data[收入_Jolin],color="goldenrod",linewidth=1.5,linestyle=-, marker=*)
6 |" G& ]( q) o6 i3 `. |1 r5 o$ |2 |: A# V8 N7 Q
plt.legend(handles = [in1,in2,in3],labels=[Jay income,JJ income,Jolon income],loc=2)#图例展示位置，数字代表第几象限' p% |, E1 g9 X! `
plt.show()#显示图像
0 p8 y* l. `+ p- H$ }& S- t ) |2 A7 W6 J, c
! {; Z0 p# W. K9 ?, n( M 4) 管理多个子图
0 V( b, u- G/ n; m! f8 C import matplotlib.pyplot as plt
* x: q3 n& G) h' J4 W# f6 _/ I import numpy as np
" P- s$ r0 M) t4 S' l, R4 k) i import matplotlib.gridspec as gridspec, `0 ~' o, n5 S* M0 y
import matplotlib.font_manager as fm #字体管理器
- V" ]8 ?' a9 ?( A+ b9 Q! Q8 a. h. _; G
my_font = fm.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
. \4 k2 U6 w* C) c7 \
( x* l" }" @- I" p- R1 j1 v plt.figure()
* L/ i/ i; p" h+ n t
9 Q4 ?5 j) o5 A1 E& q3 p x_data = np.linspace(-np.pi,np.pi,64,endpoint=True)
6 X9 O3 f$ d# }2 ^1 T gs = gridspec.GridSpec(2,3) #将绘图区分成两行三列
. e4 M# y* a$ `2 `4 h ax1 = plt.subplot(gs[0,:])#指定ax1占用第一行(0)整行 w& v! K9 J0 ~6 o0 {% z
ax2 = plt.subplot(gs[1,0])#指定ax2占用第二行(1)的第一格(第二个参数为0)
5 S, m) @7 d2 ] ax3 = plt.subplot(gs[1,1:3])#指定ax3占用第二行(1)的第二、三格(第二个参数为1：3)4 w; q0 E1 B6 T! j
8 W3 p( k/ u6 J) T* [/ k #绘制正弦曲线
4 a$ v2 @; c; s ax1.plot(x_data,np.sin(x_data))
# L2 g7 T" o3 E0 g+ t ax1.spines[right].set_color(none)) ^4 H( \+ _" F: \' K6 j0 ?
ax1.spines[top].set_color(none)
6 X# z+ r6 f) Y0 g9 r( ]2 ^ ax1.spines[bottom].set_position((data,0))" o' P5 m( \' R& x& Z1 D
ax1.spines[left].set_position((data,0))
# c8 D) e- B6 c* f8 b6 J! m9 _ ax1.set_title(正弦曲线,fontproperties=my_font)$ f9 t' P1 Q. b+ O4 e+ T! h
* |! \8 O/ z5 i- _# ^ #绘制余弦曲线
( E$ m$ ~2 q3 z1 G' c; w ax2.plot(x_data,np.cos(x_data))
! B' Q, T" ]# c9 s o) s ax2.spines[right].set_color(none)& X- e( Z- l% F; n
ax2.spines[top].set_color(none)
6 x: w7 R3 [! q7 m! b# _& w ax2.spines[bottom].set_position((data,0))
, Y; m6 S; s4 A8 a' S- Z1 z ax2.spines[left].set_position((data,0))% x/ [) r. D% b( o8 R g3 b" e: `
ax2.set_title(余弦曲线,fontproperties=my_font)
( ~& m! Q3 {6 a" V& C9 N% g2 s$ B& x
0 g7 I$ d" A9 f" ^: O% y/ l #绘制正切曲线5 g- f3 F- E# s& K4 I' k
ax3.plot(x_data,np.tan(x_data))& p3 n0 _1 H ~" t* h Q% P
ax3.spines[right].set_color(none)
# D. ~2 e& e) I% n) ]3 V ax3.spines[top].set_color(none)0 R; _( o. p# W$ n* t9 ]
ax3.spines[bottom].set_position((data,0))* M) f. U, }" t/ W5 s6 u- [ M
ax3.spines[left].set_position((data,0)) v8 K0 w/ P A4 [' l
ax3.set_title(正切曲线,fontproperties=my_font)
5 n$ [ `2 k" ~ plt.show()& v; ~* j, J9 ]* R; F
) c8 x; o0 `3 k- E/ i
结果：
$ ~. k/ z7 S D, {6 L % m' S: F0 j4 ]0 F" w) y, I! w4 p
7 q" ?! ^! g3 j+ P# o: |
9 r- m. B, M5 j$ M+ h
5 q- ]0 w7 T. T8 A7 d. \
! o! f4 J' M! K5 r ?
t! E4 o5 s1 U |
