|
3 i" a7 j) g2 k. I; X2 [; v 原创：宋宋 Python专栏 ( n3 ^( ]* F/ e
来源：Python数据分析：折线图和散点图的绘制
8 ]) Q3 x% R: o9 c 折线图0 f9 j% n! b3 J& @6 C3 i" ~
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。
' ~& C& D1 Q& D: E* L 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
, ?& ]4 G2 d8 p( s$ ^3 o 在matplotlib面向对象的绘图库中，pyplot是一个方便的接口。
# U2 r. L+ f/ X" B F 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。
4 P B9 K' _1 p/ O* t; v import matplotlib.pyplot as plt) |! J4 p9 U0 \
4 A( z0 F0 {% D% @ w) A# U
x_data = [2011,2012,2013,2014,2015,2016,2017]
0 ^' P" W, ~) b6 H1 p y_data = [58000,60200,63000,71000,84000,90500,107000]
: O: b% O/ A* K5 W, T" b. }. \
/ e& y4 v# S0 v. B8 N# D% Q; M plt.plot(x_data,y_data)
5 @. w- `6 k9 [ plt.show()
, f$ b y, _8 ?8 T$ f( W+ ] c% F" W5 l& r" `- S( X- q
8 Q3 f. ?# z. N9 h* b4 M, \" \6 B
2）复式折线图：
* @1 k" R) E* l) C! U: J, w, _ import matplotlib.pyplot as plt9 s- h% q, R7 C; ^) U+ P
x_data = [2011,2012,2013,2014,2015,2016,2017]& ]3 Q r% P& J* ~ m2 V( g
y_data = [58000,60200,63000,71000,84000,90500,107000]7 W8 m& @- j* e2 T$ `$ P4 f V+ C
y_data2 = [52000,54200,51500,58300,56800,59500,62700]3 d( h3 }: e9 @2 p( U
# F# m5 i8 g- ]* S0 ^
plt.plot(x_data,y_data,color=red,linewidth=2.0,linestyle=--)
* b( m2 W( E$ n plt.plot(x_data,y_data2,color=blue,linewidth=3.0,linestyle=-.)
) C1 |: L; ?3 ?3 C9 A5 T plt.show()4 [2 W+ u$ H: K& U; q$ v; P
, _ D6 I7 b6 k b& l. e
9 u8 t; E- f( S; j6 \4 X
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：
, ?( k& E1 \* \* | # _' `1 o [ N+ s( n
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
* m5 F* L" E; u4 Y/ W1 Y import pandas as pd. y3 ?4 w, P5 B! ]* o
import matplotlib.pyplot as plt
* e$ E8 a4 _( D& z2 E
' B: _7 b" O" L8 \2 u) }6 y& f #读取数据
6 k9 O0 b0 ~3 d c/ f+ n% `0 Y data = pd.read_excel(matplotlib.xlsx), p' b0 x8 z" y" W f/ ~
2 ?1 f6 ~* Q+ a0 K0 `* u% s9 n
plt.figure(figsize=(10,5))#设置画布的尺寸: _4 s3 V( U2 ~
plt.title(Examples of line chart,fontsize=20)#标题，并设定字号大小
6 p& _$ _5 m0 o4 a plt.xlabel(ux-year,fontsize=14)#设置x轴，并设定字号大小
- A7 i7 q( {+ \% f$ G s) K( u plt.ylabel(uy-income,fontsize=14)#设置y轴，并设定字号大小
& P- i' R: I- I( P* R$ m/ ^4 u7 U. C. z) n6 o
#color：颜色，linewidth：线宽，linestyle：线条类型，label：图例，marker：数据点的类型
' [; R- o+ l. N7 F3 F/ v* y in1, = plt.plot(data[时间],data[收入_Jay],color="deeppink",linewidth=2,linestyle=:, marker=o)7 O% G3 s* d0 _! l/ L4 f
in2, = plt.plot(data[时间],data[收入_JJ],color="darkblue",linewidth=1,linestyle=--, marker=+)
: l; u7 w( p6 _; i in3, = plt.plot(data[时间],data[收入_Jolin],color="goldenrod",linewidth=1.5,linestyle=-, marker=*)+ Y, z1 w$ a, n( Z4 o- X
( B$ M* \: h( J( a 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
& O' B1 M, @# S2 a plt.show()#显示图像
4 p' s, {$ j8 ]; m" a3 C - e6 y) K8 q) F W9 J+ K" B5 s
3 u% q) G& c1 D% g
4) 管理多个子图
! _: \& B$ J& ~2 A/ ~ import matplotlib.pyplot as plt! S) o& Z$ w4 z3 L* t9 }
import numpy as np. B4 q6 \6 V- G! g) x: m: l
import matplotlib.gridspec as gridspec
* n2 C( U; i. s# \- @; g import matplotlib.font_manager as fm #字体管理器( A2 C$ F0 ?: @" J1 M3 M$ @, o
* L" R7 r& v; _, s$ m- m) \9 t my_font = fm.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
; K- `) ?; Y [( `' g
& E3 K" Q, b0 `6 V# e6 s1 w9 S- d: e plt.figure()
( ?3 w& }. j o9 X, w/ t1 @% Z: y: m7 W
x_data = np.linspace(-np.pi,np.pi,64,endpoint=True)% J" p: K2 z" v) c
gs = gridspec.GridSpec(2,3) #将绘图区分成两行三列. _! d& f( r) G+ E% F9 J ]
ax1 = plt.subplot(gs[0,:])#指定ax1占用第一行(0)整行
' _1 f$ d) L" ? 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)# E5 T5 K2 S1 `' X' u. L8 H! f
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): d/ P+ b, |4 P6 d
" g+ R$ M' t6 \/ L, y, E; B #绘制正弦曲线 f8 ]- [- h" G4 n3 d( G
ax1.plot(x_data,np.sin(x_data))
1 W& ?* r7 y, }: |8 Q0 m ~0 N ax1.spines[right].set_color(none)
' V4 I+ p6 U0 T ax1.spines[top].set_color(none)/ P3 t" p3 G# D# o$ N$ c
ax1.spines[bottom].set_position((data,0))+ a+ M5 f" U/ a4 \/ y7 i
ax1.spines[left].set_position((data,0))
7 w1 S2 `9 g7 ~ ax1.set_title(正弦曲线,fontproperties=my_font); S% P# O7 }- f0 r4 X: h' ~
: d6 B7 o1 p+ H {
#绘制余弦曲线/ L; [; s; b% V5 A- V8 ?4 i! y
ax2.plot(x_data,np.cos(x_data))
: q6 U' [* N. h8 W$ O0 }7 Q ax2.spines[right].set_color(none)) X, U& D3 Y# ^+ w! b" v$ R& V) G
ax2.spines[top].set_color(none)& y" e, A9 r: }; H
ax2.spines[bottom].set_position((data,0))4 }5 Z) ?% U# O8 o( b) ~4 X) F
ax2.spines[left].set_position((data,0)), A/ R {& U( B; W, H# S
ax2.set_title(余弦曲线,fontproperties=my_font)
6 Z! |: @/ s$ G6 P; {
6 s( r8 b, t3 P( X o1 H& u- j, O6 G6 B q #绘制正切曲线! B$ D* x3 a0 q0 I. Y" l( ?- g0 q
ax3.plot(x_data,np.tan(x_data))
5 z ]! v B" N1 K# R' g X ax3.spines[right].set_color(none)
& X9 }8 H0 j6 t( Z4 S ax3.spines[top].set_color(none)
; j8 R' b$ |4 E# r \' D ax3.spines[bottom].set_position((data,0))
6 k; W. H" L' e2 R6 I ax3.spines[left].set_position((data,0))
F* j1 p3 x/ z+ c ax3.set_title(正切曲线,fontproperties=my_font)
2 {6 M$ E1 ~3 k0 E9 V' M. a plt.show()$ X) E0 U% j- R |
: L9 Y8 i' S! h9 L
结果：
! U3 `% a+ m# H( D1 g+ @. @, C( ? # k( `9 c6 U8 u8 c% ]
; I- X/ \* |% O' ^, Z7 E
~! m( @+ G+ `0 e
% }8 k4 h8 {7 Z r t( r/ b. t* X
$ q; G! |" f0 F* w/ B |
