Python 数据可视化超详细讲解折线图的实现
时间：2022-10-05 11:22:28 | 栏目：Python代码 | 点击：次
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?