python数据可视化之日期折线图画法

• 引入

  什么是折线图：

      折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。
      在折线图中，类别数据沿水平轴均匀分布，所有值数据沿垂直轴均匀分布。

       以上引用自 百度百科 ，简单来说一般折线图 是以时间作为 X 轴 数据 作为 Y轴，这当然不是固定的，是可以自行设置的。

话不多说~ 进入正题

• 第一种画法：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdate
from matplotlib.pyplot import rcParams 
%matplotlib inline

# 防止中文乱码
rcParams['font.sans-serif'] = 'kaiti'

# 生成一个时间序列 
time =pd.to_datetime(np.arange(0,11), unit='D',
                   origin=pd.Timestamp('2019-01-01'))

# 生成数据
data = np.random.randint(10,50,size=11)
# 创建一个画布
fig = plt.figure(figsize=(12,9))
# 在画布上添加一个子视图
ax = plt.subplot(111)
# 这里很重要  需要 将 x轴的刻度 进行格式化
ax.xaxis.set_major_formatter(mdate.DateFormatter('%Y-%m-%d'))
# 为X轴添加刻度
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)
# 画折线
ax.plot(time,data,color='r')
# 设置标题
ax.set_title('折线图示例')
# 设置 x y 轴名称
ax.set_xlabel('日期',fontsize=20)
ax.set_ylabel('销售量',fontsize=20)

• 注解

1. x 轴接收的日期类型 必须是下图：

2. 关于 pd.to_time() 中的参数 其中 uint = ‘D’ 表示 0~10 中全天 origin=pd.Timestamp(‘2019-01-01’) 表示起源 也就是 从 1月1号开始算起
3. ax.xaxis.set_major_formatter(mdate.DateFormatter(’%Y-%m-%d’)) 如果想要显示 x轴为日期类型 必须使用 格式化 格式化可以自行设置
4. pd.date_range(time[0],time[-1],freq=‘D’) 不要忘记还需要自己手动添加刻度

---

• 第二种画法：

import pyecharts.options as opts
from example.commons import  Faker
from pyecharts.charts import Line
import pandas as pd

# 处理一下时间  
start = '2019-01-01'
end = '2019-01-10'
t = pd.date_range(start=start,end=end).tolist()
time_ = []
for i in t:
    i  = str(i)[:-8]
    time_.append(i)

def line_base() -> Line:
    c = (
        Line()
        .add_xaxis(time_)
        .add_yaxis("商家A", np.random.randint(100,400,size=10).tolist())
        .add_yaxis("商家B", np.random.randint(100,400,size=10).tolist())
        .set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例"),
        yaxis_opts=opts.AxisOpts(name='商家销售情况'),
        xaxis_opts=opts.AxisOpts(name='销售日期')
                        
        )
    )
    return c

# 在 jupyter notebook 上渲染
line_base().render_notebook()

ps: 如果觉得链式调用不习惯的话 可以 去 翻看我之前发表的 数据可视化博客 里面有具体的例子~

好啦~先写到这里了

感觉 有些不足 改天回来 再改改