Python数据分析与展示——Matplotlib绘制折线图

1.Matplotlib介绍

Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发。

matplotlib.pyplot是绘制各类可视化图形的命令字库，相当于快捷方式。示例：

import matplotlib.pyplot as plt
# 包含五个元素列表的一个图形
#如果输入的参数只是一个一维的列表，那么这个数组会被当成y轴处理，x轴是列表的索引
plt.plot([1,5,8,2,5])
plt.ylabel("grade")  #y轴增加标签
plt.savefig('te01',dpi=600)  #dpi是指每个英寸包含600个像素点（质量挺高的了）
plt.show()

2.图像结构和三层结构

• 图像结构

 

• 三层结构

  • 图像层

    • 正式绘图（直方图、折线图、散点图、饼状图）

  • 辅助显示层

    • 用户可以设置添加标题、网格、图例等对图形的描述信息

  • 容器层主要由 Canvas、Figure、Axes 组成。

    • Canvas 是位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布 (Figure) 的工具。

    • Figure 是 Canvas 上方的第一层，也是需要用户来操作的应用层的第一层，在绘图的过程中充当画布的角色。

    • Axes 是应用层的第二层，在绘图的过程中相当于画布上的绘图区的角色。

    • 特点：

      • 一个figure (画布)可以包含多个 axes (坐标系/绘图区)， 但是一个axes 只能属于一个 figure。

      • 一个 axes (坐标系/绘图区)可以包含多个 axis (坐标轴)， 包含两个即为2d坐标系，3个即为3d坐标系

  • 容器层

3.折线图

1.折线图的绘制与显示

plot() 用于画图它可以绘制点和线，语法格式如下：

# 画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
# 画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

参数说明：

• x：X轴数据，列表或数组，可选（绘制多条曲线时，各条曲线的x不能省略）

• y：Y轴数据，列表或数组

• format_string：控制曲线的格式字符串（由颜色字符、风格字符和标记字符组成），可选

  颜色字符
  颜色字符	说明	颜色字符	说明
  'b'	蓝色	'm'	洋红色 magenta
  'g'	绿色	'y'	黄色
  'r'	红色	'k'	黑色
  'c'	青绿色 cyan	'w'	白色
  '#008000'	RGB某颜色（十六进制色彩）	'0.8'	灰度值字符串
  风格字符
  风格字符	说明	风格字符	说明
  '-'	实线	':'	虚线
  '--'	破折线	'' ' '	无线条
  '-.'	点划线
  标记字符
  标记字符	说明	标记字符	说明
  '.'	点标记	's'	实心方形标记
  ','	像素标记（极小点）	'p'	实心五角标记
  'o'	实心圈标记	'*'	星形标记
  'v'	倒三角标记	'h'	竖六边形标记
  '^'	上三角标记	'H'	横六边形标记
  '>'	右三角标记	'+'	十字标记
  '<'	左三角标记	'x'	x标记
  '1'	下花三角标记	'D'	菱形标记
  '2'	上花三角标记	'd'	瘦菱形标记
  '3'	左花三角标记	'|'	垂直线标记
  '4'	右花三角标记

• **kwargs：第二组或更多（x, y, format_string）

  • color：控制颜色，color='green'

  • linestyle：线条风格，linestyle='dashed'

  • marker：标记风格，marker='o'

  • markerfacecolor：标记颜色，markerfacecolor='blue'

  • marksize，标记尺寸，markerfacecolor=20

#1.创建画布
plt.figure()
#2.绘制图像
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
#3.显示图像
plt.show()

2.设置画布属性与图片保存

plt.figure(figsize=(),dpi=)

figsize：指定图的长宽

dpi：图像的清晰度

plt.savefig(path)

#1.创建画布
plt.figure(figsize=(20,8),dpi=80)
#2.绘制图像
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
plt.save("test.png")

plt.show()会释放资源，如果在显示图像之后保存图片将只能保存空图片

3.修改x、y轴刻度

• plt.xticks(x, **kwargs)

  x:要显示的刻度值

• plt.yticks(y,**kwargs)

  y:要显示的刻度值

#1.准备数据
import random
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
#2.创建画布
plt.figure(figsize=(20,8),dpi=80)
#3.绘制图像
plt.plot(x,y_shanghai)
#修改xy刻度
#准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
#label与x一一对应
plt.xticks(x[::5],x_label[::5])
plt.yticks(range(0,40,5))
#4.显示图像
plt.show()

中文显示问题

原因：字体本身就不支持中文

解决：

• 安装字体

  • 双击安装simhei.ttf 下载地址：Download SimHei Font - Thousands of fonts to download for free

• 删除matplotlib缓存文件

• 配置文件

4.添加网格显示

• plt.grid(True，linestyle='--'，alpha=0.5)

一般的 ture 显示默认，为是否添加网格，linestyle 为线条风格，显示为虚线。Alpha 为透明度。

5.添加描述信息

添加 x 轴，y 轴描述信息及标题。

• plt.xlabel("时间")

• plt.ylabel("温度")

• plt.title("标题" )

函数	说明
plt.xlabel()	对X轴增加文本标签
plt.ylabel()	对Y轴增加文本标签
plt.title()	对图形整体增加文本标签
plt.text()	在任意位置增加文本
plt.annotate()	在图形中增加带箭头的注解

6.多个折线和显示图例

• 多个折线

  • import random
    import matplotlib.pyplot as plt
    from matplotlib import font_manager
    my_font = font_manager.FontProperties(fname='msyh.ttc')  # 拷贝过来的字体文件
    x = range(60)
    y_beijing = [random.uniform(15,18) for i in x]
    y_shanghai = [random.uniform(15,18) for i in x]
    #2.创建画布
    plt.figure(figsize=(20,8),dpi=80)
    #3.绘制多个折线
    plt.plot(x,y_shanghai,color='r')
    plt.plot(x,y_beijing,color='b')
    #修改xy刻度
    #准备x的刻度说明
    x_label = ["11点{}分".format(i) for i in x]
    #label与x一一对应
    plt.xticks(x[::5],x_label[::5],fontproperties=my_font)
    plt.yticks(range(0,40,5))
    #4.显示图像
    plt.show()

    ​

• 显示图例

  plt.legend（）

  plt. legend(Loc="best")
  #Location String：'best'、'upper right'、'upper left'、'lower left'、'lower right' 等等
  #Location Code：0、1、2、3、4
  #如果想在左下角显示，具体操作如下：
  # 显示图例
  plt.legend（loc=“lower left”）
  #图例出现在左下角。
  #用数字代替也可以。
  # 显示图例
  plt.legend(loc=4)

7.创建多个绘图区

• plt.subplots(nrows=1, ncols=1, **fig_kw)创建一个带有多个 axes(坐标系/绘图区)的图,返回一个画布figure和绘图区axes。

  figure,axes = plt.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)
  #axes[0]为第一个绘图区  以此类推

• nrows：默认为 1，设置图表的行数。

• ncols：默认为 1，设置图表的列数。

• sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 'none'、'all'、'row' 或 'col'。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 'all'：所有子图共享 x 轴或 y 轴，'row' 设置每个子图行共享一个 x 轴或 y 轴，'col'：设置每个子图列共享一个 x 轴或 y 轴。

• squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N1 或 1N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。

• subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。

• gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。

• **fig_kw：把详细的关键字参数传给 figure() 函数。

​​​​​

面向对象的方法：axes.set_方法名()

• eg:

  • set_ xticks

  • set_ yticks

  • set_ xlabel

  • set_ ylabel

• import random
  import matplotlib.pyplot as plt
  from matplotlib import font_manager
  my_font = font_manager.FontProperties(fname='msyh.ttc')  # 拷贝过来的字体文件
  x = range(60)
  y_beijing = [random.uniform(15,18) for i in x]
  y_shanghai = [random.uniform(15,18) for i in x]
  #2.创建画布
  # plt.figure(figsize=(20,8),dpi=80)
  #创建多个子图
  figure,axes = plt.subplots(nrows=1, ncols=2,figsize=(20,8),dpi=80)
  #3.绘制图像
  axes[0].plot(x,y_shanghai)
  axes[1].plot(x,y_beijing)
  ​
  #修改xy刻度
  #准备x的刻度说明
  x_label = ["11点{}分".format(i) for i in x]
  #label与x一一对应
  axes[0].set_xticks(x[::5])
  axes[0].set_xticklabels(x_label[::5],fontproperties=my_font)
  axes[0].set_yticks(range(0,40,5))
  axes[1].set_xticks(x[::5])
  axes[1].set_xticklabels(x_label[::5],fontproperties=my_font)
  axes[1].set_yticks(range(0,40,5))
  #4.显示图像
  plt.show()