数据可视化—绘制简单的折线图

最新推荐文章于 2024-09-24 15:16:46 发布
最新推荐文章于 2024-09-24 15:16:46 发布
阅读量631 收藏 16
点赞数 8
分类专栏： 程序员 文章标签： 信息可视化 python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_84009698/article/details/137614387
版权
本文详细介绍了如何使用Python的matplotlib库进行基础绘图，包括scatter函数的应用、添加标题、坐标轴标签、颜色控制、颜色映射以及自动保存图表。通过实例展示了如何创建和定制图表，适合初学者和进阶者参考。
摘要由CSDN通过智能技术生成

plt.show() # 打开matplotib查看器，并显示绘制的图形




效果如下：  

![在这里插入图片描述](https://img-blog.csdnimg.cn/7e2e84ded61e42048b286c80ba655940.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)  

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：  

![在这里插入图片描述](https://img-blog.csdnimg.cn/df38a0330f5d4954b7511ec9760e9465.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)  

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：



![在这里插入图片描述](https://img-blog.csdnimg.cn/369d299ee7ac43c1b474d54014595a4d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)



[]( )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：  

![在这里插入图片描述](https://img-blog.csdnimg.cn/4e8fbb8f59414b3c804971904ca8a5ac.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)



[]( )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：  

![在这里插入图片描述](https://img-blog.csdnimg.cn/a01bf54f220f49d58d14c38fc601c223.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)



[]( )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：



![在这里插入图片描述](https://img-blog.csdnimg.cn/58a16ece758a49a0afaa9236bfa83128.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)



[]( )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




![在这里插入图片描述](https://img-blog.csdnimg.cn/1782e9b00be14d0eb62fa5c1ca326f10.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)



[]( )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：  

![在这里插入图片描述](https://img-blog.csdnimg.cn/95e0ccb54b0f4f29892c6e831c1f7436.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)  

✅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  

![在这里插入图片描述](https://img-blog.csdnimg.cn/12d51ce668204638897200e3148ebcae.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAaGFja2VyNzA3,size_20,color_FFFFFF,t_70,g_se,x_16)



[]( )结束语🏆

------------------------------------------------------------------



🔥推荐一款模拟面试、刷题神器网站  

[点击跳转进入网站]( )  
**自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。**

**深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！**

**因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。**

![img](https://img-blog.csdnimg.cn/img_convert/b81196058d631ecf3bf38a955ef7451b.png)

 

![img](https://img-blog.csdnimg.cn/img_convert/1742e6873c0a786f98c0e1b50715f5e2.png)

![img](https://img-blog.csdnimg.cn/img_convert/46506ae54be168b93cf63939786134ca.png)

![img](https://img-blog.csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

csdnimg.cn/img_convert/252731a671c1fb70aad5355a2c5eeff0.png)

![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)

![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)

 

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！**

**由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新**

**如果你觉得这些内容对你有帮助，可以扫码获取！！！（备注Python）**

<img src="https://img-community.csdnimg.cn/images/fd6ebf0d450a4dbea7428752dc7ffd34.jpg" alt="img" style="zoom:50%;" />
使用PHP和MySQL获取数据并绘制折线图
XtAbap的博客
10-07 365
然后，我们提取日期和销售额数据，并将它们分别存储在数组dates和sales中。最后，我们使用Highcharts的chart函数绘制折线图，并将日期设置为x轴的类别，销售额设置为y轴的数据系列。通过结合PHP和MySQL，并利用Highcharts库，我们可以轻松地从数据库中获取数据并绘制出漂亮的折线图。接下来，我们需要在Web页面上引入Highcharts库，并使用JavaScript代码绘制折线图。现在我们已经成功获取了数据库中的数据，并将其存储在名为$data的数组中。// 提取日期和销售额数据。
数据可视化-Excel制作折线图
m0_74394367的博客
04-08 4334
数据可视化制作折线图。
Excel技巧：Excel中数据到柱状图或折线图的精准转换方法
okfone 奥凯丰的博客
08-12 1367
Excel中数据到柱状图或折线图的精准转换方法
day 5 数据可视化-数据处理生成折线图
m0_58285219的博客
04-21 188
from pyecharts.options import TitleOpts, LabelOpts...（引入用到的对象）将json文件复制->打开网址ab173->编码转码->json格式化。将合规的json文件转化为python字典，需import json。将文件格式化后能更好的理解数据嵌套，便于提取想要的数据。s[:-2]表示对s进行切片，去除最后两个字符。对字典引用选用[字符串]，对列表引用选[序号]将文件中不符合json数据格式的部分做处理。通过json模块对数据进行处理。
如何使用ECharts制作折线图
最新发布
爱敲代码的卡拉米的博客
09-24 326
使用ECharts制作折线图是一个相对直观的过程，主要涉及到准备数据、配置图表选项以及将图表渲染到页面上。
数据可视化-制作折线图
04-08
2. **数据准备**：在开始绘制折线图前，你需要整理好数据，确保数据包含时间轴（或分类轴）和对应的数值。时间轴可以是日期或时间段，数值通常表示某种度量，如销售额、股票价格或人口增长。 3. **创建图表**：在...
数据可视化-Pyecharts绘制折线图
04-22
Pyecharts是一个强大的Python库，专为生成交互式图表而设计，使得数据可视化变得简单高效。在这个主题中，我们将深入探讨如何使用Pyecharts来绘制折线图，这是一种常用于展示趋势和变化的数据图表。 首先，安装...
数据可视化案例（折线图+柱状图+地图）
07-03
数据可视化是一种将复杂的数据集转化为易于理解的图形或图像的过程，是数据分析中不可或缺的一部分。本项目专注于使用折线图、柱状图以及地图这三种常见的图表类型，来展示和解释数据。通过“Project1”文件中的代码...
python数据分析可视化：绘制折线图和柱形图
fyd4777leo的博客
09-21 1408
使用matplotlib绘制图表，结合面对对象的API，使用这些数据使得数据可视化变得轻而易举。​​​​​使用pyplot的plot()函数可以快速绘制折线图。做题思路：首先导入 matplotlib . pyplot 和 numpy 模块，分别重命名为 plt 和 np ，其次将表2-1的数据分别作为 x 轴和 y 轴的数据，绘制两条折线，最后调用 show （）函数进行展示。运行程序，效果如图所示。
HTML Canvas实例: 折线图和扇形图编程
CoderExtra的博客
10-05 351
折线图是一种常用的数据可视化方式，可以清晰地展示数据的趋势和变化。而扇形图则可以用于展示数据的比例和占比关系。在本文中，我们将使用HTML Canvas来实现折线图和扇形图的编程。
java+mysql实现折线统计图
Mr. Ding的小博客
09-30 3153
java + mysql 实现折线统计图。对用户参与活动进行数据统计，生成一个折线统计图，根据给定的时间范围统计对应的参与人数和参与次数。默认查询前七天，若前端给定时间则根据给定时间查询。若当天日期下没有数据，需要赋予0值】（相对麻烦，这是我司需求），如下需要连续的日期
【Python可视化系列】一文彻底教会你绘制美观的折线图（理论+源码）
热门推荐
数据杂坛
12-11 2万+
一文彻底教会你绘制美观的折线图（理论+源码）
Python 将列表数据生成折线图（Pandas使用）
阿良的博客
03-23 1万+
本文提供python将列表数据画图的样例代码。主要是给自己的记录，顺便分享一下。主要使用到的库是：pandas、matplotlib。
数据可视化之折线图让数据变得更直观易懂
迪赛智慧数的博客
04-26 4630
折线图用于显示随时间或有序类别而变化的趋势，可能显示数据点以表示单个数据值，也可能不显示这些数据点。 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。折线图也同样也是可视化数据大屏中最常见常用的图表类型。 下面是数据大屏——”粮食那些事儿”，其中就充分运用了折线图，让数据变得更加直观，更加明了，更见通俗易懂。 今天用数据可视化平台来讲解，主要围绕折线图展开。同柱状图、饼图及其他图表一样.
使用Python实现数据分析中的折线图绘制
m0_73963669的博客
12-06 2428
matplotlib是Python中的一个第三方库。主要用于开发2D图表，以渐进式、交互式的方式实现数据可视化，可以更直观的呈现数据，使数据更具说服力。安装matplotlib折线图是一种常用的数据可视化方式，用于展示随时间、类别或其他变量的变化趋势。本文将介绍如何使用Python进行数据分析，并通过示例演示如何绘制折线图。x：x坐标的数据y：y坐标的数据lw：指定线条宽度ls：指定线条样式，ls='-'为实线，ls='--'为虚断线，ls='-.'为点虚线，ls=':'为虚线。
数据可视化后起之秀——pyecharts
qq_60872637的博客
06-11 793
根据第9.3.3，绘制带有网格和带有涟漪特效的散点图，展示某平台一周统计的用户活跃量。根据第9.3.2，绘制饼图和圆环图，展示某商家各品牌手机销售额的占比情况。根据第9.3.4，绘制3D柱形图，展示某公司部门一周内各组的销售额。根据第9.3.5，绘制统计地图，展示某平台上朔州部分区县的用户数量。根据第9.3.1，绘制折线图，展示商家A与商家B各类饮品的销售额。根据第9.3.6，绘制漏斗图，展示某网购平台上各环节的客户转化率。
数据可视化高级技术Echarts(折线图)
m0_63181360的博客
04-08 3756
一、什么是折线图折线图是用折线将各个数据点连接起来的图表，用于展现数据的变化趋势。二、如何实现1.基本折线图只需要在数据序列series中将类型定义为type:line即可实现最基本的折线图2.如何变得平滑只需要定义：smooth是否平滑视觉引导线，默认不平滑，可以设置成true平滑显示，也可以设置为 0 到 1 的值，表示平滑程度。一般来说ture够用3.如何定义线条的样式整体样式在linestyle中进行设置color：设置线的颜色支持使用#fff。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值