数据可视化—绘制简单的折线图

于 2024-04-16 08:22:48 发布
阅读量811 收藏 15
点赞数 21
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_84010762/article/details/137807411
版权

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/f8175a882f9849e1e36cb53342fdf52b.png)

![img](https://img-blog.csdnimg.cn/img_convert/b83370277a08b4d4b4fecde697fdc31a.png)

![img](https://img-blog.csdnimg.cn/img_convert/6ed48128775b7bf06be88b68623070d6.png)

![img](https://img-blog.csdnimg.cn/img_convert/f13a40353b2df9f82a27bd7aecace19b.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）**

j-1713226957098)]

[外链图片转存中...(img-9vRteP4x-1713226957099)]

![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%;" />
2401_84010762
关注
  • 21
    点赞
  • 踩
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Tableau可视化--简单绘制雷达图
adbandon的博客
01-27 3433
雷达图，也叫蜘蛛图、星图、网络图，是用于多维度分析的理想选择，例如运动员的综合水平的对比，各种商品参数的比较等等。 雷达图在数据分析中是一种常用的图表，tableau上制作雷达图实际上并不是简单的拖拉拽即可。 本文介绍其中一种相较容易实现的方法。 数据源： 本文数据源为虚拟的不同大学综合水平评价数据，如下表 实现步骤： 一、数据源处理： 为实现雷达图的展现形式，我们需要首先将数据进行处理。 1、数据源中新建一列辅助列，即在复制表中第一个评分的列，此步的目的是为了使雷达图各条蜘蛛线重合到一起。 2、在
Python数据可视化 -生成数据之绘制折线图和散点图
sdau_hangtt的博客
08-19 4552
matplotlib教程https://blog.csdn.net/Notzuonotdied/article/details/77876080 http://study.163.com/course/introduction.htm?courseId=1003240004 matplotlib画廊：https://matplotlib.org/（查看使用matplotlib可制作的各种图表以...
数据可视化之折线图plot
m0_56978562的博客
03-29 875
同样的在网格线的设置中也可以设置线的颜色，样式，宽度。第三个参数表示网格线的透明度，范围是。由于数据不同，需要传入数据一一对应。第一个参数表示是否显示网格线，默认。第四个设置显示哪个方向的网格线。数据类型一致，可以直接显示。第二个参数表示网格线的样式。
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。
数据结构初识
m0_46755575的博客
08-28 494
数据结构初识 1.数据 说到数据结构是什么，我们得认识什么是数据； 数据：**是描述客观事物的符号，是计算机中可以操作的对象，是能被计算机识别，并输入给计算机处理的符号集合。**数据不仅仅包括整型，实型等数值类型，还包括字符及声音，图像，视频等非数值类型。 也就是说，这里的数据，其实就是符号，而且这些符号必须具有俩个前提： 1.可以输入到计算机中； 2.能被计算机程序处理； 对于整型，实型等数值类型，可以进行数值计算。 2.数据元素 数据元素：是组成数据的，有一定意义的基本单位，在计算机中通常作为整体处理。
比较两组数据的差异用什么图更直观_用好这11种可视化图表，数据可视化技能秒提升...
热门推荐
weixin_39555415的博客
11-21 4万+
可视化不是单纯的数据展示，其真正价值是设计出可以被读者轻松理解的数据展示。数据与合适的图形结合，不仅能够让复杂的统计数字简单化、形象化，还能给读者一种视觉的享受。今天，就让我们根据数据分析软件亿信ABI来解读一下各类统计图的使用场景以及优缺点。希望掌握这11种可视化图表，能够快速提升和巩固你的数据可视化展示，一起来看看吧！1、 柱状图适用场景：以柱子的高度用来比较两个或以上数值之间的差异。优点：人...
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
最新发布
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...
Python 绘制可视化折线图
01-19
1. 用 Numpy ndarray 作为数据传入 ply import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt np.random.seed(1000) y = np.random.standard_normal(10) print y = %s% y x = range(len(y...
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...
使用jfreechart统计数据，生成折线图（坐标x,y值大小可以自己设置）
neven7的专栏
12-01 8498
需求：一个目录下包含多个txt文件，每个txt文件每行保存一个数据，根据每个txt文件的数据生成一个折线图，y轴为每行的数据，x轴表示第几行。
python连接数据库生成 折线图，柱状图，饼图
weixin_43719743的博客
02-15 1万+
折线图 import pymysql import matplotlib.pyplot as plt mmm=pymysql.connect(“localhost”,“root”,“000000”,“cion”) #打开数据库 cursor=mmm.cursor() #创建游标 sql='select chinesse...
matplotlib单(多)组数据直接生成折线图
zzy_pphz的博客
05-26 4830
最近做毕业设计，把实验数据都做成表格后，老师要求改成图片形式，但是又不响在重新训练和测试，所以就直接用 matplotlib的画图功能将数据直接做成图片形式了。 只有一组数据（不用对比显示） from matplotlib import pyplot as plt from matplotlib import font_manager # 设置图片大小和分辨率 fig=plt.figure(figsize=(8, 6), dpi=160) #ResNet18不冻结数据 a1=[0.94,0.93,
echarts动态生成不同条数的折线图
学海无涯，回头是岸
02-23 6199
功能需求背景： 1、后台可自定义折线图的折线名称、数据、数量（几条） 2、满足不同折线图之间随意切换 3、折线图可鼠标拖动缩放和滚动条收缩查看 4、同一页面涉及多个echarts
python数据分析——matplotlib生成折线图，散点图和直方图
smartmi的博客
06-30 2万+
使用matplotlib简单生成折线图，散点图和直方图
Excel:把数据生成曲线图
qq_40378795的博客
12-17 1万+
要生成曲线图的数据 点击1，出现下图 点击2生成折线图 这生成的图是折线图，要改为曲线图，点击右键 折线图找到曲线图，点击，生成如下
将excel中的数据变成折线图
weixin_34221073的博客
11-12 4012
鼠标选中要转变的数据 2.点击“插入” 3.选择二维折线图 4.自动生成折线图 本文转自 32氪 51CTO博客，原文链接:http://blog.51cto.com/10672221/1899568 ...
数据可视化多数据折线图
10-13
对于数据可视化的多数据折线图，可以使用Python中的Matplotlib库进行绘制。首先需要将数据存储在一个数据结构中，例如列表或数组，然后使用Matplotlib中的plot函数进行绘制。可以使用不同的颜色和线型来区分不同的数据。 以下是一个简单的示例代码： ```python import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y1 = [10, 8, 6, 4, 2] y2 = [5, 7, 9, 11, 13] # 绘制折线图 plt.plot(x, y1, color='blue', linestyle='-', label='Data 1') plt.plot(x, y2, color='red', linestyle='--', label='Data 2') # 添加标题和标签 plt.title('Multiple Data Line Chart') plt.xlabel('X Axis') plt.ylabel('Y Axis') plt.legend() # 显示图形 plt.show() ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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