【Python】用Python绘制折线图（插值法平滑曲线）

已于 2022-03-01 22:43:47 修改
阅读量1.1w 收藏 112
点赞数 15
分类专栏： Python笔记 文章标签： python 机器学习
于 2021-09-28 19:15:33 首次发布
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/Roger_717/article/details/120530151
版权

目录

利用绘制图表：​​​​​​matplotlib官网

1. 小试牛刀——柱状图

1.1 matplotlib库默认英文字体

2. 折线图绘制

2.1 读取exal方法

2.1.1  数据处理常用库：pandas

2.1.2 找到pandas在pathon安装的位置Lib->site-package

2.2 提取列表数组

3. 论文图片的类型和格式

4. Python绘制折线图坐标无法显示负号

5. 绘制曲线

6. 绘制插值拟合曲线

6.1 interpld曲线方法

6.2 splprep曲线方法

7. 完整程序

利用绘制图表：​​​​​​matplotlib官网

1. 小试牛刀——柱状图

基本方法：matplotlib.pyplot.bar()

基本参数：bar(x,y)

其他参数：颜色color        宽度width        透明度alpha        

其他方法：图例legend()        横轴定义xlable()        纵轴定义ylable()        图标题title()        刻度方法xlim(), ylim()

import matplotlib.pyplot as plt #绘图
import pandas as pd #读取exal文件
plt.rcParams['font.sans-serif']=['SimHei'] #添加黑体作为绘图字体
name = ['tom', 'rose', 'lucy']#变量name装了一个列表
weight = [60, 70, 80]#具有位置属性和数值属性
plt.bar(name, weight, label='体重', color='green', alpha=0.5, width=0.5)   #从库里面调用方法+图例+颜色+透明度+宽度
plt.xlabel('姓名')
plt.ylabel('体重 单位kg')
plt.title('三个人的体重xx')
plt.legend()
plt.savefig('柱状图.png', dip=500)
plt.show()  #显示方法

1.1 matplotlib库默认英文字体

添加黑体（‘SimHei’）为绘图字体用以在图表中显示。

代码：

plt.rcParams['font.sans-serif']=['SimHei']

2. 折线图绘制

2.1 读取exal方法

2.1.1  数据处理常用库：pandas

用pandas读取excel文件的常用方法：read_excel()  参数是文件名 

2.1.2 找到pandas在pathon安装的位置Lib->site-package

import matplotlib.pyplot as plt #绘图
import pandas as pd #读取exal文件
Data = pd.read_excel('E:\PythonData/LandingData.xlsx')#exal文件路径，注意不要数字开头
print(Data)#打印数据

  注意文件路径开头不要是数字，不然报错 

E:\PythonData/LandingData.xlsx

2.2 提取列表数组

#获取各通道温度数据
飞行高度 = Data.飞行高度
温度1 = Data.温度1
温度2 = Data.温度2
温度3 = Data.温度3
温度4 = Data.温度4
温度5 = Data.温度5
温度6 = Data.温度6
温度7 = Data.温度7
温度8 = Data.温度8
温度9 = Data.温度9
温度10 = Data.温度10
温度11 = Data.温度11

3. 论文图片的类型和格式

plt.savefig('折线图.png', dip=500)

位图（放大后有马赛克）：.jpg        .tif        .psd        .bmp        .png

矢量图（放大也很清晰）：.wmf        .emf        .epd        .cdx

事物摄影使用位图，

.png格式是非可拓展文件类型；.pdf是可拓展文件格式，pdf是矢量图。

4. Python绘制折线图坐标无法显示负号

添加如下代码即可：

import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False

本例程代码如下所示： 

plt.rcParams['axes.unicode_minus']=False

5. 绘制曲线

引入库

from scipy import interpolate

绘制一个图片，并确定图片位置：

fig = plt.figure(figsize=(10, 8))
ax1 = fig.add_subplot(1, 3, 1)

将曲线在图片中绘制，并加入图例：

plt.plot(Data.飞行高度, Data.温度1, label='温度1', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度2, label='温度2', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度3, label='温度3', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度4, label='温度4', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度5, label='温度5', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度6, label='温度6', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度7, label='温度7', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度8, label='温度8', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度9, label='温度9', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度10, label='温度10', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度11, label='温度11', linewidth=0.75)   #从库里面调用方法+图例

plt.xlabel('飞行高度，单位m', fontsize=18)
plt.gca().invert_xaxis() #x轴反向
plt.ylabel('当前温度，单位℃', fontsize=18)
plt.title('原始数据点线绘图', fontsize=18)
plt.legend(loc='upper right')

6. 绘制插值拟合曲线

6.1 interpld曲线方法

# interpld
def spline1(x, y, point):
    f = interpolate.interp1d(x, y, kind="cubic")  #曲线绘制方法1
    X = np.linspace(飞行高度.min(), 飞行高度.max(), num=point, endpoint=True)
    Y = f(X)
    return X, Y

6.2 splprep曲线方法

def spline3(x, y, point, deg):
    tck, u = interpolate.splprep([x, y], k=deg, s=300) #曲线绘制方法2
    u = np.linspace(0, 1, num=point, endpoint=True) #显示范围比例
    spline = interpolate.splev(u, tck)
    return spline[0], spline[1]

这里注意deg参数：

Degree of the spline. Cubic splines are recommended. Even values of k should be avoided especially with a small s-value. 1 <= deg <= 5, default is 3.

scipy.interpolate.splprep — SciPy v1.7.1 Manual

7. 完整程序

看完上面的介绍，你还可以将下面的程序直接粘贴复制到你的电脑中运行一下，用实际操作来加深对绘图命令的学习：

# 导入相关库
import matplotlib.pyplot as plt #绘图
import pandas as pd #读取exal文件
import numpy as np
plt.rcParams['axes.unicode_minus']=False #轴坐标负数符号显示
plt.rcParams['font.sans-serif']=['SimHei'] #添加黑体作为绘图字体
Data = pd.read_excel('E:\PythonData/LandingData1.xlsx') #打开exal文件，注意文件路径，文件夹名称不要用数字开头
from scipy import interpolate
#获取各通道温度数据
飞行高度 = Data.飞行高度
温度1 = Data.温度1
温度2 = Data.温度2
温度3 = Data.温度3
温度4 = Data.温度4
温度5 = Data.温度5
温度6 = Data.温度6
温度7 = Data.温度7
温度8 = Data.温度8
温度9 = Data.温度9
温度10 = Data.温度10
温度11 = Data.温度11

fig = plt.figure(figsize=(10, 8))
ax1 = fig.add_subplot(1, 3, 1)

plt.plot(Data.飞行高度, Data.温度1, label='温度1', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度2, label='温度2', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度3, label='温度3', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度4, label='温度4', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度5, label='温度5', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度6, label='温度6', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度7, label='温度7', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度8, label='温度8', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度9, label='温度9', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度10, label='温度10', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度11, label='温度11', linewidth=0.75)   #从库里面调用方法+图例

plt.xlabel('飞行高度，单位m', fontsize=18)
plt.gca().invert_xaxis() #x轴反向
plt.ylabel('当前温度，单位℃', fontsize=18)
plt.title('原始数据点线绘图', fontsize=18)
plt.legend(loc='upper right')

# interpld
def spline1(x, y, point):
    f = interpolate.interp1d(x, y, kind="cubic")  #曲线绘制方法1
    X = np.linspace(飞行高度.min(), 飞行高度.max(), num=point, endpoint=True)
    Y = f(X)
    return X, Y

#splprep
def spline3(x, y, point, deg):
    tck, u = interpolate.splprep([x, y], k=deg, s=300) #曲线绘制方法2
    u = np.linspace(0, 1, num=point, endpoint=True) #显示范围比例
    spline = interpolate.splev(u, tck)
    return spline[0], spline[1]

m1, n1 = spline1(飞行高度, 温度1, 50000)
m2, n2 = spline1(飞行高度, 温度2, 50000)
m3, n3 = spline1(飞行高度, 温度3, 50000)
m4, n4 = spline1(飞行高度, 温度4, 50000)
m5, n5 = spline1(飞行高度, 温度5, 50000)
m6, n6 = spline1(飞行高度, 温度6, 50000)
m7, n7 = spline1(飞行高度, 温度7, 50000)
m8, n8 = spline1(飞行高度, 温度8, 50000)
m9, n9 = spline1(飞行高度, 温度9, 50000)
m10, n10 = spline1(飞行高度, 温度10, 50000)
m11, n11 = spline1(飞行高度, 温度11, 50000)

ax2 = fig.add_subplot(1, 3, 2)

plt.plot(m1, n1, label="温度1")
plt.plot(m2, n2, label="温度2")
plt.plot(m3, n3, label="温度3")
plt.plot(m4, n4, label="温度4")
plt.plot(m5, n5, label="温度5")
plt.plot(m6, n6, label="温度6")
plt.plot(m7, n7, label="温度7")
plt.plot(m8, n8, label="温度8")
plt.plot(m9, n9, label="温度9")
plt.plot(m10, n10, label="温度10")
plt.plot(m11, n11, label="温度11")

plt.xlabel('飞行高度，单位m', fontsize=18)
plt.gca().invert_xaxis() #x轴反向
plt.ylabel('当前温度，单位℃', fontsize=18)
plt.title('interpld插值绘图', fontsize=18)
plt.legend(loc='upper right')

ax3 = fig.add_subplot(1, 3, 3)

a1, b1 = spline3(飞行高度, 温度1, 50000, 3)
a2, b2 = spline3(飞行高度, 温度2, 50000, 3)
a3, b3 = spline3(飞行高度, 温度3, 50000, 3)
a4, b4 = spline3(飞行高度, 温度4, 50000, 3)
a5, b5 = spline3(飞行高度, 温度5, 50000, 3)
a6, b6 = spline3(飞行高度, 温度6, 50000, 3)
a7, b7 = spline3(飞行高度, 温度7, 50000, 3)
a8, b8 = spline3(飞行高度, 温度8, 50000, 3)
a9, b9 = spline3(飞行高度, 温度9, 50000, 3)
a10, b10 = spline3(飞行高度, 温度10, 50000, 3)
a11, b11 = spline3(飞行高度, 温度11, 50000, 3)

plt.plot(a1, b1, label="温度1")
plt.plot(a2, b2, label="温度2")
plt.plot(a3, b3, label="温度3")
plt.plot(a4, b4, label="温度4")
plt.plot(a5, b5, label="温度5")
plt.plot(a6, b6, label="温度6")
plt.plot(a7, b7, label="温度7")
plt.plot(a8, b8, label="温度8")
plt.plot(a9, b9, label="温度9")
plt.plot(a10, b10, label="温度10")
plt.plot(a11, b11, label="温度11")

plt.xlabel('飞行高度，单位m', fontsize=18)
plt.gca().invert_xaxis() #x轴反向
plt.ylabel('当前温度，单位℃', fontsize=18)
plt.title('splprep插值绘图', fontsize=18)
plt.legend(loc='upper right')

plt.savefig('折线图.png', dip=500)
plt.show()  #显示方法

米杰的声音
关注
  • 15
    点赞
  • 踩
  • 112
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论
专栏目录
Python matplotlib绘制折线图及实例（基础提高版）
12-21
在本篇文章中，我们将重点讨论如何使用`matplotlib`来绘制折线图。首先，我们来看一个简单的例子。假设我们有每日温度数据 `[15, 12.2, 14, 14, 34, 43, 23, 34, 11.5, 22, 23, 12]`，我们可以使用以下代码绘制折线...
python绘制多个曲线的折线图
01-01
这篇文章利用的是matplotlib.pyplot.plot的工具来绘制折线图，这里先给出一个段代码和结果图： # -*- coding: UTF-8 -*- import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt #这里导入你自己的数据 #...... #...... #x_axix，train_pn_dis这些都是长度相同的list() #开始画图 sub_axix = filter(lambda x:x 0 == 0, x_axix) plt.title('Result Analysis
数据拟合+python成果+海报_python_数据开发_插值法_最小二乘法_
09-30
用python实现最小二乘法和插值法的数据处理
Python如何对折线进行平滑曲线处理？_折线平滑处理算法
m0_61549591的博客
05-17 664
Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
Python中绘制折线图的全面指南
最新发布
2301_81064905的博客
06-14 1329
Matplotlib库Matplotlib是Python中一个非常流行的2D绘图库，它提供了广泛的图表和可视化类型，并且允许用户进行高度定制。通过本文的详细介绍，我们全面了解了在Python中使用Matplotlib库绘制折线图的方法和技巧。从基础折线图的绘制，到自定义折线图的样式、颜色、线型和标记，再到在同一张图表上绘制多条折线图进行比较，我们掌握了绘制折线图的基本技能。
python插值计算
gsgbgxp的博客
04-26 8031
python中一维插值及高维插值用法
python 数据、曲线平滑处理——插值法对折线平滑处理——详解
程序员，他们想的是什么?他们想的永远都是技术，他们崇尚的也永远都是技术。
03-31 3184
如图想对下面的折线 进行平滑处理。
解决python使用matplotlib画折线图y轴逆序问题
weixin_44807419的博客
08-13 8164
y轴默认是逆序，解决办法 加入：plt.gca().invert_yaxis() 如果有业务需要将x轴逆序,相应的可以将y改为x
用python实现牛顿插值并绘图
weixin_62999981的博客
09-20 1403
利用python求出差商，从而进一步求出牛顿插值多项式，可针对任意数量的点，进行牛顿插值计算
Python绘制折线图or平滑曲线图(2D)
飞机火车巴雷特的博客
10-20 2万+
python通过插值的方式绘制平滑的曲线图
【可视化1-初步认识】使用Python中matplotlib.pyplot库绘制 折线图、柱状图、散点图、直方图
Likely_X的博客
03-12 2601
初学者 python matplotlib 数据可视化 折线图 柱状图 散点图 直方图
exercise_数据分析/PYTHON_grew8eq_折线图_
09-29
现在我们可以绘制折线图了。使用Matplotlib的`plot()`函数，我们可以分别绘制最高气温和最低气温： ```python plt.figure(figsize=(12,6)) # 设置图形大小 plt.plot(data['max_temperature'], label='最高气温') # ...
python利用插值法对折线进行平滑曲线处理
09-19
主要为大家详细介绍了python利用插值法对折线进行平滑曲线处理，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
通过多点平滑曲线的python实现
07-20
实现说明见: https://blog.csdn.net/listlike/article/details/107460386
绘制多条折线图_可视化R_平滑_
10-03
在Python环境中，虽然题目给出的文件名为"绘制多条折线图.py"，但R语言的平滑功能在Python中通常通过`matplotlib`和`seaborn`库实现。`seaborn`的`lineplot()`函数可以轻松绘制平滑折线图，使用`smoothing`参数来...
趋势外推法-Python-信息分析与预测实验
05-23
至于Matplotlib，它是Python中最基础的数据可视化库，可以帮助我们绘制数据图表，如折线图、散点图等，以直观展示数据趋势。在趋势外推法实验中，通过可视化历史数据，可以更容易地识别出数据的上升、下降或周期性...
数据可视化-Pyecharts绘制折线图
04-22
本教程将深入探讨如何使用Pyecharts来绘制折线图。 一、Pyecharts简介 Pyecharts 是一个基于 ECharts 的 Python 数据可视化库，ECharts 是百度开源的一个用 JavaScript 实现的可视化库，提供了丰富的图表类型、精巧...
使用python代码画折线图【matplotlib】
热门推荐
qq_49641239的博客
07-16 11万+
1、画折线图【一条示例】 import matplotlib.pyplot as plt import numpy as np x_axis_data = [1,2,3,4,5,6,7] #x y_axis_data = [68,69,79,71,80,70,66] #y plt.plot(x_axis_data, y_axis_data, 'b*--', alpha=0.5, linewidth=1, label='acc')#'bo-'表示蓝色实线，数据点实心原点标注 ## plot中参数的含义分别
Python绘制光滑的曲线
weixin_47382783的博客
04-02 2277
最近用Python绘图时，需要绘制光滑的曲线。
python折线图改为平滑曲线
12-09
想要将Python折线图改为平滑曲线，可以通过使用平滑曲线拟合算法来实现。 一种常见的方法是使用样条曲线插值算法，如CubicSpline。 首先，需要导入相应的库和模块。例如，使用matplotlib库中的matplotlib.pyplot模块可以绘制图形，使用scipy库中的interpolate模块可以进行插值计算。 接下来，需要准备数据。将需要绘制的折线图的横轴和纵轴数据分别保存在两个列表中。 然后，使用interpolate模块中的CubicSpline函数对数据进行插值计算。将横轴和纵轴数据作为输入，得到平滑曲线的插值函数。 最后，使用matplotlib.pyplot模块中的plot函数绘制平滑曲线图。除了传入插值函数，还可以自定义线条的颜色、线型等参数，以及添加图例、标题等。 完成以上步骤，即可将Python折线图改为平滑曲线图。 需要注意的是，平滑曲线图是对折线图进行近似处理，可能会导致数据的一定程度的变形和信息丢失。因此，在使用平滑曲线图时需要谨慎处理并结合实际情况进行判断和解释。

“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 5
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

打赏作者

米杰的声音

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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