Python绘图篇1——折线图

最近绘图总觉得画的丑,开始琢磨配色和形状,其中某成品如下所示👇:

下面给出一些关键细节:

1、主轴和次轴

不知道元芳怎么看,我觉得加次轴好看,要么就全都不加

# 网格线主轴和次轴
plt.grid(visible=True, which='major', linestyle='-',alpha=0.4)
plt.grid(visible=True, which='minor', linestyle='--',alpha=0.2) # linestyle代表线条样式,alpha=0.2代表粗细
plt.minorticks_on()

2、折线样式

重点关注:marker的样式,如空心、粗细等细节

关于marker下面这个帖子讲的很细致👉:【python】Matplotlib作图常用marker类型、线型和颜色_matplotlib marker-CSDN博客

plt.plot(x, y1,color='blue', linestyle='-.',marker='p',markerfacecolor='none',linewidth = 2, ms=10, label='A')
plt.setp(plt.gca().lines[-1], markeredgewidth=2) # 设置标记边缘线的粗细
plt.plot(x, y2, color='grey', linestyle='-.',marker='o',markerfacecolor='none',linewidth = 2,ms=10, label='B')
plt.setp(plt.gca().lines[-1], markeredgewidth=2)
plt.plot(x, y3,color='limegreen', linestyle='-.',marker='v',markerfacecolor='none',linewidth = 2, ms=10, label='C') 
plt.setp(plt.gca().lines[-1], markeredgewidth=2)
plt.plot(x, y4, color='red', linestyle='-',marker='s',markerfacecolor='none',linewidth = 2, ms=8,label='D', zorder=5 )
plt.setp(plt.gca().lines[-1], markeredgewidth=2)
# 注:
# zorder是覆盖在最上面的意思,按照数字的大小排序!
# markerfacecolor='none' 是空心的意思!

【心得】:配色要花心思磨一磨,实在搞得人头很大 (┬_┬)

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
### 回答1: Python 计算思维训练——绘图进阶包括使用 Python绘图库如 matplotlib 和 seaborn 进行数据可视化,学习创建不同类型的图表,如折线图、散点图、条形图、饼图等。同时还可以学习如何调整图表的样式、添加图例和标题等。 ### 回答2: Python 计算思维训练的一个方面是绘图进阶,这意味着训练者将学习如何使用 Python 编程语言来创建更复杂的图形,并进一步了解算法和数据可视化。在这方面,Python 是一门非常适合初学者入门的编程语言,因为它的代码易于理解,有着强大的数据分析和可视化功能。 在 Python 中,绘制图形最重要的工具是 Matplotlib 库,它是一个非常流行的 Python 绘图工具,可以处理各种数据类型和各种可视化类型。Matplotlib 库可以让程序员轻松绘制各种类型的图形,如折线图,散点图,条形图等,并且可以以多种格式保存图像。 但是,绘制复杂图形需要更熟练的 Python 编程技能。训练者需要了解如何使用 Matplotlib API,编写自定义函数和类,并掌握常见功能比如数据的可视化、图形的注释和颜色的编辑等等。另外,训练者还需要深入了解如何使用一些常见的数据可视化库,例如 Seaborn 和 Plotly,这些库可以生成美观而有用的数据可视化结果。 在绘图进阶训练中,学生将学习如何使用 Python 计算思维来更好地理解和体现数据。Python 是一种高效的编程语言,能够轻松地处理各种类型和大小的数据集,训练者可以利用它来探索和可视化数据,识别数据的趋势、模式和异常值,以便做出更准确和有意义的结论。 总之,Python 计算思维训练的绘图进阶方面可以帮助学生掌握更高级的编程技能,能够生成复杂美观的数据可视化效果,为更好地理解和分析数据打下坚实的基础。 ### 回答3: Python是一种高级编程语言,它具有高度的可读性和简单易学的特点,广泛应用于数据分析、机器学习、人工智能、Web开发等领域。在这些应用场景中,绘图是非常重要的一环。Python绘图工具也随着时间的推移而不断完善,使得绘图变得越来越容易和灵活。 在Python中,最常用的绘图工具是Matplotlib。它是一款基于Python绘图库,能够轻松地在Python语言中创建各种类型的图表和多级子图。Matplotlib可以输出高质量的PNG、PDF、SVG、EPS等格式的图片,在学术研究和工作中被广泛使用。 通过Matplotlib的学习,可以帮助我们了解如何使用Python进行数据可视化和交互式可视化。具体来说,Python绘图思维的训练需要掌握以下几个方面: 1. 数据准备 数据准备是绘制图表的基础。这个过程包括从多个来源获取数据,对数据进行处理和清理,并准备数据以用于绘图Python提供了很多强大的数据处理工具,比如NumPy、Pandas等。 2. 基本图表绘制 Python中最基本的绘图类型是线图、柱状图和散点图。Matplotlib提供了一组简单又灵活的函数来实现这些绘图类型,使得绘图过程非常容易。 3. 自定义图表 对于特定的应用场景,需要定制化的图表展示,Matplotlib也支持自定义的图表设计,包括修改颜色、字体、标记点等设置。 4. 组合图表 有时候需要将多个图表组合在一起以达到更全面的分析,Matplotlib也支持组合图表的设计。从简单的双轴图表到更复杂的多轴图表,Matplotlib提供了丰富的功能。 5. 交互式图表 最后,Python也支持交互式图表,这使得用户可以对图表进行缩放、平移、旋转和选择数据点等操作,从而深入了解数据的细节。 总之,在Python中进行绘图,需要数据处理、图表设计和交互式特性的支持。这些功能都可以通过Matplotlib实现,从而为学习者提供了强大的工具。对于正在进行数据分析、机器学习或其他领域的分析工作的从业人员和学生而言,掌握Python绘图思维的训练是至关重要的。

“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 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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