Python与统计图,你必须知道(2)——折线图

在我的上一篇文章中,我在结尾说过把绘制饼图的完整代码展示出来,大家要用的把data和lab的内容改一下就可以了,注意按照上一篇文章的要求改:

from matplotlib import pyplot

#windows系统字体: 'simhei' 
#苹果电脑使用: 'Arial Unicode MS'
pyplot.rcParams['font.sans-serif'] = 'simhei'

data = [950, 220, 610, 530]
lab = ['X', 'XX', 'XXX', 'XXXX']
#在pie()函数中添加参数
pyplot.pie(data, labels=lab,autopct = '%.2f%%')

pyplot.show()

目录

1.回顾如何绘制统计图

2.开始我们今天的内容

1.认识折线图

2.准备数据

3.编写代码

3.优化我们的折线图

加上标题和标签

3.讲一讲复式折线图

1.如何画?

2.添加图例

3.设计新花样


1.回顾如何绘制统计图

编写代码顺序:

1、导入matplotlib库中的pyplot模块

2、准备数据

3、画图

2.开始我们今天的内容

1.认识折线图

折线统计图是折线的升降来表示统计数据变动趋势的图形,也叫曲线统计图。

2.准备数据

同样,我们要建立两个列表,但是……

lab = ['标签', '标签1', '标签2', '标签3', '标签4', '标签5', '标签6', '标签7']
data = [120, 126, 132, 136, 142, 147, 155, 163]

首先,两个列表的项目数必须相同;其次,一个是字符,一个只是数字。

3.编写代码

导入都会吧,设置中文字体也会吧?

from matplotlib import pyplot

pyplot.rcParams['font.sans-serif'] = ['Arial Unicode MS', 'simhei']

然后把我们统计的数据放在上面这段代码的下面。

pyplot.plot(lab,data)#这次是一个新的指令,格式与画饼图的差不多。

展示完之后得把它关掉吧?

pyplot.show()

现在画出来的折线图是不是光秃秃的,至少得加一个标签吧。

3.优化我们的折线图

加上标题和标签

 自己看着弄吧代码如下:

pyplot.title('标题')
pyplot.xlabel('X轴标签')
pyplot.ylabel('Y轴标签')

到这里,单式折线图(就是只有一条折线的)就绘制完成了,但是折线图有复式(就是有两条甚至更多的折线)的啊?这怎么办呢?

3.讲一讲复式折线图

1.如何画?

准备两份数据,以列表的形式呈现,然后调用两次绘制命令,就像这样

pyplot.plot(lab_1, data_1)
pyplot.plot(lab_2, data_2)

当然,画的越多,调用次数就越多。

2.添加图例

因为折线图中有两条及以上的折线,Python会自动为它们画上不同的颜色,但是我们光凭看这个折线图,你肯定不能直接了解每种颜色的意思吧,这时候我们就需要生成一个图例。介绍我就不多说了,如果想了解可以看一看站内其他博主的文章。

添加图例的代码:

pyplot.legend(['这里填写lab_1 & data_1所呈现的图例','这里填写lab_2 & data_2所呈现的图例'])

3.设计新花样

pyplot.plot(lab_1, data_1,color = 'X',linestyle='XX')
pyplot.plot(lab_2, data_2,color = 'X',linestyle='XX')

最后来展示一下完整的函数表格:

 

 【笔记】 绘制图表 pyplot.plot()

plot()函数的参数:

设置颜色 color

设置线形 linestyle

绘制折线图的完整代码会在下一篇文章开头分享~


THE END


  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python可以使用matplotlib和pandas模块来实现数据可视化折线图折线图常用于展示时间序列数据的趋势。在matplotlib模块,可以使用plot方法来绘制折线图。当然,也可以使用pandas模块的plot方法来绘制折线图。 下面是使用pandas模块绘制折线图的具体代码示例: ```python import pandas as pd import matplotlib.pyplot as plt # 设置绘图风格 plt.style.use('ggplot') # 处理文乱码 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] # 读取数据 data = pd.read_excel(r'weather.xlsx') # 统计每月的平均最高气温 data = data.pivot_table(index='month', columns='year', values='high') # 绘制折线图 data.plot(kind='line', style=['-', '--', ':']) # 修改坐标轴标签 plt.xlabel('月份') plt.ylabel('气温') # 添加图形标题 plt.title('每月平均最高气温波动趋势') # 显示图形 plt.show() ``` 通过以上代码,可以绘制出每月平均最高气温的折线图,其每年的数据使用不同的线条样式进行区分。这样可以更直观地展示出数据的变化趋势。 更多关于使用matplotlib模块绘制折线图的详细信息,可以参考Matplotlib的官方文档。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Python数据可视化的例子——折线图(line)](https://blog.csdn.net/weixin_48615832/article/details/108466201)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [001 Python数据可视化之折线图](https://blog.csdn.net/qixinxiangshicheng/article/details/129480075)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
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