使用Python实现数据分析中的折线图绘制

目录

​编辑 

一、准备数据：

二、函数使用

三、matplotlib图像简介

四、输入函数

五、实例例子

---

前言

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。

 

一、准备数据：

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

c：指定线条颜色，c='r'为红色，c='k'为黑色，c='y'为黄色

alpha：指定线条透明度，值越小越透明

label：指定线条的含义

figure(): 创建图像并设置图像的大小等属性，返回一张图像，可以传入很多参数，常用参数有两个。figsize参数传入一个元组(width, height)，设置图像的大小。dpi传入一个整数值，设置图像的清晰度。

plot(): matplotlib中绘制折线图的函数。可以传入很多参数，一般传入两个列表，分别是折线图中的x值和y值。上面的例子中用了NBA2020年季后赛James的得分数据。

show(): 展示图像。

二、函数使用

介绍几个函数：import matplotlib.pyplot as plt

1. plt.figure(figsize=(a, b), dpi=dpi)

用设置显示窗口的大小形状

2. figsize(a，b)：设置显示图框的大小，a、b分别为长和宽，单位是英寸

dpi：图像每英寸的点数

3. plt.plot(x，y)

用于拟合绘制图像

x，y即为拟合点的横轴坐标，x和y的数量应该对应，长度相等

4.plt.xticks(ticks，label)

设置x值的刻度。同样有用于plt.yticks(),设置y轴刻度

ticks：数组类型，用于设置x轴刻度

label：数组类型，设置每个间隔的显示标签

5.plt.savefig()

保存图片

()里面写保存图片的路径以及图片保存的名字和格式

6.plt.show()

显示图片

不需要参数，对绘制的图形进行显示

7.plt.xlabel()

设置横轴代表的是什么。同样有plt.ylabel，表示y轴代表的是什么。

()里面是x轴代表的东西

8.plt.title()

设置折线图的标题

()里面写标题的名字

三、matplotlib图像简介

matplotlib的图像分为三层，容器层、辅助显示层和图像层。

1. 容器层主要由Canvas、Figure、Axes组成。

Canvas位于图像的最底层，充当画布的作用。

Figure位于Canvas之上，指画布上的一整张图像。

Axes位于Figure之上，指Figure中的单个图表，一个Figure中可以有一个或多个Axes，即一张图像中可以有一个或多个图表。

2. 辅助显示层是单个图表(Axes)中用来提供辅助信息的层。

辅助显示层主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。

辅助层可使图像显示更加直观，提高可读性。

3. 图像层指Axes内通过plot、scatter、bar、histogram、pie等函数绘制出的图形
 

JSON

说到数据可视化，我们需要先知道什么是JSON。

json是一种轻量级的数据交互格式，可以按照json指定的格式去组织和封装数据
json本质上是一个带有特定格式的字符串
JSON的主要功能是：

数据序列化和传输：JSON可以将复杂的数据结构（如对象和数组）转换为字符串形式，以便在网络上进行传输。它跨平台兼容，可以在不同的编程语言中解析和生成。

人类可读的数据格式：JSON采用了简洁的文本格式，易于阅读和理解。它使用键/值对表示数据，并使用大括号（{}）表示对象，方括号（[]）表示数组。

对象表示：JSON支持对象表示，可以通过键/值对形式表示复杂的数据结构。键是字符串，值可以是字符串、数字、布尔值、对象、数组或null。

数组表示：JSON支持数组表示，可以在方括号中包含多个值，用逗号分隔。数组可以嵌套，允许存储多层次的数据结构。

数据交换和存储：JSON广泛用于数据交换和存储。它是许多API和服务的常用数据格式，可以方便地将数据从一个应用程序传输到另一个应用程序。

跨语言支持：JSON可以在不同的编程语言中解析和生成，因此在不同的平台上可以轻松地共享和处理数据。

  因为JSON数据类型使用大括号{ }表示对象，方括号[ ]表示数组，而这样的形式在python中与字典和列表的表现方式相同，所以这就很方便。

四、输入函数

  首先，需要准备要绘制的数据。可以使用Pandas库读取和处理数据，确保数据格式正确。
导入所需库：引入Matplotlib库来进行图形绘制和相关设置。使用如下代码导入库：

  数据处理：如果数据需要处理或转换，可以使用Pandas库进行相应操作，例如对日期格式进行转换、筛选特定列等。
  绘制折线图：使用Matplotlib库的plot函数绘制折线图。根据数据的横轴和纵轴选择合适的列，并使用如下代码进行绘制：

  添加标题和标签：为折线图添加标题、横轴标签和纵轴标签，以提供更好的可读性。

  设置图形样式：根据需要，可以设置折线的颜色、宽度、标记点的形状等。使用如下代码进行设置：

  显示图形：最后，使用plt.show()函数显示绘制好的折线图。

  通过以上步骤，我们可以使用Python进行数据分析，并使用Matplotlib库绘制出具有清晰趋势的折线图。折线图能够直观地展示数据的变化，帮助我们更好地理解和分析数据。

在使用plot()函数绘图时，可以通过c='颜色'来设置折线图的颜色。

scatter(): 绘制散点图。折线图是用直线连接相邻的两个点形成的，但是连成折线后点的显示不明显。scatter可以单独对点进行设置，展示得更明显。

yticks(): 用于设置y轴坐标的范围，传入一个可迭代对象(如range()函数)。最开始绘制的折线图中，图像的y轴坐标范围是数据的范围，坐标原点不是0，使用yticks函数可以设置想要的坐标范围。同理xticks可以用于设置x轴坐标的范围。

grid(): 用于设置图表中的网格线，使用linestyle参数设置网格线的样式，常用的样式有下表中的几种，plot()函数中也可以用linestyle参数设置折线图的样式。使用alpha参数设置网格线的透明度。

xlabel(): 用于设置x轴的标签，说明x轴坐标的含义，第一个参数传入需要设置的标签值，后面可以通过其他参数设置显示的效果，如字体大小等。ylabel同理。

title(): 用于设置折线图的标题，说明这张折线图展示的数据。用法同xlabel。

五、实例例子

实例：

步骤 1: 导入Matplotlib库和相关模块

步骤 2: 准备数据
首先，准备需要绘制的数据。数据可以是列表、元组或NumPy数组等数据结构。

步骤 3: 创建折线图
使用plt.plot函数创建折线图。将x轴数据和y轴数据作为参数传递给该函数。

步骤 4: 添加标题和标签
可以使用plt.title函数为图表添加标题，并使用plt.xlabel和plt.ylabel函数添加x轴和y轴的标签。

步骤 5: 显示图表
使用plt.show函数显示绘制的折线图。

实例2：

绘制一个简单的折线图，根据描点法，给定点的值，来画折线图。比如绘制一天中每隔两个小时的气温情况。首先要明确绘制折线的坐标点的位置，明确x值为0-24每隔两小时的等间隔采样，y的值为【15,13,14.5,17,20,25,26,26,27,22,18,15】，废话不多说，代码如下：

运行结果如下图：

总结：

方法：

以上就是使用ploty绘制折线图的基本方法了，我们学习了

• 如何声明一个图表
• 如何设置折线图的数据
• 如何设置横纵坐标、范围等
• 如何设置图表大小
• 如何在折线图上显示数据
• 如何更换图表风格

使用Python实现数据分析中的折线图绘制-CSDN博客