统计图表之折线图

折线图主要用于展示数据的变化趋势。

1. 折线图的绘制

1.1 matplotlib的plot()函数

• x, y: 需要绘制的点的数据
• linestyle: 设置线条类型
• color: 设置线条颜色
• marker: 设置线条标记风格，‘+’为加号标记，'o’为圆圈，‘-’为实线，‘–’为虚线。
• linewidth: 设置线条宽度
• label: 设置线条标签

# 导入相应包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline


x = np.linspace(0, 10, 1000) # 成0到10之间、长度为1000的等差数组
y = np.sin(x) # sin(x)

plt.plot(x, y, '--g', lw=2, label='sin(x)')

1.2 DataFrame或Series内置的plot()方法

• 接受1.1中参数
• kind： 指定绘图的类型。line(线图)，bar()，barh()，hist(直方图)，box()，kde(密度图)，area()，pie(饼图)

data = pd.DataFrame(y, x)
data.plot(kind='line', linestyle='--', color='r', lw=2, label='sin(x)')

2. 标注点的绘制

当我们需要对图形的某些点加上标记时，我们可以使用matplotlib的annotate()函数

• s：标注文本内容
• xy：需要标注点的坐标，二维元组格式(x, y)
• xytext：标注文本的坐标，二维元组格式(x, y)
• xycoords：被标记的点的坐标系属性，默认为data(以x,y为参考)
• textcoords：标记文本的坐标系属性，默认与xycoords相同，通常设置为’offset points’或‘offset pixels’，即相对于标记点的偏移量。
• arrowprops：设置箭头的样式，dict格式：width， headwidth，headlength，shrink，facecolor
• bbox：设置标注文本周围的外框属性

fig = plt.figure(figsize=(12, 8))
# 在Figure对象中创建一个Axes对象，每个Axes对象即为一个绘图区域
ax = fig.add_subplot(111)
x = np.arange(10, 20)
y = np.around(np.log(x), 2)
ax.plot(x, y, marker='o')

ax.annotate(u'样式1', xy=(x[1], y[1]), xytext=(80, 10), 
            textcoords='offset points',
           arrowprops=dict(arrowstyle='->', 
                           connectionstyle='angle3,angleA=80,angleB=50'))
ax.annotate(u'样式2', xy=(x[3], y[3]), xytext=(80, 10), 
            textcoords='offset points',
           arrowprops=dict(facecolor='black',shrink=0.05, width=5))
ax.annotate(u'样式3', xy=(x[5], y[5]), xytext=(80, 10), 
            textcoords='offset points',
           arrowprops=dict(facecolor='green', headwidth=5, headlength=10),
           bbox=dict(boxstyle='circle,pad=0.5', fc='yellow', ec='k', lw=1,
                    alpha=0.5))
ax.annotate(u'样式4', xy=(x[7], y[7]), xytext=(80, 10), 
            textcoords='offset points',
           arrowprops=dict(facecolor='blue', headwidth=5, headlength=10),
           bbox=dict(boxstyle='round,pad=0.5', fc='gray', ec='k', lw=1,
                    alpha=0.5))
plt.show()