matplotlib——折线图

matplotlib–折线图

折线图的概念：

该方法通常将数据绘制在折线图中，可以显示随时间变化，数据变化的趋势。
因此非常适用于显示在相等时间间隔下数据的走向变化。

折线图的做法：

示例：通过引入某商场一年中每天销售量的数据记载，用折线图来观察不同时期销售额的变化。首先同样的操作，要有数据，我们把已有的数据读取进来运行输出。

---

示例代码：

@skl--python

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("sale.csv")
df

运行结果：

需要稍加处理：

@skl--python

df["date"] = pd.to_datetime(df["date"])    #将date转换成日期格式
df.head()

看下结果：

现在，数据有了也简单的处理过了，那么从一个简单的折线图开始。下面我们采用的是面向对象的作图方式，之前有提过这种作图方式较有逻辑性，所以推荐运用，还是看代码比较直观吧！

示例代码：

@skl--python

fig,ax = plt.subplots(figsize = (8,5) , dpi = 80)
ax.plot(df["date"] , df["sale"])
ax.set(xlabel = "date" , ylabel = "sale" ,title = "sale_plot")
plt.show()

(以上代码中的语法及参数前两篇已经阐述)

运行结果：

补充知识：
对于画折线图会涉及到一些新的参数，通过结合实例来对这些参数的理解，下面将进行展示。

1.参数介绍
(1)针对线条的处理

• 线条类型
  参数：linestyle或者ls，可以取值：(1)”-” (2)”–” (3)”-.” (4)”:”

• 线条粗细
  参数：linewidth或lw，可自行设置

• 线条颜色
  参数：color或c
  颜色名称或简写 blue/b green/g red/r black/k white/w yellow/y
  cyan/c magenta/m
  (r, g, b),取值为[0, 1]之间（分母为255）

示例代码：

@skl--python

fig,ax = plt.subplots(figsize = (8,5) ,dpi = 80)
ax.plot(df["date"] , df["sale"] , linestyle = "--" , linewidth = 2 , color = (222/255,89/255,155/255))
#线条类型为“--”，线条宽度为2，线条颜色为RGB（222,89,155）
ax.set(xlabel = "date" , ylabel = "sale" , title = "plot")
plt.show()

运行结果：

(2)针对数据标记的处理

• 参数marker： 数据标记的类型
• 参数markeredgecolor 或 mec： 数据标记的边界颜色
• 参数markeredgewidth 或 mew：数据标记的宽度
• 参数markerfacecolor 或 mfc： 数据标记的填充色

示例代码：

@skl--python

fig , ax = plt.subplots(figsize = (8,5) ,dpi = 80)
ax.plot(df["date"] , df["sale"] ,marker = "o" ,mec = "k" , mfc = "w" , mew = 0.5)
#添加圆圈形状的数据标记，数据标记的边框颜色为绿色，填充色为白色
ax.set(xlabel = "date" ,ylabel = "sale" ,title = "plot")
plt.show()

运行结果：

(3)增加图例

• legend()函数中的loc参数：图例的位置
  可取的值有：
  0: “best”
  1: “upper right”
  2: “upper left”
  3: “lower left”
  4: “lower right”
  5: “right”
  6: “center left”
  7: “center right”
  8: “lower center”
  9: “upper center”
  10: “center”

示例代码：

@skl--python

fig ,ax = plt.subplots(figsize = (8,5) , dpi = 80)
ax.plot(df["date"] , df["sale"] , color = "g" , label = "sale")    #增加图例时，后面多加了一个参数label=""
ax.set(xlabel = "date" , ylabel = "sale" ,title = "plot")
ax.legend(loc = "best")   #best为最适合位置,自动寻找空白地方最大的位置
plt.show()

运行结果：

(4)网格线

• 在绘制的折线图上，加网格线作为图板背景。

示例代码：

@skl--python

fig , ax = plt.subplots(figsize = (8,5) , dpi =80)
ax.plot(df["date"] , df["sale"] , color = (89/255 , 89/255 , 89/255) , label = "sale")
ax.set(xlabel = "date" , ylabel = "sale" ,title = "plot")
ax.legend(loc = "best")
ax.grid(True) #添加网格线
plt.show()

运行结果：

2.在一个图中画多条线
示例代码：

@skl--python

fig , ax = plt.subplots(figsize = (8,5) , dpi =80)
ax.plot(df["date"] , df["sale"] , label = "sale")
ax.plot(df["date"] , df["sale"] +np.random.randint(1000,5000) , label = "more sale")
ax.set(xlabel = "date" , ylabel = "sale" , title ="plot")
ax.legend()
plt.show()

其中randint()函数：
randint(low[, high, size]),返回随机的整数，位于半开区间[low,high)。

运行结果：