折线图不显示y轴值_气象绘图加强版（一）——折线图

本节提要：不满意最开始那一版的折线图教程，所以进行了这一强化版的撰写。主要针对matplotlib中的折线图，对关键字指令升级梳理，希望能帮助新入门的小伙伴。

---

---

一、简要谈谈折线图

折线图是科学或者商业图表中最为基础的一种了，其主要展示时间序列的变化情况，能够使读者了然数据的大小、升降、正负关系，还能展示各种折线数据的相对关系，但对整体——局部的表现力较差，参与有地图的绘制也比较困难。 折线图非常实用，过往期刊杂志由于黑色印刷，为区分各个值的折线，要求用标记符号、线条样式等方式用于区分；matplotlib作为python的祖母级绘图库，提供了丰富的关键字指令用以美化、修饰图表。下面就让我们来一睹plot绘图函数的风采吧！ 二、plot( )绘图函数的基础运作 使用过excel的小伙伴应该能理解折线图的绘制原理，其本质是针对横轴和纵轴坐标点的链接，实际上这些点和scatter命令是一致的，只是plot命令能够使其连接成线。 不管你在前面是否划分了子图，plt.plot()都是可以使用的，进一步的，库包提供了ax.plot()在子图内部调用。 plot()命令是在内部传入x轴、y轴数据，两者的数据不能长度不一，然后电脑自动在笛卡尔坐标系中按顺序连接这些点。 A、横纵轴数据直接的传入

import numpy as npimport matplotlib.pyplot as pltfig=plt.figure(figsize=(4,4),dpi=500)#添加画布plt.plot([1],[1],marker='*')#列表单独一个点plt.plot(1,1,marker='*')#数值单独一个点plt.plot((1),(1),marker='*')#元组单独一个点plt.show()

可以看出，列表、元组、数值都可以直接传入plot并成功绘制，原则上是没有问题的。这种传入方式只能用来做实验讲明原理，在上手实际数据时完全受到限制。

B、横纵轴数据间接的传入

这种数据传入方式才是实用的，通过一个参数符号，连接plot与外部数据：

import numpy as npimport matplotlib.pyplot as pltfig=plt.figure(figsize=(3,3),dpi=500)#添加画布x=[1,2,3,4,5]y=[1,2,3,4,5]plt.plot(x,y)

通过参数x和y，我们实现了内外数据的连接。当然，在这种方式下，元组数据也能传入并正常绘图。

C、横轴纵轴数据必须长度一致

x、y在传入时，长度必须一致，否则报错。

import numpy as npimport matplotlib.pyplot as pltfig=plt.figure(figsize=(3,3),dpi=500)#添加画布x=[1,2,3,4,5]y=[1,2,3,4]plt.plot(x,y)

ValueError: x and y must have same first dimension, but have shapes (5,) and (4,)

三、plot( )函数的常用关键字参数

接下来，就是plot函数的最重要部分了——关键字参数。关键字参数相当于战士的武器、巫师的拐杖、道士的法宝，没有关键字参与，plot()函数和咸鱼没什么区别。

(点击右侧小图可查看大图)

plot( )函数常用关键字参数
x y	x,y即最为关键的数据部分，请注意顺序。

color或c

指定折线的颜色

x=[1,2,3,4,5]y1=[1,2,3,4,5]y2=[2,3,4,5,6]y3=[3,4,5,6,7]plt.plot(x,y1,color='k')plt.plot(x,y2,color='b')plt.plot(x,y3,color='r')

linestyle或ls

指定折线的样式

x=[1,2,3,4,5]y1=[1,2,3,4,5]y2=[2,3,4,5,6]y3=[3,4,5,6,7]plt.plot(x,y1,linestyle=':')plt.plot(x,y2,linestyle='--')plt.plot(x,y3,linestyle='-.')