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 |
|
linestyle或ls | 指定折线的样式 |
|