python画折线图代码-Python折线图的分析过程和画图的方法

说起折线图，很多人都觉得非常简单，不就是一些点连成的线吗？用 Excel 几秒钟就能画出一张折线图。

真的就这么简单吗？

想一想：在普通的折线图中，如何自动地添加一条代表平均值的横线？如何添加一条带箭头的趋势线？如何快速地标注最大值和最小值？如何标注特殊事件？如何对折线图进行数据分析？

下面我们用一个具体的案例，演示折线图的分析过程和画图的方法。

一个案例

根据某公司 2019 年 9 月份每天的销量数据，画出如下一张折线图：

通过观察可以看到，销量每隔几天就有一个波谷，对照日历，发现一个规律：这些销量比较低的日期，都是周末或节假日。

如果理解了业务的周期性，那么在分析数据时，就能排除一些干扰，更快地找到对业务真正有价值的信息。

排除周期性的因素之后，我们观察折线图中的最大值和最小值，看看它们是否在正常范围以内，如果不是的话，那么要分析背后的原因。

比如说，9 月 30 日的销量最高，明显高于平时的正常水平，经过与业务沟通和分析发现，是因为这一天做了打折促销的运营活动。

在折线图中，有一条代表平均值的横线，以及一条带箭头的趋势线，它们有助于对数据整体趋势的把握。

从上面的图中可以看出，中秋节放假之后，销量有所上升，结合广告费的投入数据进行分析，计算它们相关系数，发现销量与广告费之间具有比较强的正相关性，也就是说，中秋节之后，销量上升的主要原因，是公司加大了广告费的投入。

通过上面的分析解读，我们知道，折线图能直观地反映出数据随着时间变化的趋势，让数据更容易进行对比，发现数据背后规律性的知识，从而帮助管理者更好地做出决策。

画图不是为了炫技，而是为了提高信息传递的效率。你不妨反思一下自己画过的图，是不是提高了信息传递的效率呢？

画图方法

能画折线图的软件工具有很多，本文采用的是 Python中的 matplotlib库。

在Jupyter Lab 中运行以下 Python代码，就可以画出上面那张折线图。

读取数据

# 读取每日销售数据

df = pd.read_excel('2019年9月每日销售.xlsx')

df

日期 实际销量

0 2019-09-01 7

1 2019-09-02 16

2 2019-09-03 18

3 2019-09-04 16