前言
众所周知,matplotlib 是一款功能强大开源的数据可视化模块,凭借着强大的扩展性构建出更高级别的绘图工具接口如seaborn、ggplot。我们来看看往期学习章节内容概述吧~
接下来,我们将继续学习matplotlib 图表绘制具体的功能实操,掌握针对不同图表的绘制
本期,我们重点对折线图的绘制进行学习和掌握,Let's go~
1. 折线图概述
-
什么是折线图?
- 折线图是在坐标中通过线条升降的方式展示随着某种变化而变化的连续性数据
- 通过折线的起伏表示数据的增减变化的情况
- 折线图可以拆分为动态折线图、依存关系折线图和次数分布折线图
-
折线图使用场景
折线图自身的线条的变化,可以在图表中清晰读取到数据变化情况,可以运用的场景特点如下
- 描绘统计事项总体指标的动态
- 研究对象间的依存关系
- 总体中各个部分的分配情况
- 适合大量数据展示其趋势变化
-
绘制折线图步骤
-
导入matplotlib.pyplot模块
-
准备数据,可以使用numpy/pandas整理数据
-
调用pyplot.plot()绘制折线图
-
-
案例展示
本期,我们使用折线图来展示从 10份 所有文章访问量数据展示
- 本期,我们所有的案例用到的数据如下
import random x_data = ["10月{}日".format(i+1) for i in range(30)] y_view = [random.randint(50,200) for i in range(30)] 复制代码
- 展示10月份数据折线图
import matplotlib.pyplot as plt import random plt.rcParams["font.sans-serif"]=['SimHei'] plt.rcParams["axes.unicode_minus"]=False x_data = ["10月{}日".format(i+1) for i in range(30)] y_view = [random.randint(50,200) for i in range(30)] plt.figure(figsize=(20,5),dpi=90) plt.plot(x_data,y_view) plt.xticks(rotation=45) plt.title("访问量分析") plt.xlabel("日期") plt.ylabel("访问量") plt.show() 复制代码
2. 折线2D属性
-
linestyle:折线样式