数据分析基础之《matplotlib(2)—折线图》

一、折线图绘制与保存图片

1、matplotlib.pyplot模块

matplotlib.pyplot包含了一系列类似于matlab的画图函数。它的函数作用于当前图形(figure)的当前坐标系(axes)

python 复制代码
import matplotlib.pyplot as plt

2、折线图绘制与显示

展示城市一周的天气,比如从星期一到星期日的天气温度如下

python 复制代码
# 1)创建画布(容器层)
plt.figure()
# 2)绘制折线图(图像层)
plt.plot([1,2,3,4,5,6,7], [17,17,18,15,11,11,13])
# 3)显示图像
plt.show()

3、设置画布属性与图片保存

plt.figure(figsize=(), dpi=)

figsize:指定的长宽

dpi:图像的清晰度,dot per inch 每英寸有多少个点

返回fig对象

plt.savefig(path)

python 复制代码
# 1)创建画布(容器层)
plt.figure(figsize=(20,8), dpi=100)
# 2)绘制折线图(图像层)
plt.plot([1,2,3,4,5,6,7], [17,17,18,15,11,11,13])
# 保存图像
plt.savefig("/root/test78.png")
# 3)显示图像
plt.show()

注:plt.show()会释放figure资源,如果在显示图像之后保存图片将只能保存空图片

二、完善原始折线图1(辅助显示层)

1、案例:画出某城市11点到12点1小时内每分钟的温度变化折线图,温度范围在15度~18度

2、准备数据并画出初始折线图​

python 复制代码
# 案例:画出某城市11点到12点1小时内每分钟的温度变化折线图,温度范围在15度~18度

import random

# 1、准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]

# 2、创建画布
plt.figure(figsize=(20,8), dpi=100)

# 3、绘制图像
plt.plot(x, y_shanghai)

# 4、显示图像
plt.show()

3、添加自定义x、y刻度

修改刻度

(1)plt.xticks(x, [labels], **kwargs)

说明:

x:要显示的刻度值

labels\]:数组类型,用于设置每个间隔的显示标签 \*\*kwargs:用于设置标签字体倾斜度和颜色等外观属性 (2)plt.yticks(y, \*\*kwargs) 说明: y:要显示的刻度值 \*\*kwargs:刻度值显示的说明 ```python import random # 1、准备数据 x y x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] # 2、创建画布 plt.figure(figsize=(20,8), dpi=100) # 3、绘制图像 plt.plot(x, y_shanghai) # 修改x、y刻度 # 准备x的刻度说明 x_label = ["11点{}分".format(i) for i in x] plt.xticks(x[::5], x_label[::5]) plt.yticks(range(0, 40, 5)) # 4、显示图像 plt.show() ``` ![](https://file.jishuzhan.net/article/1728423071632592897/a2d737151e3e95ccbfac02f6730896fc.webp) 4、中文显示问题解决 (1)安装依赖包 yum install fontconfig mkfontscale (2)从windows系统复制一个微软雅黑 C:\\Windows\\Fonts\\msyh.ttc (3)将msyh.ttc上传到 /usr/share/fonts/ (3)刷新缓存 mkfontscale \&\& mkfontdir \&\& fc-cache (4)找到配置文件位置 ```python import matplotlib matplotlib.matplotlib_fname() ``` 显示 /usr/local/lib64/python3.6/site-packages/matplotlib/mpl-data/matplotlibrc (6)编辑文件matplotlibrc 找到font.family,去掉注释 找到font.sans-serif,去掉注释,并加上Microsoft YaHei (7)删除缓存 cd \~/.cache/matplotlib/ rm -r \* (8)代码 ```python import random # 设置字体 plt.rcParams["font.sans-serif"]=["Microsoft YaHei"] # 该语句解决图像中的"-"负号的乱码问题 plt.rcParams["axes.unicode_minus"]=False # 1、准备数据 x y x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] # 2、创建画布 plt.figure(figsize=(20,8), dpi=100) # 3、绘制图像 plt.plot(x, y_shanghai) # 修改x、y刻度 # 准备x的刻度说明 x_label = ["11点{}分".format(i) for i in x] plt.xticks(x[::5], x_label[::5]) plt.yticks(range(0, 40, 5)) # 4、显示图像 plt.show() ``` ![](https://file.jishuzhan.net/article/1728423071632592897/0af77a5f859dfe3a7d41464615343578.webp) 5、添加网络显示 plt.grid(b, linestyle='', alpha=) 说明: b:布尔值,是否显示网格 linestyle:线条风格 alpha:透明度 ```python import random # 设置字体 plt.rcParams["font.sans-serif"]=["Microsoft YaHei"] # 该语句解决图像中的"-"负号的乱码问题 plt.rcParams["axes.unicode_minus"]=False # 1、准备数据 x y x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] # 2、创建画布 plt.figure(figsize=(20,8), dpi=100) # 3、绘制图像 plt.plot(x, y_shanghai) # 修改x、y刻度 # 准备x的刻度说明 x_label = ["11点{}分".format(i) for i in x] plt.xticks(x[::5], x_label[::5]) plt.yticks(range(0, 40, 5)) # 添加网格显示 plt.grid(True, linestyle='--', alpha=0.5) # 4、显示图像 plt.show() ``` ![](https://file.jishuzhan.net/article/1728423071632592897/f462874386dff8c0e5493bebe3c3bf5a.webp) 6、添加描述信息 添加x轴、y轴,描述信息及标题 ```python import random # 设置字体 plt.rcParams["font.sans-serif"]=["Microsoft YaHei"] # 该语句解决图像中的"-"负号的乱码问题 plt.rcParams["axes.unicode_minus"]=False # 1、准备数据 x y x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] # 2、创建画布 plt.figure(figsize=(20,8), dpi=100) # 3、绘制图像 plt.plot(x, y_shanghai) # 修改x、y刻度 # 准备x的刻度说明 x_label = ["11点{}分".format(i) for i in x] plt.xticks(x[::5], x_label[::5]) plt.yticks(range(0, 40, 5)) # 添加网格显示 plt.grid(True, linestyle='--', alpha=0.5) # 添加描述信息 plt.xlabel("时间变化") plt.ylabel("温度变化") plt.title("某城市11点到12点每分钟的温度变化状况") # 4、显示图像 plt.show() ``` ![](https://file.jishuzhan.net/article/1728423071632592897/16023d99ecdb0dd0f4ff5c10e363f129.webp) 三、完善原始折线图2(图像层) 1、多次plot 需求:再添加一个城市的温度变化 收集到北京当天温度变化情况,温度在1度到3度 ```python import random # 设置字体 plt.rcParams["font.sans-serif"]=["Microsoft YaHei"] # 该语句解决图像中的"-"负号的乱码问题 plt.rcParams["axes.unicode_minus"]=False # 1、准备数据 x y x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] # 准备北京的数据 y_beijing = [random.uniform(1, 3) for i in x] # 2、创建画布 plt.figure(figsize=(20,8), dpi=100) # 3、绘制图像 plt.plot(x, y_shanghai, color="red", linestyle="--") plt.plot(x, y_beijing, color="blue") # 修改x、y刻度 # 准备x的刻度说明 x_label = ["11点{}分".format(i) for i in x] plt.xticks(x[::5], x_label[::5]) plt.yticks(range(0, 40, 5)) # 添加网格显示 plt.grid(True, linestyle='--', alpha=0.5) # 添加描述信息 plt.xlabel("时间变化") plt.ylabel("温度变化") plt.title("上海、北京11点到12点每分钟的温度变化状况") # 4、显示图像 plt.show() ``` ![](https://file.jishuzhan.net/article/1728423071632592897/ab893f38ce49100ba65be2b473aae4b5.webp) 2、设置图形风格 颜色字符 r:红色 g:绿色 b:蓝色 w:白色 c:青色 m:洋红 y:黄色 k:黑色 风格字符 -:实线 --:虚线 -.:点划线 ::点虚线 '':留空、空格 (效果见下一个) 3、显示图例 需要添加label标签,需要改图像层、辅助显示层 plt.legend(loc="best") 图例位置: best:0 upper right:1 upper left:2 lower left:3 lower right:4 right:5 ```python import random # 设置字体 plt.rcParams["font.sans-serif"]=["Microsoft YaHei"] # 该语句解决图像中的"-"负号的乱码问题 plt.rcParams["axes.unicode_minus"]=False # 1、准备数据 x y x = range(60) y_shanghai = [random.uniform(15, 18) for i in x] # 准备北京的数据 y_beijing = [random.uniform(1, 3) for i in x] # 2、创建画布 plt.figure(figsize=(20,8), dpi=100) # 3、绘制图像 plt.plot(x, y_shanghai, color="red", linestyle="--", label="上海") plt.plot(x, y_beijing, color="blue", label="北京") # 显示图例 plt.legend(loc="best") # 修改x、y刻度 # 准备x的刻度说明 x_label = ["11点{}分".format(i) for i in x] plt.xticks(x[::5], x_label[::5]) plt.yticks(range(0, 40, 5)) # 添加网格显示 plt.grid(True, linestyle='--', alpha=0.5) # 添加描述信息 plt.xlabel("时间变化") plt.ylabel("温度变化") plt.title("上海、北京11点到12点每分钟的温度变化状况") # 4、显示图像 plt.show() ``` ![](https://file.jishuzhan.net/article/1728423071632592897/644854c6bc1f2cdef0e80dce42c53690.webp)

相关推荐
Start_Present2 小时前
Pytorch 第十二回:循环神经网络——LSTM模型
pytorch·rnn·神经网络·数据分析·lstm
DREAM.ZL3 小时前
基于python的电影数据分析及可视化系统
开发语言·python·数据分析
大美B端工场-B端系统美颜师5 小时前
静态图表 VS 动态可视化,哪种更适合数据故事讲述?
信息可视化·数据挖掘·数据分析
青云交9 小时前
Java 大视界 -- Java 大数据在智能电网电力市场交易数据分析与策略制定中的关键作用(162)
java·大数据·数据分析·交易策略·智能电网·java 大数据·电力市场交易
mosquito_lover113 小时前
Python数据分析与可视化实战
python·数据挖掘·数据分析
QQ__176461982415 小时前
Labview信号采集与分析系统(可仿真)
数据分析·数据采集·labview
奔跑吧邓邓子16 小时前
【家政平台开发(9)】家政平台数据分析需求:从采集到可视化全攻略
数据分析·需求分析·家政平台开发
赵钰老师16 小时前
【Deepseek、ChatGPT】智能气候前沿:AI Agent结合机器学习与深度学习在全球气候变化驱动因素预测中的应用
人工智能·python·深度学习·机器学习·数据分析
大美B端工场-B端系统美颜师16 小时前
定制化管理系统与通用管理系统,谁更胜一筹?
人工智能·信息可视化·数据挖掘·数据分析
jinan88617 小时前
企业的移动终端安全怎么管理?
大数据·网络·安全·数据分析·开源软件