【数据分析实战】使用 Matplotlib 绘制折线图

1、简述

在日常的数据分析、科研报告、项目可视化展示中，折线图是一种非常常见且直观的数据可视化方式。本文将带你快速上手 Matplotlib，并通过几个实际例子掌握折线图的绘制方法。

Matplotlib 是 Python 中最常用的数据可视化库之一，它能够生成高质量的 2D 图形，是数据分析和科学计算的好帮手。

在本文中我们使用其核心模块 pyplot 来绘制折线图。

2、环境准备

安装 matplotlib：

bash 复制代码

pip install matplotlib

导入所需库：

python 复制代码

import matplotlib.pyplot as plt

3、折线图基础示例

我们从一个最简单的例子开始。

python 复制代码

import matplotlib.pyplot as plt
import matplotlib

# 设置支持中文的字体
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  # 黑体
matplotlib.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题

# 数据
x = [1, 2, 3, 4, 5]
y = [10, 12, 8, 15, 18]

# 绘图
plt.plot(x, y)

# 添加标题和标签
plt.title("简单折线图")
plt.xlabel("X 轴")
plt.ylabel("Y 轴")

# 显示图形
plt.show()

运行后你会看到一个基础的折线图，展示了 y 值随着 x 的变化趋势。

4、折线图实战样例

下面我们列举几个常见的实战场景。

示例 1：添加多个折线并设置图例

python 复制代码

x = [1, 2, 3, 4, 5]
y1 = [10, 12, 8, 15, 18]
y2 = [5, 8, 6, 10, 12]

plt.plot(x, y1, label="产品 A", marker='o')
plt.plot(x, y2, label="产品 B", linestyle='--', marker='s')

plt.title("产品销售趋势")
plt.xlabel("月份")
plt.ylabel("销售量")
plt.legend()  # 显示图例
plt.grid(True)  # 显示网格
plt.show()

✅ 小技巧：通过 marker 添加点样式、通过 linestyle 设置线型，图例用 legend() 来启用。

示例 2：自定义颜色、线宽、字体

python 复制代码

x = [0, 1, 2, 3, 4]
y = [3, 5, 2, 8, 7]

plt.plot(x, y, color='purple', linewidth=2.5, marker='D')

plt.title("定制风格折线图", fontsize=16, fontweight='bold')
plt.xlabel("时间", fontsize=12)
plt.ylabel("值", fontsize=12)

plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

示例 3：保存折线图为图片

python 复制代码

x = list(range(10))
y = [i**2 for i in x]

plt.plot(x, y)
plt.title("平方函数")
plt.savefig("line_chart.png", dpi=300)  # 保存为高清图片
plt.show()

示例 4：日期型折线图

使用 pandas 结合 matplotlib 可绘制时间序列折线图。

python 复制代码

import pandas as pd
import matplotlib.pyplot as plt

# 构造时间序列数据
dates = pd.date_range(start="2023-01-01", periods=7)
values = [10, 15, 13, 17, 20, 18, 25]

plt.plot(dates, values, marker='o')
plt.title("一周访问量趋势")
plt.xlabel("日期")
plt.ylabel("访问量")
plt.xticks(rotation=45)  # 旋转日期标签
plt.tight_layout()
plt.grid(True)
plt.show()

5、小结

Matplotlib 的折线图功能非常强大，通过简单的调用即可完成基础图形绘制，而通过进一步配置样式、图例、标签、保存图片等功能，可以制作出专业感十足的图表。

推荐实践：

将业务数据转化为图形报告
实现监控系统的数据可视化界面
利用 matplotlib + pandas 可视化时间序列趋势

如果你希望对图形交互、动画、嵌入网页等进一步学习，建议结合 Plotly、Seaborn 等库深入研究。需要我帮你把这篇整理成 Markdown 博客形式或是加个目录、封面图吗？