【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 PlotlySeaborn 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?

相关推荐
IT北辰1 小时前
用Python+MySQL实战解锁企业财务数据分析
python·mysql·数据分析
我要学习别拦我~7 小时前
TikTok 视频审核模型:用逻辑回归找出特殊类型的视频
机器学习·数据分析·逻辑回归
白鲸开源11 小时前
从日志到告警,带你用好 SeaTunnel 的事件监听能力
大数据·数据分析·开源
我就是全世界14 小时前
ClickHouse vs PostgreSQL:数据分析领域的王者之争,谁更胜一筹?
clickhouse·postgresql·数据分析
java1234_小锋14 小时前
[免费]基于Python的招聘职位信息推荐系统(猎聘网数据分析与可视化)(Django+requests库)【论文+源码+SQL脚本】
python·数据分析·django·python招聘系统·django招聘
生信大杂烩15 小时前
基于成像空间转录组技术的肿瘤亚克隆CNV原位推断方法
python·数据分析
workflower15 小时前
AI IDE+AI 辅助编程-生成的大纲-一般般
ide·人工智能·数据分析·软件工程·需求分析
zzywxc7871 天前
AI 驱动的软件测试革新:框架、检测与优化实践
人工智能·深度学习·机器学习·数据挖掘·数据分析
大数据魔法师1 天前
Matplotlib(二)- Matplotlib简单绘图
matplotlib·数据可视化
界面开发小八哥1 天前
.NET报表控件ActiveReports发布v19.0——正式兼容 .NET 9
信息可视化·.net·报表·报表工具·activereports