P2M-Matplotlib折线图完全指南-从数据可视化到趋势分析的Python绘图利器

本文档基于 Matplotlib 从零实现折线图的绘制，涵盖环境准备、plot() 函数核心参数详解（线型、颜色、标记、线宽）、完整代码实现及逐行解析、运行结果展示等内容。通过一个2026年两款产品月度销售额对比的实际案例，帮助读者深入理解折线图的绘制方法和参数配置技巧 📈

This document implements line chart drawing from scratch using Matplotlib, covering environment setup, detailed parameter explanation of the plot() function (linestyle, color, marker, linewidth), complete code implementation with line-by-line analysis, and result visualization. Through a real-world 2026 monthly sales comparison case study of two products, it helps readers deeply understand line chart drawing techniques and parameter configuration 📈

术语表 / Terminology

术语 / Term	说明 / Description
Line Chart（折线图）	用于展示数据随时间或顺序变化的趋势图，通过连接数据点形成折线
plot()	Matplotlib 中绘制折线图的核心函数，支持线型、颜色、标记等参数
linestyle（线型）	线条的样式，如实线 `-`、虚线 `--`、点线 `:`、点划线 `-.`
marker（标记）	数据点的形状标识，如菱形 `D`、方形 `s`、圆形 `o`、三角形 `^`
linewidth（线宽）	线条的粗细，以浮点数表示，默认值为 1
legend（图例）	图表中用于区分不同数据系列的标识说明
grid（网格线）	图表中的辅助网格线，提升数据的可读性
alpha（透明度）	图形元素的透明度，取值范围 $0, 1$ ，0 为完全透明

章节阅读路线图 🗺️ / Chapter Reading Roadmap

环境准备 🧰 / Environment Setup → 确认 Matplotlib 安装并导入必要库
折线图基础概念 📈 / Basic Concepts of Line Chart → 了解折线图的定义、适用场景和核心要素
核心参数详解 🔧 / Core Parameters Explained → 深入理解 plot() 函数的关键参数及其作用
完整代码实现 💻 / Complete Code Implementation → 产品月销售额对比案例的完整代码
代码逐行解析 🔍 / Line-by-Line Code Analysis → 详细拆解每一步的数据处理和图元配置
运行结果展示 📊 / Result Visualization → 展示生成的折线图效果
总结 📝 / Summary → 回顾核心要点和参数配置技巧

1. 环境准备 🧰 / Environment Setup

📦 Note: 本章确认 Matplotlib 安装并导入必要库 / This chapter confirms Matplotlib installation and imports required libraries.

🔧 在开始绘图之前，请确保你的环境中已经安装了 Matplotlib。如果还没有安装，可以通过以下命令快速安装：

bash 复制代码

pip install matplotlib

📚 绘制折线图通常只需要导入 Matplotlib 的 pyplot 模块，同时为了处理中文显示问题，还需要进行字体配置：

python 复制代码

import matplotlib.pyplot as plt              # 导入 pyplot 模块，提供类似 MATLAB 的绘图接口 📈
import numpy as np                           # 导入 NumPy 库，用于数值计算和数组操作 🔢

# 设置 Matplotlib 支持中文显示 🇨🇳
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']  # 设置中文字体为黑体，英文字体为 DejaVu Sans
plt.rcParams['axes.unicode_minus'] = False   # 解决坐标轴负号显示为方块的问题 ✅

matplotlib.pyplot 📈：Matplotlib 的核心模块，提供类似 MATLAB 的绘图接口
numpy 🔢：数值计算库，用于处理数据数组
rcParams ⚙️：Matplotlib 的运行时配置参数字典，用于全局设置字体、样式等

💡 如果你的系统没有 SimHei 字体，也可以使用其他中文字体如 'Microsoft YaHei'（微软雅黑）或 'KaiTi'（楷体），具体取决于你的操作系统。

参考资料：

2. 折线图基础概念 📈 / Basic Concepts of Line Chart

📈 Note: 本章介绍折线图的定义、适用场景和核心要素 / This chapter introduces the definition, use cases, and core elements of line charts.

2.1 什么是折线图？🤔 / What is a Line Chart?

折线图（Line Chart） 是一种将数据点按顺序用直线段连接起来的统计图表。它将数据点绘制在二维坐标系中，横轴通常表示时间或顺序（如月份、年份），纵轴表示数值（如销售额、温度）。折线图的核心价值在于展示趋势 ------ 通过折线的上升、下降或平坦来直观反映数据随时间或顺序的变化规律。

直观类比 🏔️：想象你记录了一座山峰在攀登过程中每个时间点的海拔高度

将每个时间点的海拔位置标记出来（数据点）
用线把这些点连接起来（折线）
如果线路一路上升 → 表示在持续爬升
如果线路先升后降 → 表示翻过了山顶开始下山

2.2 适用场景 🎯 / When to Use Line Charts

折线图最适合展示 "数据随时间或顺序的变化趋势"，特别是在以下场景：

场景	示例	说明
时间序列分析 📅	月度销售额变化趋势	展示数据随时间的变化方向
对比趋势 ⚔️	多款产品同期销售对比	比较不同系列的趋势差异
增长分析 📊	用户数量增长曲线	展示增长速度变化
波动分析 🌊	股价每日收盘价变化	展示数据波动规律

2.3 使用注意事项 ⚠️ / Usage Considerations

折线图虽然直观，但有以下注意事项：

横轴建议有序 🔢：折线图假设横轴的数据是有序的（如时间序列），如果横轴是无序类别，建议使用条形图
线条不宜过多 📏：同一图表中线条建议不超过 5 条，过多会导致图表混乱难以辨认
数据点密度适中 🎯：数据点太少可能隐藏趋势细节，太多则可能使图表显得拥挤
纵轴从零开始 ⚖️：除非有特殊原因，纵轴应从零开始以避免夸大趋势变化

参考资料：

3. 核心参数详解 🔧 / Core Parameters Explained

🔧 Note: 本章深入讲解 plot() 函数的关键参数及其作用 / This chapter explains the key parameters of the plot() function in detail.

plt.plot() 是 Matplotlib 中用于绘制折线图的核心函数，其基本语法如下：

python 复制代码

plt.plot(x, y, fmt, linestyle='-', linewidth=1, marker=None,
         color=None, label=None, markersize=6, markeredgecolor=None)

3.1 核心参数速查表 📋 / Core Parameters Quick Reference

参数	类型	默认值	说明
`x`	array-like	必填	数据点的横坐标，通常为时间或有序序列
`y`	array-like	必填	数据点的纵坐标，即要展示的数值
`color` / `c`	str	自动循环	线条颜色，支持颜色名称、十六进制、RGB 等
`linestyle` / `ls`	str	`'-'`	线型：`'-'` 实线、`'--'` 虚线、`':'` 点线、`'-.'` 点划线
`linewidth` / `lw`	float	1	线条宽度，值越大线条越粗
`marker`	str	None	数据点标记样式：`'D'` 菱形、`'s'` 方形、`'o'` 圆形、`'^'` 上三角
`markersize` / `ms`	float	6	标记点的大小
`markeredgecolor` / `mec`	str	自动	标记点边缘颜色
`markerfacecolor` / `mfc`	str	自动	标记点填充颜色
`label`	str	None	图例标签文字，用于 `plt.legend()` 显示

3.2 格式化字符串 fmt 🏷️ / Format String

plot() 支持使用格式化字符串（fmt） 快速设置颜色、标记和线型。格式为：

python 复制代码

plt.plot(x, y, '[color][marker][linestyle]')

示例：'bo-' 表示蓝色（b）圆形标记（o）实线（-）

颜色码	含义	标记码	含义	线型码	含义
`'b'`	蓝色	`'D'`	菱形	`'-'`	实线
`'r'`	红色	`'s'`	方形	`'--'`	虚线
`'g'`	绿色	`'o'`	圆形	`':'`	点线
`'k'`	黑色	`'^'`	上三角	`'-.'`	点划线
`'m'`	品红	`'*'`	星形	`''`	无线条

⚠️ 注意：fmt 字符串中颜色的字母代码、标记符号和线型符号顺序不可颠倒，且三者之间不需要空格。如果不指定某一部分，该部分使用默认值。

3.3 关键参数详解 🔍 / Key Parameters Deep Dive

3.3.1 `color` 参数 ------ 线条颜色 🎨

color 参数控制线条和标记的颜色，支持多种颜色指定方式：

python 复制代码

plt.plot(x, y, color='blue')        # 颜色名称 🎨
plt.plot(x, y, color='#1f77b4')     # 十六进制颜色码 🎯
plt.plot(x, y, color=(0.1, 0.5, 0.8))  # RGB 元组（值范围 0-1）🌈

图解读 🔍：左图两条折线使用了相同的蓝色，产品A 和产品B 的折线在多处交叉，读者很难分辨哪条线对应哪个产品，必须通过图例才能勉强识别；右图产品A 使用蓝色（十六进制 '#1f77b4'）、产品B 使用红色（'#d62728'），两条折线的数据归属一目了然。通过 color 参数为不同数据系列分配不同颜色，是折线图多系列展示的第一步，也是最关键的一步。

图片来源：本文档配套生成 -- Python-基础技术

3.3.2 `linestyle` 参数 ------ 线条样式 📏

linestyle 控制线条的绘制样式：

python 复制代码

plt.plot(x, y, linestyle='-')        # 实线（默认），简写 '-' ➖
plt.plot(x, y, linestyle='--')       # 虚线，简写 '--' ➖➖
plt.plot(x, y, linestyle=':')        # 点线，简写 ':' ➖➖➖
plt.plot(x, y, linestyle='-.')       # 点划线，简写 '-.' ➖➖🔵

图解读 🔍：左图产品A 使用实线、产品B 使用虚线，两条线的趋势一目了然；右图两条线均为实线，在 2-4 月区域重叠纠缠，读者很难区分哪条线对应哪个产品。linestyle 的差异化搭配是折线图多系列展示的关键技巧。

图片来源：本文档配套生成 -- Python-基础技术

3.3.3 `marker` 参数 ------ 数据点标记 🔵

marker 控制每个数据点的显示形状：

python 复制代码

plt.plot(x, y, marker='D')           # 大菱形标记 💎
plt.plot(x, y, marker='s')           # 方形标记 ■
plt.plot(x, y, marker='o')           # 圆形标记 ●
plt.plot(x, y, marker='^')           # 上三角标记 ▲
plt.plot(x, y, marker='*')           # 星形标记 ✦

常用标记样式速查表：

标记码	样式	填充类型	适用场景
`'D'`	大菱形 💎	填充型	数据点较少，需醒目显示
`'d'`	小菱形 🔹	填充型	普通数据点标注
`'s'`	方形 ■	填充型	商业图表常用
`'o'`	圆形 ●	填充型	最通用的标记
`'^'`	上三角 ▲	填充型	特殊区分场景
`'*'`	星形 ✦	填充型	强调特定数据点
`'.'`	点 ·	非填充型	数据点密集时

图解读 🔍：左图展示了菱形标记（marker='D'），每个数据点以醒目的菱形图标标注，同时显示具体数值便于精确读取；右图展示了方形标记（marker='s'），数据点以方块图标标注。两种标记都能有效增强数据点的辨识度，选择哪种取决于视觉风格偏好。

图片来源：本文档配套生成 -- Python-基础技术

3.3.4 `linewidth` 参数 ------ 线条粗细 📏

python 复制代码

plt.plot(x, y, linewidth=2)          # 设置线宽为 2（默认值为 1）

linewidth 可以简写为 lw。较大的值使线条更粗，增强可视性。

图解读 🔍：左图为默认线宽（linewidth=1），线条偏细，在展示屏或打印时可能不够醒目；右图将线宽增加到 3，线条明显加粗，数据和趋势的可视性大幅提升。linewidth=2 是商业报告常用的折衷值，既醒目又不显得粗犷。

图片来源：本文档配套生成 -- Python-基础技术

3.3.5 完整参数组合示例 💡

python 复制代码

# 产品A：蓝色实线，菱形标记，线宽 2
plt.plot(months, product_a, color='blue', linestyle='-', marker='D', linewidth=2, label='产品A')

# 产品B：红色虚线，方形标记，线宽 2
plt.plot(months, product_b, color='red', linestyle='--', marker='s', linewidth=2, label='产品B')

参考资料：

matplotlib.pyplot.plot 官方参数文档 -- Matplotlib ⭐值得阅读
Line plot styles in Matplotlib -- GeeksforGeeks
Matplotlib Marker Reference -- Matplotlib ⭐值得阅读
Matplotlib plot 参数配置 -- CSDN
matplotlib 线型样式 -- 博客园

4. 完整代码实现 💻 / Complete Code Implementation

💻 Note: 本章展示两款产品月度销售额对比折线图的完整代码 / This chapter presents the complete code for the monthly sales comparison line chart of two products.

4.1 案例数据 📊 / Case Data

某公司 2026 年第一季度（1-3月）和第二季度（4-6月） 两款产品的月度销售额数据如下：

月份	产品A销售额（万元）	产品B销售额（万元）
1月	12.5	18.0
2月	15.0	14.5
3月	18.5	16.0
4月	22.0	13.5
5月	25.5	20.0
6月	30.0	24.5

4.2 完整代码 🎬 / Complete Code

python 复制代码

import matplotlib.pyplot as plt              # 导入 pyplot 模块，提供绘图接口 📈
import numpy as np                           # 导入 NumPy，用于数组运算 🔢

# ========== 1. 设置中文字体 ========== 🇨🇳
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']  # 设置黑体为默认字体，确保中文正常显示
plt.rcParams['axes.unicode_minus'] = False   # 解决负号显示为方块的问题 ✅

# ========== 2. 准备数据 ========== 📊
# 月份列表，数据流动：字符串列表 → x 轴坐标
months = ['1月', '2月', '3月', '4月', '5月', '6月']

# 产品A各月销售额（万元），数据流动：[12.5, 15, 18.5, 22, 25.5, 30] → 第一条折线
product_a = [12.5, 15.0, 18.5, 22.0, 25.5, 30.0]

# 产品B各月销售额（万元），数据流动：[18, 14.5, 16, 13.5, 20, 24.5] → 第二条折线
product_b = [18.0, 14.5, 16.0, 13.5, 20.0, 24.5]

# ========== 3. 绘制折线图 ========== 📈
# 绘制产品A：蓝色实线 + 菱形标记，线宽 2 🔵
plt.plot(months, product_a,                    # x=月份, y=产品A销售额
         color='blue', linestyle='-',           # 蓝色实线
         marker='D', linewidth=2,               # 菱形标记(D), 线宽 2
         label='产品A')                         # 图例标签

# 绘制产品B：红色虚线 + 方形标记，线宽 2 🔴
plt.plot(months, product_b,                    # x=月份, y=产品B销售额
         color='red', linestyle='--',           # 红色虚线
         marker='s', linewidth=2,               # 方形标记(s), 线宽 2
         label='产品B')                         # 图例标签

# ========== 4. 添加图表装饰 ========== 🏷️
plt.title('2026年产品月度销售对比')              # 设置图表标题，说明图表内容
plt.xlabel('月份')                              # 设置 x 轴标签，表示时间维度
plt.ylabel('销售额（万元）')                      # 设置 y 轴标签，表示销售额数值

plt.legend()                                    # 显示图例，区分产品A和产品B

plt.grid(True, alpha=0.3)                       # 添加网格线，透明度 0.3，提升可读性

# ========== 5. 显示图表 ========== 👁️
plt.show()                                      # 渲染并显示折线图（Jupyter 中可省略）

💡 提示：如果需要在非交互式环境中保存图片，可以使用 plt.savefig('line_chart.png', dpi=150, bbox_inches='tight') 替代 plt.show()。

参考资料：

5. 代码逐行解析 🔍 / Line-by-Line Code Analysis

🔍 Note: 本节详细拆解每一步的操作和数据流向 / This section breaks down each step's operation and data flow.

第1步：设置中文字体 🇨🇳

python 复制代码

plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']  # 设置中文字体为黑体 SimHei
plt.rcParams['axes.unicode_minus'] = False   # 修复负号显示为方块的问题 ✅

Matplotlib 默认字体不支持中文，直接使用中文标签会出现乱码（显示为小方块）。通过修改 rcParams 配置：

font.sans-serif：设置无衬线字体列表，SimHei（黑体）排在第一优先级
axes.unicode_minus：设置为 False 解决负号显示异常

💡 为什么需要设置中文字体？ Matplotlib 的默认字体是 DejaVu Sans，它不包含中文字符集。SimHei（黑体）是 Windows 系统自带的中文字体，也可以使用 'Microsoft YaHei'（微软雅黑）。

第2步：准备数据 📊

python 复制代码

months = ['1月', '2月', '3月', '4月', '5月', '6月']
product_a = [12.5, 15.0, 18.5, 22.0, 25.5, 30.0]
product_b = [18.0, 14.5, 16.0, 13.5, 20.0, 24.5]

数据准备要点 💡：

months（横轴数据）：是月份标签列表，用作 x 轴刻度标签
product_a（纵轴数据） ：产品A在 1-6 月的销售额，呈现持续上升趋势（12.5 → 30.0）
product_b（纵轴数据） ：产品B在 1-6 月的销售额，呈现先降后升的波动趋势（18.0 → 14.5 → 24.5）
数据对齐：两个产品的数据与 months 列表一一对应，月份索引相同的数据点在同一个 x 轴位置

第3步：绘制折线图 📈

这是最核心的一步，plt.plot() 的每个参数都有明确的作用：

python 复制代码

# 绘制产品A：蓝色实线 + 菱形标记，线宽 2 🔵
plt.plot(months, product_a,
         color='blue', linestyle='-',
         marker='D', linewidth=2,
         label='产品A')

# 绘制产品B：红色虚线 + 方形标记，线宽 2 🔴
plt.plot(months, product_b,
         color='red', linestyle='--',
         marker='s', linewidth=2,
         label='产品B')

参数详解 🔍：

color='blue' 和 color='red' 🎨：

定义两条折线的颜色，帮助读者快速区分两个产品系列。产品A使用蓝色，传递专业、稳定的视觉感知；产品B使用红色，传递活力、波动的视觉感知。

linestyle='-' 和 linestyle='--' 📏：

产品A使用实线 '-'，表示其销售额持续稳定增长的趋势
产品B使用虚线 '--'，表示其销售额有波动的特点
线型和颜色的双重区分，确保即使黑白打印也能识别

marker='D' 和 marker='s' 🔵：

产品A使用菱形标记 'D'（Diamond），每个数据点用菱形标识
产品B使用方形标记 's'（Square），每个数据点用方形标识
标记显著增强了每个数据点的可视性，读者可以精确定位到各个月的销售数据

linewidth=2 📏：

linewidth=2 将线条宽度设为默认值的 2 倍，使折线更醒目。在实际的商业报告中，适当的线宽（1.5-2.5）通常比默认的 1.0 更具可读性。

label='产品A' 和 label='产品B' 🏷️：

label 参数为每条折线赋予一个名称，用于图例显示。该名称会出现在 plt.legend() 生成的图例框中，帮助读者理解每条折线对应哪个产品。

第4步：添加图表装饰 🏷️

python 复制代码

plt.title('2026年产品月度销售对比')              # 设置标题，说明图表主题
plt.xlabel('月份')                              # 设置 x 轴标签
plt.ylabel('销售额（万元）')                      # 设置 y 轴标签
plt.legend()                                    # 显示图例
plt.grid(True, alpha=0.3)                       # 添加网格线，透明度 0.3

plt.title() 🏷️：

设置图表的标题，置于图表顶部，说明图表展示的内容。标题应简洁明了，让读者一眼看出图表主题。

plt.xlabel() 和 plt.ylabel() 📍：

分别设置 x 轴和 y 轴的标签：

x 轴标签 '月份'：说明横轴表示时间维度（1 月到 6 月）
y 轴标签 '销售额（万元）'：说明纵轴表示销售额数值，单位为万元

plt.legend() 🏷️：

legend() 会自动读取每条折线的 label 参数值，生成一个图例框。图例通常放置在图表空白区域（默认 loc='best' 自动选择最佳位置），帮助读者对照颜色和线型识别数据系列。

plt.grid(True, alpha=0.3) 📐：

grid(True) 开启网格线，alpha=0.3 设置网格线透明度为 30%：

网格线帮助读者更精确地读取数据点的数值
透明度 0.3 使网格线不会喧宾夺主，保持图表干净
读者可以在网格线的辅助下，快速估算每个数据点的大致数值

图解读 🔍：左图没有开启网格线，读者虽然能看到两条折线的相对走势，但无法准确判断某个数据点的具体数值（如产品A 5月的销售额是接近 25 还是 26 万元？）。右图添加了 alpha=0.3 的半透明网格线，每个数据点都有横纵网格参考，可以快速估算出产品A 5月销售额约 25.5 万元。网格线的 alpha=0.3 保证了可读性的同时不会喧宾夺主。

图片来源：本文档配套生成 -- Python-基础技术

数据趋势解读 📊

从生成的折线图中可以观察到两个产品的不同销售趋势：

产品	趋势	解读
产品A 📈	持续上升（12.5 → 30.0）	销售额逐月稳步增长，6 月比 1 月增长 140%，表现强劲
产品B 📉📈	先降后升（18.0 → 14.5 → 24.5）	1-2 月下滑，3-4 月筑底，5-6 月反弹回升

参考资料：

6. 运行结果展示 📊 / Result Visualization

📊 Note: 本章展示生成的折线图效果 / This chapter shows the resulting line chart.

运行上述代码后，将生成一张包含两条折线的对比图表：

图解读 🔍：产品A（蓝色实线+菱形标记）从 1 月 12.5 万元持续增长至 6 月 30.0 万元，呈现强劲上升趋势；产品B（红色虚线+方形标记）1-3 月波动中下滑至低点，4 月后快速反弹至 24.5 万元。两种线型和颜色的双重编码确保即使黑白打印也能识别。网格线辅助读者精确读取各月数据。

图片来源：本文档配套生成 -- Python-基础技术

🔵 产品A（蓝色实线 + 菱形标记）：1-6 月销售额持续上升，从 12.5 万元增长到 30.0 万元
🔴 产品B（红色虚线 + 方形标记）：1-4 月先降后稳（18.0 → 13.5），5-6 月快速反弹增长到 24.5 万元

折线图解读要点 🔍：

趋势线方向 📈：折线的倾斜方向反映变化趋势（上升/下降/平稳）
- 产品A 的线整体向上倾斜 → 持续增长
- 产品B 的线先向下然后向上 → V 型反弹
线条陡峭程度 📏：线条越陡表示变化越快
- 产品A 的 4-6 月段明显比 1-3 月更陡 → 增长速度加快
数据点位置 🎯：标记点的纵坐标位置对应具体的销售额
- 使用网格线辅助，可以快速读出每条线各月的大致销售额
两条线的交叉 ⚡：折线的交叉点表示两个产品在该月的销售额相等或接近
- 产品A 和产品B 在 3 月左右销售额最为接近

💡 Key Takeaways / 核心要点

Line chart visualizes trends --- reveal patterns of increase, decrease, or fluctuation over time / 折线图展示趋势变化，揭示增长、下降或波动规律

Color + linestyle + marker triple encoding --- use multiple visual cues to distinguish data series / 颜色+线型+标记三重编码，多维度区分数据系列

Grid improves readability --- semi-transparent grid helps estimate values accurately / 网格线提升可读性，半透明网格辅助精确估值

Linewidth enhances visibility --- thicker lines (lw=2) make trends more prominent / 增加线宽（lw=2）让趋势更加醒目

参考资料：

7. 总结 📝 / Summary

本节我们完成了 Matplotlib 折线图的绘制，从案例数据到完整代码实现，核心要点回顾：🎯

步骤	操作	代码对应
1️⃣	设置中文字体	`plt.rcParams['font.sans-serif'] = ['SimHei', ...]`
2️⃣	准备数据	`months = [...]`, `product_a = [...]`, `product_b = [...]`
3️⃣	绘制产品A折线	`plt.plot(months, product_a, color='blue', linestyle='-', marker='D', linewidth=2)` 🔵
4️⃣	绘制产品B折线	`plt.plot(months, product_b, color='red', linestyle='--', marker='s', linewidth=2)` 🔴
5️⃣	添加标题和标签	`plt.title()`, `plt.xlabel()`, `plt.ylabel()` 🏷️
6️⃣	显示图例	`plt.legend()` 🏷️
7️⃣	添加网格线	`plt.grid(True, alpha=0.3)` 📐
8️⃣	显示图表	`plt.show()` 👁️

🔴 关键理解：

📈 折线图的核心是展示数据随时间的变化趋势 ，使用 plot() 函数绘制
🎨 color 参数通过颜色区分不同数据系列，让图表一目了然
📏 linestyle 和 linewidth 控制线条样式和粗细，增强视觉层次
🔵 marker 参数为数据点添加标记（菱形 'D'、方形 's'），精确标示每个数据值
🏷️ legend() 自动根据 label 生成图例，帮助读者识别数据系列
📐 grid(True, alpha=0.3) 添加半透明网格线，大幅提升数据可读性

参考资料：

最后更新时间：2026-06-29

P2M-Matplotlib折线图完全指南-从数据可视化到趋势分析的Python绘图利器