时间：2020-12-01 数据分析 查看: 940
前言
matplotlib是Python中的一个第三方库。主要用于开发2D图表，以渐进式、交互式的方式实现数据可视化，可以更直观的呈现数据，使数据更具说服力。
一、安装matplotlib
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple二、matplotlib图像简介
matplotlib的图像分为三层，容器层、辅助显示层和图像层。
1. 容器层主要由Canvas、Figure、Axes组成。
Canvas位于图像的最底层，充当画布的作用。
Figure位于Canvas之上，指画布上的一整张图像。
Axes位于Figure之上，指Figure中的单个图表，一个Figure中可以有一个或多个Axes，即一张图像中可以有一个或多个图表。
2. 辅助显示层是单个图表(Axes)中用来提供辅助信息的层。
辅助显示层主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。
辅助层可使图像显示更加直观，提高可读性。
3. 图像层指Axes内通过plot、scatter、bar、histogram、pie等函数绘制出的图形。
三、matplotlib绘制折线图
# coding=utf-8
import matplotlib.pyplot as plt
plt.figure(figsize=(20, 10), dpi=100)
game = ['1-G1', '1-G2', '1-G3', '1-G4', '1-G5', '2-G1', '2-G2', '2-G3', '2-G4', '2-G5', '3-G1', '3-G2', '3-G3',
'3-G4', '3-G5', '总决赛-G1', '总决赛-G2', '总决赛-G3', '总决赛-G4', '总决赛-G5', '总决赛-G6']
scores = [23, 10, 38, 30, 36, 20, 28, 36, 16, 29, 15, 26, 30, 26, 38, 34, 33, 25, 28, 40, 28]
plt.plot(game, scores)
plt.show()运行结果：
figure(): 创建图像并设置图像的大小等属性，返回一张图像，可以传入很多参数，常用参数有两个。figsize参数传入一个元组(width, height)，设置图像的大小。dpi传入一个整数值，设置图像的清晰度。
plot(): matplotlib中绘制折线图的函数。可以传入很多参数，一般传入两个列表，分别是折线图中的x值和y值。上面的例子中用了NBA2020年季后赛James的得分数据。
show(): 展示图像。
在上面的图表中，x坐标值中有中文，首次使用matplotlib绘图时中文无法正常显示。要解决中文显示问题，需要下载安装SimHei字体，下载链接：https://www.zitijia.com/i/281258939050380345.html，或直接搜索SimHei然后找一个正确的网站下载。下载完成后，在Windows下直接解压双击安装。安装完成后删除~/.matplotlib中的缓存文件，并创建配置文件matplotlibrc，将matplotlibrc中的内容设置为如下内容。
font.family : sans-serif
font.sans-serif : SimHei
axes.unicode_minus : False操作命令如下截图，完成后图像中就可以正常显示中文了。
使用上面的代码，已经实现了简单的折线图，但展示的效果很差，所以需要进行优化，使图像展示得更好。
四、matplotlib优化折线图
import matplotlib.pyplot as plt
plt.figure(figsize=(20, 10), dpi=100)
game = ['1-G1', '1-G2', '1-G3', '1-G4', '1-G5', '2-G1', '2-G2', '2-G3', '2-G4', '2-G5', '3-G1', '3-G2', '3-G3',
'3-G4', '3-G5', '总决赛-G1', '总决赛-G2', '总决赛-G3', '总决赛-G4', '总决赛-G5', '总决赛-G6']
scores = [23, 10, 38, 30, 36, 20, 28, 36, 16, 29, 15, 26, 30, 26, 38, 34, 33, 25, 28, 40, 28]
plt.plot(game, scores, c='red')
plt.scatter(game, scores, c='red')
y_ticks = range(50)
plt.yticks(y_ticks[::5])
plt.grid(True, linestyle='--', alpha=0.5)
plt.xlabel("赛程", fontdict={'size': 16})
plt.ylabel("得分", fontdict={'size': 16})
plt.title("NBA2020季后赛詹姆斯得分", fontdict={'size': 20})
plt.show()运行结果：
在使用plot()函数绘图时，可以通过c='颜色'来设置折线图的颜色。
scatter(): 绘制散点图。折线图是用直线连接相邻的两个点形成的，但是连成折线后点的显示不明显。scatter可以单独对点进行设置，展示得更明显。
yticks(): 用于设置y轴坐标的范围，传入一个可迭代对象(如range()函数)。最开始绘制的折线图中，图像的y轴坐标范围是数据的范围，坐标原点不是0，使用yticks函数可以设置想要的坐标范围。同理xticks可以用于设置x轴坐标的范围。
grid(): 用于设置图表中的网格线，使用linestyle参数设置网格线的样式，常用的样式有下表中的几种，plot()函数中也可以用linestyle参数设置折线图的样式。使用alpha参数设置网格线的透明度。
样式字符实线- 虚线- - 点划线-.点虚线:
xlabel(): 用于设置x轴的标签，说明x轴坐标的含义，第一个参数传入需要设置的标签值，后面可以通过其他参数设置显示的效果，如字体大小等。ylabel同理。
title(): 用于设置折线图的标题，说明这张折线图展示的数据。用法同xlabel。
五、matplotlib绘制多条折线图
import matplotlib.pyplot as plt
plt.figure(figsize=(20, 10), dpi=100)
game = ['1-G1', '1-G2', '1-G3', '1-G4', '1-G5', '2-G1', '2-G2', '2-G3', '2-G4', '2-G5', '3-G1', '3-G2', '3-G3',
'3-G4', '3-G5', '总决赛-G1', '总决赛-G2', '总决赛-G3', '总决赛-G4', '总决赛-G5', '总决赛-G6']
scores = [23, 10, 38, 30, 36, 20, 28, 36, 16, 29, 15, 26, 30, 26, 38, 34, 33, 25, 28, 40, 28]
rebounds = [17, 6, 12, 6, 10, 8, 11, 7, 15, 11, 6, 11, 10, 9, 16, 13, 9, 10, 12, 13, 14]
assists = [16, 7, 8, 10, 10, 7, 9, 5, 9, 7, 12, 4, 11, 8, 10, 9, 9, 8, 8, 7, 10]
plt.plot(game, scores, c='red', label="得分")
plt.plot(game, rebounds, c='green', linestyle='--', label="篮板")
plt.plot(game, assists, c='blue', linestyle='-.', label="助攻")
plt.scatter(game, scores, c='red')
plt.scatter(game, rebounds, c='green')
plt.scatter(game, assists, c='blue')
plt.legend(loc='best')
plt.yticks(range(0, 50, 5))
plt.grid(True, linestyle='--', alpha=0.5)
plt.xlabel("赛程", fontdict={'size': 16})
plt.ylabel("数据", fontdict={'size': 16})
plt.title("NBA2020季后赛詹姆斯数据", fontdict={'size': 20})
plt.show()运行结果：
要在同一张图像中展示多条折线图，多次调用plot()函数就行。每条折线图的颜色、样式等可以分别设置，以便更好地进行区分。
legend(): 展示图例，通过loc参数传入图例在图表中展示的位置，可以传入的值有‘best', 'upper right', 'upper left', 'lower left', 'lower right', 'right', 'center left', 'center right', 'lower center', 'upper center', 'center'，这十一个值分别对应数字0~10，传值时也可以传对应的数字，后面十个值都指定了图例的位置，'best'表示自适应，会自动根据图像的分布在后面的十个值中选择一个，大部分为右上角'upper right'。
为了使用图例，在每次调用plot()函数绘制折线图时，需要使用label参数给折线图添加标签，在图例中展示。有多条折线图时，图例可以用于区分每条折线图表示的含义，如将James的得分和篮板、助攻展示在同一张图中。
六、matplotlib绘制多张折线图
import matplotlib.pyplot as plt
fig, axs = plt.subplots(nrows=1, ncols=3, figsize=(20, 6), dpi=100)
game = ['1-G1', '1-G2', '1-G3', '1-G4', '1-G5', '2-G1', '2-G2', '2-G3', '2-G4', '2-G5', '3-G1', '3-G2', '3-G3',
'3-G4', '3-G5', '总决赛-G1', '总决赛-G2', '总决赛-G3', '总决赛-G4', '总决赛-G5', '总决赛-G6']
scores = [23, 10, 38, 30, 36, 20, 28, 36, 16, 29, 15, 26, 30, 26, 38, 34, 33, 25, 28, 40, 28]
rebounds = [17, 6, 12, 6, 10, 8, 11, 7, 15, 11, 6, 11, 10, 9, 16, 13, 9, 10, 12, 13, 14]
assists = [16, 7, 8, 10, 10, 7, 9, 5, 9, 7, 12, 4, 11, 8, 10, 9, 9, 8, 8, 7, 10]
y_data = [scores, rebounds, assists]
colors = ['red', 'green', 'blue']
line_style = ['-', '--', '-.']
y_labels = ["得分", "篮板", "助攻"]
for i in range(3):
axs[i].plot(game, y_data[i], c=colors[i], label=y_labels[i], linestyle=line_style[i])
axs[i].scatter(game, y_data[i], c=colors[i])
axs[i].legend(loc='best')
axs[i].set_yticks(range(0, 50, 5))
axs[i].grid(True, linestyle='--', alpha=0.5)
axs[i].set_xlabel("赛程", fontdict={'size': 16})
axs[i].set_ylabel(y_labels[i], fontdict={'size': 16}, rotation=0)
axs[i].set_title("NBA2020季后赛詹姆斯{}".format(y_labels[i]), fontdict={'size': 20})
fig.autofmt_xdate()
plt.show()运行结果：
subplots(): 用于在同一张图像中绘制多张图表，通过nrows, ncols两个参数设置图表的张数和排列方式，figsize和dpi同figure()函数。subplots()函数返回两个参数，一个是图像对象fig，一个是可迭代的图表数组axs(类型为numpy中的数组对象)。
每一张图表中的标签、标题、样式、图例等都需要单独设置，为了避免代码过于冗余，可以使用循环。绘制每一张图表时，从axs中取出每一张图表，再调用plot()函数绘图。在设置坐标轴、标签、标题时，使用'set_'开头的方法进行设置，如设置x轴标签用set_xlabel()。
autofmt_xdate(): x轴坐标值自适应倾斜。因为一张图像中有多张图表，x坐标值靠得很近，可能会因重叠造成展示效果差，使用fig对象的autofmt_xdate()方法可以设置自适应倾斜。
以上就是matplotlib实现折线图的简单介绍，更多设置可以参考官网https://matplotlib.org/tutorials/index.html，并多作尝试。
总结
到此这篇关于Python利用matplotlib绘制折线图的文章就介绍到这了,更多相关Python matplotlib绘制折线图内容请搜索python博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持python博客！