- 从零开始学Python数据分析【1】--数据类型及结构
- 从零开始学Python数据分析【3】-- 控制流与自定义函数
- 从零开始学Python数据分析【4】-- numpy
- 从零开始学Python数据分析【6】-- pandas(数据框部
- 从零开始学Python数据分析【7】-- pandas(数据框部
- 从零开始学Python数据分析【5】-- pandas(序列部分
- 从零开始学Python数据分析【14】-- matplotlib
- 从零开始学Python数据分析【16】-- matplotlib
- 从零开始学Python数据分析【8】-- pandas(数据框部
- 从零开始学Python数据分析【18】-- matplotlib
前文传送门:
从零开始学Python数据分析【2】-- 数值计算及正则表达式
从零开始学Python数据分析【3】-- 控制流与自定义函数
从零开始学Python数据分析【5】-- pandas(序列部分)
从零开始学Python数据分析【6】-- pandas(数据框部分01)
从零开始学Python数据分析【7】-- pandas(数据框部分02)
从零开始学Python数据分析【8】-- pandas(数据框部分03)
从零开始学Python数据分析【9】-- pandas(数据框部分04)
从零开始学Python数据分析【10】-- matplotlib(条形图)
从零开始学Python数据分析【11】-- matplotlib(饼图)
从零开始学Python数据分析【12】-- matplotlib(箱线图)
从零开始学Python数据分析【13】-- matplotlib(直方图)
前言
我们接着上一期matplotlib绘图内容,讲解一下关于折线图的绘制,折线图一般是用来表示某个数值变量随着时间的推移而形成的趋势,这种图还是比较常见的,如**经济走势图、销售波动图、PV监控图**等。在Python的matplotlib模块中,我们可以调用**plot函数**就能实现折线图的绘制了,先来看看这个函数的一些参数含义。
plot函数的参数解读
matplotlib模块中plot函数语法及参数含义:
plt.hist(x,y,linestyle,
linewidth,color,marker,
markersize,markeredgecolor,
markerfactcolor,label,alpha)
-
x:指定折线图的x轴数据;
-
y:指定折线图的y轴数据;
-
linestyle:指定折线的类型,可以是实线、虚线、点虚线、点点线等,默认文实线;
-
linewidth:指定折线的宽度
-
marker:可以为折线图添加点,该参数是设置点的形状;
-
markersize:设置点的大小;
-
markeredgecolor:设置点的边框色;
-
markerfactcolor:设置点的填充色;
-
label:为折线图添加标签,类似于图例的作用;
一元折线图的绘制
案例:每天进步一点点2015公众号文章阅读人数
# 导入模块import pandas as pdimport matplotlib.pyplot as plt# 设置绘图风格plt.style.use('ggplot')# 设置中文编码和负号的正常显示plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'plt.rcParams['axes.unicode_minus'] = False# 读取需要绘图的数据article_reading = pd.read_excel('wechart.xlsx')# 取出8月份至9月28日的数据sub_data = article_reading.loc[article_reading.date >= '2017-08-01' ,:]# 设置图框的大小fig = plt.figure(figsize=(10,6))# 绘图plt.plot(sub_data.date, # x轴数据
sub_data.article_reading_cnts, # y轴数据
linestyle = '-', # 折线类型
linewidth = 2, # 折线宽度
color = 'steelblue', # 折线颜色
marker = 'o', # 点的形状
markersize = 6, # 点的大小
markeredgecolor='black', # 点的边框色
markerfacecolor='brown') # 点的填充色# 添加标题和坐标轴标签plt.title('公众号每天阅读人数趋势图')
plt.xlabel('日期')
plt.ylabel('人数')# 剔除图框上边界和右边界的刻度plt.tick_params(top = 'off', right = 'off')# 为了避免x轴日期刻度标签的重叠,设置x轴刻度自动展现,并且45度倾斜fig.autofmt_xdate(rotation = 45)# 显示图形plt.show()
由于x轴是**日期型数据**,当数据量一多的时候,就会导致**刻度标签的重叠或拥挤**,为了防止重叠的产生,我们需要让日期型的**x轴刻度标签自动展现**,从而避免重叠的现象。下面两幅图是对比自动刻度标签的前后变化:
可能你并不满足这样的刻度标签展现形式,你**想以个性化的展现方式**,如“YYYY-MM-DD”的显示方式,同时又想以固定的几天作为间隔,这样的设置又该如何实现?其实非常的简单,只需要在上面代码的基础上添加几行代码就可以轻松搞定。
一元折线图的绘制—图形优化
# 导入模块import matplotlib as mpl# 设置图框的大小fig = plt.figure(figsize=(10,6))# 绘图plt.plot(sub_data.date, # x轴数据
sub_data.article_reading_cnts, # y轴数据
linestyle = '-', # 折线类型
linewidth = 2, # 折线宽度
color = 'steelblue', # 折线颜色
marker = 'o', # 点的形状
markersize = 6, # 点的大小
markeredgecolor='black', # 点的边框色
markerfacecolor='steelblue') # 点的填充色# 添加标题和坐标轴标签plt.title('公众号每天阅读人数趋势图')
plt.xlabel('日期')
plt.ylabel('人数')# 剔除图框上边界和右边界的刻度plt.tick_params(top = 'off', right = 'off')# 获取图的坐标信息ax = plt.gca()# 设置日期的显示格式 date_format = mpl.dates.DateFormatter("%Y-%m-%d")
ax.xaxis.set_major_formatter(date_format)
# 设置x轴显示多少个日期刻度#xlocator = mpl.ticker.LinearLocator(10)# 设置x轴每个刻度的间隔天数xlocator = mpl.ticker.MultipleLocator(5)
ax.xaxis.set_major_locator(xlocator)# 为了避免x轴日期刻度标签的重叠,设置x轴刻度自动展现,并且45度倾斜fig.autofmt_xdate(rotation = 45)# 显示图形plt.show()
多元折线图的绘制
如果你需要在**一张图形中画上两条折线图**,也很简单,只需要在代码中写入两次plot函数即可,其他都不需要改动了。具体可以参考下面的代码逻辑:
# 设置图框的大小fig = plt.figure(figsize=(10,6))# 绘图--阅读人数趋势plt.plot(sub_data.date, # x轴数据
sub_data.article_reading_cnts, # y轴数据
linestyle = '-', # 折线类型
linewidth = 2, # 折线宽度
color = 'steelblue', # 折线颜色
marker = 'o', # 点的形状
markersize = 6, # 点的大小
markeredgecolor='black', # 点的边框色
markerfacecolor='steelblue', # 点的填充色
label = '阅读人数') # 添加标签# 绘图--阅读人次趋势plt.plot(sub_data.date, # x轴数据
sub_data.article_reading_times, # y轴数据
linestyle = '-', # 折线类型
linewidth = 2, # 折线宽度
color = '#ff9999', # 折线颜色
marker = 'o', # 点的形状
markersize = 6, # 点的大小
markeredgecolor='black', # 点的边框色
markerfacecolor='#ff9999', # 点的填充色
label = '阅读人次') # 添加标签# 添加标题和坐标轴标签plt.title('公众号每天阅读人数和人次趋势图')
plt.xlabel('日期')
plt.ylabel('人数')# 剔除图框上边界和右边界的刻度plt.tick_params(top = 'off', right = 'off')# 获取图的坐标信息ax = plt.gca()# 设置日期的显示格式 date_format = mpl.dates.DateFormatter('%m-%d')
ax.xaxis.set_major_formatter(date_format)
# 设置x轴显示多少个日期刻度#xlocator = mpl.ticker.LinearLocator(10)# 设置x轴每个刻度的间隔天数xlocator = mpl.ticker.MultipleLocator(3)
ax.xaxis.set_major_locator(xlocator)# 为了避免x轴日期刻度标签的重叠,设置x轴刻度自动展现,并且45度倾斜fig.autofmt_xdate(rotation = 45)# 显示图例plt.legend()# 显示图形plt.show()
两条折线图很完美的展现在一张图中,公众号的阅读人数与人次趋势完全一致,而且具有一定的周期性,即过几天就会有一个大幅上升的波动,这个主要是由于双休日的时候,时间比较空闲,就可以更新并推送文章了。
结语
OK,今天关于Pyhton绘制折线图的讲解就到此结束,如果你感兴趣,不妨和我一起学习与交流,同时也欢迎各位朋友继续转发与分享,让系统的知识不断的扩散出去。下一期我们将推送**散点图的绘制**。文中相关的Python脚本和PDF版本已存放到百度云盘,可以通过下面的链接获取:
链接: https://pan.baidu.com/s/1geX2RiN 密码: wnr3
网友评论