数据可视化—绘制简单的折线图

✅作者简介：大家好我是hacker707,大家可以叫我hacker
📃个人主页：hacker707的csdn博客
🔥系列专栏：python
💬推荐一款模拟面试、刷题神器👉点击跳转进入网站

数据可视化-绘制折线图

绘制简单的折线图

✅在使用matplotlib绘制简单的折线图之前首先需要安装matplotlib，直接在pycharm终端pip install matplotlib即可

✅使用matplotlib绘制简单的折线图，再对其进行定制，实现数据的可视化操作

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

squares =[1,4,9,16,25]
plt.plot(squares)
plt.show()# 打开matplotib查看器，并显示绘制的图形

运行结果如下：

修改标签文字和线条粗细

上图所示的图形表示的数字越来越大，但标签文字太小，线条太细，不方便观察，这时就需要调整一下增加图形的可读性

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

squares =[1,4,9,16,25]
plt.plot(squares, linewidth=5)# 函数linewidth设置绘制线条的粗细# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()# 打开matplotib查看器，并显示绘制的图形

效果如下：

校正图形

图形更容易阅读了，但我们发现没有正确的绘制数据，折线图的终点指出4的平方为25！

向plot()提供一系列数字时，它假设第一个数据点对应的x坐标值为0，但我们的第一个点对应的x值为1。为改变这种默认行为，我们可以给plot同时提供输入值和输出值。

import matplotlib.pyplot as plt  # 导入pyplot模块并设置别名为plt

input_value =[1,2,3,4,5]
squares =[1,4,9,16,25]   
plt.plot(input_value, squares, linewidth=5)# 函数linewidth设置绘制线条的粗细# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()# 打开matplotib查看器，并显示绘制的图形

效果如下：

现在plot()成功绘制数据，因为我们同时提供了输入值和输出值。使用plot()时可指定各种实参，还可使用众多函数对图像进行定制

使用scatter()绘制散点图并设置其格式

有时候需要绘制散点图并设置各个数据的格式。例如：你可能想以一种颜色显示较小的值，用一种颜色显示较大的值。绘制大型数据集时，你还可以对每个点都设置同样的格式，再使用不同的样式选项重新绘制某个点，以突出它们
✅要绘制单个点，可使用函数scatter()，并向它传递一对x,y坐标，它将在指定绘制绘制一个点

import matplotlib.pyplot as plt

plt.scatter(2,4)# 向scatter函数传递一对x,y坐标
plt.show()# 打开matplotib查看器，并显示绘制的图形

效果如下：

下面来设置输出的样式，使其更有趣：添加标题，给坐标轴加上标签，并设置文本格式

import matplotlib.pyplot as plt

plt.scatter(2,4, s=200)# 向scatter函数传递一对x,y坐标# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()# 打开matplotib查看器，并显示绘制的图形

效果如下：

使用scatter()绘制一系列点

import matplotlib.pyplot as plt

x_values =[1,2,3,4,5]
y_values =[1,4,9,16,25]
plt.scatter(x_values, y_values, s=100)# 向scatter函数传递一对x,y坐标# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()# 打开matplotib查看器，并显示绘制的图形

效果如下：

自动计算数据

手动计算列表包含的值很麻烦，可以利用python中的循环来解决，下面是绘制1000个点的范例：

import matplotlib.pyplot as plt

x_values =list(range(1,1001))
y_values =[x **2for x in x_values]
plt.scatter(x_values, y_values, s=10)# 向scatter函数传递一对x,y坐标# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)# 设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()# 打开matplotib查看器，并显示绘制的图形

✅这里需要注意函数axis需要传入四个值，x,y坐标的最小值，最大值
效果如下：

删除数据点的轮廓

要删除数据点的轮廓，可在调用scatter()时传递实参edgecolor=‘none’

plt.scatter(x_values, y_values, edgecolors='none', s=10)

import matplotlib.pyplot as plt

x_values =list(range(1,1001))
y_values =[x **2for x in x_values]
plt.scatter(x_values, y_values, edgecolors='none', s=10)# 向scatter函数传递一对x,y坐标# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)# 设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()# 打开matplotib查看器，并显示绘制的图形

效果如下：

自定义颜色

要修改数据点的颜色，可向scatter()传递参数c,并将其设置要使用的颜色的名称

plt.scatter(x_values, y_values, c='red',edgecolors='none', s=10)

import matplotlib.pyplot as plt

x_values =list(range(1,1001))
y_values =[x **2for x in x_values]
plt.scatter(x_values, y_values, c='red',edgecolors='none', s=10)# 向scatter函数传递一对x,y坐标# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)# 设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()# 打开matplotib查看器，并显示绘制的图形

效果如下：

使用颜色映射

颜色映射(colormap)是一系列颜色，它们从颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色显示较小的值，并使用较深的颜色显示较大的值

import matplotlib.pyplot as plt

x_values =list(range(1,1001))
y_values =[x **2for x in x_values]# 将c设置为y值列表，使用参数cmap告诉pyplot使用哪个颜色映射
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors='none', s=10)# 向scatter函数传递一对x,y坐标# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)# 设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()# 打开matplotib查看器，并显示绘制的图形

自动保存图表

要让程序自动将图表保存到文件中，可将对plt.show()的调用替换为对plt.sacefig()的调用

plt.savefig('squares.png',bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表，第二个实参指定将图表多余的空白区域裁剪（如果要保留，可省略这个实参）

import matplotlib.pyplot as plt

x_values =list(range(1,1001))
y_values =[x **2for x in x_values]# 将c设置为y值列表，使用参数cmap告诉pyplot使用哪个颜色映射
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors='none', s=10)# 向scatter函数传递一对x,y坐标# 设置图表标题，并给坐标轴加上标签
plt.title('Square number', fontsize=24)
plt.xlabel('Value', fontsize=14)
plt.ylabel('Square of Value', fontsize=14)# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)# 设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.savefig('squares.png',bbox_inches='tight')
plt.show()# 打开matplotib查看器，并显示绘制的图形

保存效果如下：

✅注意事项：
一定要把保存图表的代码放在plt.show前面，要是放在后面show会重新创建新的图片

结束语🏆

🔥推荐一款模拟面试、刷题神器网站
点击跳转进入网站
1、算法篇（398题）：面试必刷100题、算法入门、面试高频榜单
2、SQL篇（82题）：快速入门、SQL必知必会、SQL进阶挑战、面试真题
3、大厂笔试真题：字节跳动、美团、百度、腾讯…