数据可视化 – 绘制简单折线图

✅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
💖如果觉得博主的文章还不错，请👍三度支持博主🤞

画一个简单的折线图

✅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

结果如下：

修改标签文本和线条粗细

上图显示的数字越来越大，但是标签文字太小，线条太细，不方便观察。这时候就需要进行调整，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

有时需要绘制散点图并格式化单个数据。例如：您可能希望以一种颜色显示较小的值，以一种颜色显示较大的值。在绘制大型数据集时，您还可以将每个点的格式设置为相同，然后使用不同的样式选项重新绘制一个点以突出显示它们
✅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：

让我们为输出设置样式以使其更有趣：添加标题、标记轴并格式化文本

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 ** 2 for 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 ** 2 for 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 ** 2 for 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：

使用颜色图

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 ** 2 for 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')

第一个参数指定图表保存在什么文件名下，第二个参数指定裁剪图表多余的空白区域（如果要保留，可以省略该参数）

import matplotlib.pyplot as plt

x_values = list(range(1, 1001))
y_values = [x ** 2 for 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

以上是绘制简单折线图的教程。如果您有改进的建议，请在评论区留言。
💖人生苦短，我用python💖