怎么用Python matplotlib实现折线图

这篇文章主要介绍"怎么用Python matplotlib实现折线图"，在日常操作中，相信很多人在怎么用Python matplotlib实现折线图问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答"怎么用Python matplotlib实现折线图"的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

一、版本

# 01 matplotlib安装情况 import matplotlib matplotlib.__version__

二、图表主题设置

请点击：图表主题设置

三、一次函数

import numpy as np from matplotlib import pyplot as plt # 如何使用中文标题plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使用微软雅黑的字体x = np.arange(1,11) y =  2  * x +  5  # 图片显示的是这个公式plt.title("Matplotlib展示") plt.xlabel("x轴") plt.ylabel("y轴") plt.plot(x,y) plt.show()

四、多个一次函数

创建一个关于电影票房的图表：

films=['穿过寒冬拥抱你','反贪风暴5：最终章','李茂扮太子','误杀2','以年为单位的恋爱','黑客帝国：矩阵重启','雄狮少年','魔法满屋','汪汪队立大功大电影','爱情神话']regions=['中国','英国','澳大利亚','美国','美国','中国','英国','澳大利亚','美国','美国']bos=['61,181','44,303','42,439','22,984','13,979','61,181','44,303','41,439','20,984','19,979']persons=['31','23','56','17','9','31','23','56','17','9']prices=['51','43','56','57','49','51','43','56','57','49']showdate=['2022-12-03','2022-12-05','2022-12-01','2022-12-02','2022-11-05','2022-12-03','2022-12-05','2022-12-01','2022-12-02','2022-11-05']ftypes=['剧情','动作','喜剧','剧情','剧情','爱情','动作','动画','动画','动画']points=['8.1','9.0','7.9','6.7','3.8','8.1','9.0','7.9','6.7','3.8']filmdescript={    'ftypes':ftypes,    'bos':bos,    'prices':prices,    'persons':persons,    'regions':regions,    'showdate':showdate,    'points':points}

import numpy as npimport pandas as pdcnbo2021top5=pd.DataFrame(filmdescript,index=films)cnbo2021top5[['prices','persons']]=cnbo2021top5[['prices','persons']].astype(int)cnbo2021top5['bos']=cnbo2021top5['bos'].str.replace(',','').astype(int)cnbo2021top5['showdate']=cnbo2021top5['showdate'].astype('datetime64')cnbo2021top5['points']=cnbo2021top5['points'].apply(lambda x:float(x) if x!='' else 0)

关于cnboo1.xlsx，我放在我的码云里，需要的朋友自行下载：cnboo1.xlsx

# 读取并初步整理数据集import pandas as pd cnbodf=pd.read_excel('cnboo1.xlsx')cnbodfsort=cnbodf.sort_values(by=['BO'],ascending=False)

def mkpoints(x,y): # 编写points评分     return len(str(x))*(y/25)-3cnbodfsort['points']=cnbodfsort.apply(lambda x:mkpoints(x.BO,x.PERSONS),axis=1)

cnbodfsort.to_excel("cnbodfsort.xlsx",index=False) # 创建一个Excel文件

from matplotlib import pyplot as plt plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使用微软雅黑的字体plt.title("票房2021TOP5") plt.xlabel("x轴") plt.ylabel("y轴")x=cnbo2021top5.persons.sort_values()y=cnbo2021top5.prices.sort_values()plt.plot(x,y,marker=".",markersize=20,color='red',linewidth=4,markeredgecolor='blue')plt.show()

# 折线图进阶from matplotlib import pyplot as plt plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使用微软雅黑的字体plt.title("中国票房2021TOP5") plt.plot(bo,prices,label='票房与票价')plt.plot(bo,persons,label='票房与人次')plt.plot(bo,points,label='票房与评价')plt.legend() # 显示标签plt.xlabel('票房') # 横坐标轴plt.ylabel('行情') # 纵坐标轴plt.show()

更改一下版式

# 折线图进阶from matplotlib import pyplot as plt plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使用微软雅黑的字体plt.title("中国票房2021TOP5") plt.plot(bo,prices,'r^--',label='票房与票价')plt.plot(bo,persons,'g*-',label='票房与人次')plt.plot(bo,points,color='blue',marker='o',markersize=10,label='票房与评价')plt.legend() # 显示标签plt.xlabel('票房') # 横坐标轴标题plt.ylabel('行情') # 纵坐标轴标题plt.show()

五、填充折线图

填充折线图：当确定一条数据线上面的一点的时候，能够将该点的上下两部分分别使用不同的颜色填充。

dev_x=[25,26,27,28,29,30] # 开发者的年龄dev_y=[7567,8789,8900,11560,16789,25231] #收入情况py_dev_y=[5567,6789,9098,15560,20789,23231] # python开发者js_dev_y=[6567,7789,8098,12356,14789,20231] # java开发者devsalary=pd.DataFrame([dev_x,dev_y,py_dev_y,js_dev_y])devsalaryT=pd.DataFrame(devsalary.values.T,columns=["Age","Dev","Python","Java"])

# 绘制带阴影的折线图from matplotlib import pyplot as plt plt.style.use('classic')plt.figure(figsize=(7,4))plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使用微软雅黑的字体plt.title("开发人员薪资情况") baseline=10000plt.plot(devsalaryT["Age"],devsalaryT["Dev"],label="总体薪资")plt.plot(devsalaryT["Age"],devsalaryT["Python"],label="Python薪资") # 如果没有label是不会显示legend的数据标签的plt.fill_between(devsalaryT["Age"],devsalaryT["Python"],baseline,where=(devsalaryT["Python"]>baseline),interpolate=True,color='yellow')plt.fill_between(devsalaryT["Age"],devsalaryT["Python"],baseline,where=(devsalaryT["Python"]<=baseline),interpolate=True,color='red')plt.grid()plt.legend()plt.show()

# 绘制带阴影的折线图from matplotlib import pyplot as plt plt.style.use('classic')plt.figure(figsize=(7,4))plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使用微软雅黑的字体plt.title("开发人员薪资情况") baseline=10000plt.plot(devsalaryT["Age"],devsalaryT["Dev"],label="总体薪资")plt.plot(devsalaryT["Age"],devsalaryT["Python"],label="Python薪资") # 如果没有label是不会显示legend的数据标签的plt.fill_between(devsalaryT["Age"],devsalaryT["Python"],baseline,where=(devsalaryT["Python"]>baseline),interpolate=True,color='yellow',alpha=0.3)plt.fill_between(devsalaryT["Age"],devsalaryT["Python"],baseline,where=(devsalaryT["Python"]<=baseline),interpolate=True,color='red',alpha=0.3) # alpha=0.3调整透明度plt.grid()plt.legend()plt.show()

# 绘制带阴影的折线图from matplotlib import pyplot as plt plt.style.use('classic')plt.figure(figsize=(7,4))plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使用微软雅黑的字体plt.title("开发人员薪资情况") baseline=10000plt.plot(devsalaryT["Age"],devsalaryT["Dev"],label="总体薪资")plt.plot(devsalaryT["Age"],devsalaryT["Python"],label="Python薪资") # 如果没有label是不会显示legend的数据标签的plt.fill_between(devsalaryT["Age"],devsalaryT["Python"],baseline,where=(devsalaryT["Python"]>baseline),interpolate=True,color='pink',alpha=0.7,label="高于10000元")plt.fill_between(devsalaryT["Age"],devsalaryT["Python"],baseline,where=(devsalaryT["Python"]<=baseline),interpolate=True,color='purple',alpha=0.7,label="低于或等于10000元") # alpha=0.3调整透明度plt.grid()plt.legend()plt.show()

interpolate=True：将交叉的位置进行填充

# 绘制带阴影的折线图from matplotlib import pyplot as plt plt.style.use('classic')plt.figure(figsize=(7,4))plt.rcParams['font.sans-serif']=['Microsoft YaHei'] # 使用微软雅黑的字体plt.title("开发人员薪资情况") plt.plot(devsalaryT["Age"],devsalaryT["Dev"],label="总体薪资")plt.plot(devsalaryT["Age"],devsalaryT["Python"],label="Python薪资") # 如果没有label是不会显示legend的数据标签的plt.fill_between(devsalaryT["Age"],devsalaryT["Python"],devsalaryT["Dev"],where=(devsalaryT["Python"]>baseline),interpolate=True,color='green',alpha=0.7,label="高于总体")plt.fill_between(devsalaryT["Age"],devsalaryT["Python"],devsalaryT["Dev"],where=(devsalaryT["Python"]<=baseline),interpolate=True,color='tomato',alpha=0.7,label="低于或等于总体") # alpha=0.3调整透明度plt.grid()plt.legend()plt.show()

到此，关于"怎么用Python matplotlib实现折线图"的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！