【Python数据分析】Matplotlib绘制不同的折线图

小庄-Python办公

于 2025-05-09 16:32:55 发布

阅读量998

点赞数 17

分类专栏：自己的笔记可视化文章标签： python 数据分析 matplotlib 折线图 python绘图 python数据分析

本文链接：https://blog.csdn.net/weixin_42636075/article/details/147829178

版权

自己的笔记同时被 2 个专栏收录

140 篇文章

订阅专栏

可视化

22 篇文章

订阅专栏

专栏导读

🌸 欢迎来到Python办公自动化专栏—Python处理办公问题，解放您的双手

🏳️‍🌈 博客主页：请点击——> 一晌小贪欢的博客主页求关注

👍 该系列文章专栏：请点击——>Python办公自动化专栏求订阅

🕷 此外还有爬虫专栏：请点击——>Python爬虫基础专栏求订阅

📕 此外还有python基础专栏：请点击——>Python基础学习专栏求订阅

文章作者技术和水平有限，如果文中出现错误，希望大家能指正🙏

❤️ 欢迎各位佬关注！ ❤️

Matplotlib 简介

Matplotlib 是 Python 中最流行的 2D 绘图库，用于创建高质量的静态、动态和交互式可视化。它最初由 John D. Hunter 于 2003 年创建，现已成为 Python 科学计算生态系统中的核心可视化工具。

主要特点

多功能性：支持线图、散点图、条形图、直方图、饼图、等高线图、3D 图等多种图表类型
高度可定制：几乎可以控制图形的每个元素（标题、标签、刻度、图例等）
多平台支持：可在多种操作系统和图形后端上工作
与其他库良好集成：与 NumPy、Pandas、SciPy 等科学计算库无缝协作
多种输出格式：支持 PNG、PDF、SVG、EPS 等多种格式输出

基本架构

Matplotlib 采用分层架构：
Backend Layer：底层接口，处理不同输出格式和渲染
Artist Layer：中间层，处理图形元素（线、文本、图像等）
Scripting Layer (pyplot)：顶层接口，提供类似 MATLAB 的简单绘图命令

基本组件

Figure：整个图形窗口，可以包含多个子图
Axes：实际的绘图区域，包含坐标轴、标签等
Axis：坐标轴对象，控制刻度、标签等
Artist：所有可见元素（文本、线条、矩形等）的基类

库的安装

Matplotlib是Python中最常用的数据可视化库之一，它提供了多种折线图的绘制方法。下面我将介绍几种常见的柱状图类型及其实现方式。

库	用途	安装
numpy	数据生成	`pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple/`
matplotlib	数据可视化	`pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple/`

1. 基础折线图

让我们从最基本的折线图开始。假设我们有一组简单的数据点
这段代码会生成一个简单的直线图，展示了y值随x值线性增长的趋势。

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 数据准备
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 创建图形
plt.figure(figsize=(8, 5))

# 绘制折线图
plt.plot(x, y)

# 添加标题和标签
plt.title("基础折线图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")

# 显示图形
plt.show()

2. 多线折线图

在实际分析中，我们经常需要比较多个数据系列。Matplotlib可以轻松实现这一点

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图形
plt.figure(figsize=(10, 6))

# 绘制两条折线
plt.plot(x, y1, label='sin(x)')
plt.plot(x, y2, label='cos(x)')

# 添加图例
plt.legend()

# 添加网格和标题
plt.grid(True)
plt.title("正弦和余弦函数比较")

plt.show()

3. 自定义折线样式

Matplotlib允许我们自定义折线的各种属性，包括颜色、线型、标记等

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 准备数据
x = np.arange(0, 5, 0.1)
y = x ** 2

# 创建图形
plt.figure(figsize=(8, 6))

# 绘制自定义样式的折线图
plt.plot(x, y,
         color='red',      # 线条颜色
         linestyle='--',  # 线型：虚线
         linewidth=2,      # 线宽
         marker='o',       # 数据点标记
         markersize=8,     # 标记大小
         markerfacecolor='blue',  # 标记填充色
         markeredgecolor='black', # 标记边缘色
         markeredgewidth=1)       # 标记边缘宽度

plt.title("自定义样式的折线图")
plt.grid(True)
plt.show()

4. 带填充区域的折线图

有时我们需要突出显示两条折线之间的区域：

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 准备数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(10, 6))

# 绘制两条折线
plt.plot(x, y1, 'b', label='sin(x)')
plt.plot(x, y2, 'r', label='cos(x)')

# 填充两条线之间的区域
plt.fill_between(x, y1, y2, 
                where=(y1 > y2),
                color='green', alpha=0.3,
                label='sin > cos')
plt.fill_between(x, y1, y2,
                where=(y1 <= y2),
                color='yellow', alpha=0.3,
                label='sin ≤ cos')

plt.legend()
plt.title("带填充区域的折线图")
plt.show()

5. 阶梯折线图

阶梯图适用于展示离散数据的变化

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 准备数据
x = [1, 2, 3, 4, 5]
y = [1, 3, 2, 5, 4]

plt.figure(figsize=(8, 5))

# 绘制阶梯图
plt.step(x, y,
         where='mid',  # 阶梯变化的位置：'pre', 'post', 'mid'
         linewidth=2,
         color='purple',
         label='数据变化')

plt.title("阶梯图示例")
plt.legend()
plt.grid(True)
plt.show()

6. 带误差线的折线图

在科学数据分析中，我们经常需要展示数据的误差范围

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 准备数据
x = np.arange(1, 6)
y = np.array([2, 3.5, 4, 5, 4.5])
y_err = np.array([0.5, 0.4, 0.6, 0.3, 0.7])

plt.figure(figsize=(8, 6))

# 绘制带误差线的折线图
plt.errorbar(x, y, yerr=y_err,
             fmt='-o',       # 线型和标记
             color='darkorange',
             ecolor='navy',  # 误差线颜色
             elinewidth=2,   # 误差线宽度
             capsize=5,      # 误差线端帽长度
             capthick=2)     # 误差线端帽宽度

plt.title("带误差线的折线图")
plt.grid(True)
plt.show()

7. 对数坐标折线图

当数据跨越多个数量级时，对数坐标图非常有用

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 准备数据
x = np.linspace(1, 100, 50)
y = np.exp(x/20)

plt.figure(figsize=(10, 6))

# 创建半对数图（y轴对数坐标）
plt.semilogy(x, y, 'g-', linewidth=2)

# 或者创建双对数图
# plt.loglog(x, y, 'g-', linewidth=2)

plt.title("半对数坐标折线图")
plt.grid(True, which="both", ls="--")
plt.show()

8. 多子图折线图

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 准备数据
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.sin(x) * np.cos(x)
y4 = np.tan(x)

# 创建2x2的子图布局
fig, axs = plt.subplots(2, 2, figsize=(12, 10))

# 绘制第一个子图
axs[0, 0].plot(x, y1, 'r-')
axs[0, 0].set_title('sin(x)')

# 绘制第二个子图
axs[0, 1].plot(x, y2, 'b--')
axs[0, 1].set_title('cos(x)')

# 绘制第三个子图
axs[1, 0].plot(x, y3, 'g-.')
axs[1, 0].set_title('sin(x)*cos(x)')

# 绘制第四个子图
axs[1, 1].plot(x, y4, 'm:')
axs[1, 1].set_title('tan(x)')

# 调整子图间距
plt.tight_layout()
plt.show()

9. 动态折线图（动画）

在这里插入图片描述

import matplotlib.pyplot as plt
from pylab import *
import numpy as np
from matplotlib.animation import FuncAnimation
import random

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

from matplotlib.animation import FuncAnimation
import random

# 准备图形
fig, ax = plt.subplots(figsize=(8, 5))
x = []
y = []
line, = ax.plot(x, y, 'b-')

# 设置坐标轴范围
ax.set_xlim(0, 100)
ax.set_ylim(0, 20)
ax.grid(True)

def update(frame):
    x.append(frame)
    y.append(random.uniform(5, 15))
    line.set_data(x, y)
    return line,

# 创建动画
ani = FuncAnimation(fig, update, frames=range(100),
                    interval=100, blit=True)

plt.title("动态折线图")
plt.show()