Python数据可视化原来这么玩儿（一)-技术圈

前言

matplotlib是一个庞大的绘图库模块，这节内容我们只导入其中的pyplot子模块就可以完成许多图表绘制。

按照约定俗成，我们使用plt调用相关的方法。

import matplotlib.pyplot as plt

折线图

1. 画线plot( )

# 记得导入numpy库data = np.random.randint(85,95,10)plt.plot(data)plt.show()

默认情况下，含数据的列表当参数传给plot( )，列表内的数据会被视为y轴的值，x轴的值会依列表值的索引位置自动产生。

细心的朋友可能会发现，这个坐标的原点不是(0,0)。别着急，我们使用axis( )设定x，y轴的最小和最大刻度。

data = np.random.randint(85,95,10)plt.plot(data)plt.axis([0,10,0,100]) # 默认[x_min,x_max,y_min,y_max]plt.show()

2. 线条宽度linewidth

data = np.random.randint(85,95,10)plt.plot(data,linewidth = 5)plt.axis([0,10,50,150])plt.show()

够粗吗？？!

3. 标题

data = np.random.randint(85,95,10)plt.plot(data,linewidth = 3)# 图表标题plt.title('Demo')# x轴标题plt.xlabel('index')# y轴标题plt.ylabel('value')plt.axis([0,10,50,150])plt.show()

此时，你们老板觉得不行，标题字太小了，不够突出！！！

嗯嗯，立马在线卑微修改~

data = np.random.randint(85,95,10)plt.plot(data,linewidth = 3)# fontsize修改字体大小plt.title('Big Demo',fontsize = 40)plt.xlabel('index',fontsize = 18)plt.ylabel('value',fontsize = 18)plt.axis([0,10,50,150])plt.show()

够大吗？？!

4. 坐标轴刻度的设定

data = np.random.randint(85,95,10)plt.plot(data,linewidth = 3)plt.title('Demo',fontsize = 26)plt.xlabel('index',fontsize = 18)plt.ylabel('value',fontsize = 18)plt.axis([0,10,50,150])# 坐标轴刻度的设定plt.tick_params(axis='both',labelsize = 18,color = 'red')plt.show()

在设计图表时，可以使用tick_params( )设计设定坐标轴的刻度大小，颜色以及应用范围。

5. 修订图表的起始值

data = np.random.randint(85,95,10)# 增加x轴数据列表，不再使用默认值x = [1,2,3,4,5,6,7,8,9,10]plt.plot(x,data,linewidth = 3)plt.title('Demo',fontsize = 26)plt.xlabel('index',fontsize = 18)plt.ylabel('value',fontsize = 18)plt.axis([1,10,50,150])plt.tick_params(axis='both',labelsize = 12,color = 'red')plt.show()

当图表的x轴有实际意义的时候，需要自己修订图表的起始值。这时候，只需要增加一列x轴的数据，添加到plot( )方法中即可。

6. 多组数据的应用

data1 = np.random.randint(85,95,10)data2 = np.random.randint(65,75,10)x = [1,2,3,4,5,6,7,8,9,10]plt.plot(x,data1,x,data2,linewidth = 3)plt.title('Demo',fontsize = 26)plt.xlabel('index',fontsize = 18)plt.ylabel('value',fontsize = 18)plt.axis([1,10,50,150])plt.tick_params(axis='both',labelsize = 12,color = 'red')plt.show()

7. 线条色彩与样式

data1 = np.random.randint(85,95,10)data2 = np.random.randint(65,75,10)data3 = np.random.randint(55,60,10)data4 = np.random.randint(100,105,10)data5 = np.random.randint(110,120,10)x = [1,2,3,4,5,6,7,8,9,10]plt.plot(x,data1,'b--',x,data2,'r-*',x,data3,'y:',x,data4,'g.',x,data5,'-s')plt.title('Demo',fontsize = 26)plt.xlabel('index',fontsize = 18)plt.ylabel('value',fontsize = 18)plt.axis([1,10,50,150])plt.tick_params(axis='both',labelsize = 12,color = 'red')plt.show()

8. 刻度设计

pv = [1003,1459,1289,1350]uv = [567,675,621,666]months = [1,2,3,4]plt.plot(months,pv,months,uv)plt.show()

由数据可知，x轴代表的是月份数据，具有实际意义，且我们只需要1，2，3，4这4个月份刻度即可，这里我们使用xticks( )设定x轴刻度。

pv = [1003,1459,1289,1350]uv = [567,675,621,666]months = [1,2,3,4]plt.xticks(months)
plt.plot(months,pv,months,uv)plt.show()

9. 图例legend( )

pv = [1003,1459,1289,1350]uv = [567,675,621,666]months = [1,2,3,4]plt.xticks(months)plt.plot(months,pv,months,uv)# 图例plt.legend(['pv','uv'],loc = 'best')plt.show()

10. 保存图片文件

pv = [1003,1459,1289,1350]uv = [567,675,621,666]months = [1,2,3,4]plt.xticks(months)
plt.plot(months,pv,'-^',months,uv,'--',linewidth = 3)plt.legend(['pv','uv'],loc = 'best')plt.title('Number of Visitor',fontsize = 26)plt.xlabel('month',fontsize = 18)plt.ylabel('value',fontsize = 18)plt.tick_params(axis='both',labelsize = 12,color = 'red')# 第一个参数是所存的文件名，第二个参数代表将图表外多余的空间删除plt.savefig('out.jpg',bbox_inches = 'tight')plt.show()plt.close()

点个赞，证明你还爱我