Python-Matplotlib动态曲线图(linechart)绘制
小詹学Python
共 2562字，需浏览 6分钟
·
2021-11-04 13:18
，要达到上述效果除了核心的Matplotlib绘图外，其他工具和上篇推文 Hans Rosling Charts Matplotlib 绘制 所使用的工具一样啊
。下面将分以下几个部分对制作过程进行介绍。01. 引言
02. 数据处理
03. 数据可视化
绘图的核心代码（以china为例）主要在第16-24行，详细解释如下：
idx = data_test.time折线图：
ax.plot( idx, data_test['china'],color = '#FF5872',lw = 4)#折线图其中，x 和 y 参数分别设置为数据的 time 列和 china 列，color 和线宽 lw 属性则是为了美化折线图。
散点图：
ax.scatter(idx.tolist()[-1],data_test['china'].tolist()[-1],color='#FF5872',edgecolor ='black',s = 280,lw = 2.5,zorder =4)#散点图散点图的绘制则需知道我们只需要绘制最后一个散点，即获取最后一个数据，因此scatter的x，y均有[-1]的索引，当然，我们需在之前使用tolist()方法转变成数据列表形式，填充颜色 color、散点边框颜色 edgecolor、散点大小 s、和线宽 lw 均可根据自己需要进行定制化设置。这里需要注意的是zorder属性的设置，这里设置zorder=4,表示散点图绘制在折线图之后，即散点图压在折线图之上，使绘图更加美观。
文本（国家名）：
ax.text(idx.tolist()[-1]+5,data_test['china'].tolist()[-1]-250,'china',size=15,c= '#FF5872',va='top',ha='left',fontweight = 'bold')#国家名这里的 x 和 y 属性则是根据实际情况进行慢慢调试 ，其他的属性则是美化图表使用。
文本（数值）：
ax.text(idx.tolist()[-1]+5,data_test['china'].tolist()[-1]-250,'china',size=15,c= '#FF5872',va='top',ha='left',fontweight = 'bold')#国家名由于数据较大，这里
':{:,.0f}'.format(data_test['china'].tolist()[-1])对文本进行格式化操作，其他属性则根据自己需求进行设置即可。
部分详细解释如下：
第 77-84 行则是添加位置固定的文本内容，设置 transform = ax.transAxes 则使文本位置不随数据变化而变动。这里需要指出的是，一般的绘图过程，固定文本一般都是在图表的刻度、轴等属性设置结束后再进行添加，这点则需要注意，好的绘图习惯可以大大减少绘图时间哦 
第 66-71 行则是自定义 y 轴的刻度比例范围，由于，较早年份的数据较为集中，使图表绘制集中在一块，影响美观，特经此过程进行设置，而这也是 matplotlib 3.1 版本新添加的内容。
第 53 行使用 ax.axvline() 为动态图表添加一条推进线。
第 54-64 行则是对图表刻度、轴脊等 属性进设置。
第 75 行采用ax.yaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))定制化刻度标签形式，此方法对绘制定制化的刻度标签非常有用，希望感兴趣的同学们可以多看看官网的教程。
第 86 行 ax.set_axisbelow(True) 设置网格线等属性位于图表图层之下。
下面给出一年份数据绘制的曲线图结果：
备注：要想生成这种暗黑背景风格的图表，则可通过以下设置完成：
设置画布figure颜色plt.figure(facecolor='#1D1E23',edgecolor='#1D1E23')对Axis进行背景颜色设置ax.set_facecolor('#373E4B')
04. 总结
，下期我们将继续推出Matplotlib动态图系列的第三篇--动态条形图 绘制方法。
E N D
各位伙伴们好，詹帅本帅搭建了一个个人博客和小程序，汇集各种干货和资源，也方便大家阅读，感兴趣的小伙伴请移步小程序体验一下哦！（欢迎提建议）
推荐阅读
推荐阅读
评论