一圖勝千言，使用Python的matplotlib庫，可以快速創建高質量的圖形。

用matplotlib生成基本圖形非常簡單，只需要幾行代碼，但要創建復雜的圖表，需要調用更多的命令和反復試驗，這要求用戶對matplotlib有深入的認識。

我們團隊推出一個新的系列教程：Python數據可視化，針對初級和中級用戶，將理論和示例代碼相結合，分別使用matplotlib, seaborn, plotly等工具實現可視化。

初學者使用matplotlib創建圖形前，應該先學習matplotlib的基礎知識，閱讀另一篇文章：Python數據可視化：認識matplotlib

本文主題是如何用Matplotlib創建曲線圖(lineplot)。

本文來自《數據黑客》，登錄官網可精彩資訊和文章。數據黑客 - 專注金融大數據的內容聚合和數據聚合平臺?finquanthub.com

import numpy as np

import matplotlib.pyplot as plt

# 在jupyter notebook顯示圖形

%matplotlib inline

# 選擇'ggplot'樣式

plt.style.use("ggplot")

1. 基礎線圖

使用matplotlib創建圖形的四個基本步驟：準備數據

創建Figure和Axes對象，前者一般簡稱為fig, 是所有數據和幾何圖形的容器，后者一般簡稱為ax，代表坐標軸，包含標題，橫坐標/縱坐標，圖例等對象元素

調用ax.plot()，將數據映射到圖表

調整樣式，如添加標題，改變顏色等

matplotlib提供兩種不同的繪圖接口：有狀態接口(plt繪圖函數)和無狀態接口(面向對象)，我們將使用面向對象范式。

# 準備數據

x = np.linspace(0, 10, 100)

y = np.sin(x)

y2 = np.cos(x)

# 創建Figure和Axes對象

# 創建方法1：分別調用plt.figure(), plt.subplot()

# fig = plt.figure()

# ax = plt.subplot()

# 創建方法2：直接調用plt.subplots() -> 返回(Figure, Axes)元組

# figsize參數控制圖形的大小

fig, ax = plt.subplots(figsize=(12, 7))

# 調用Axes對象的繪圖接口，映射數據

ax.plot(x, y)

ax.plot(x, y2) # 多次調用將繼續添加數據到圖表

2. 調整顏色，樣式和大小

參數'color'控制顏色，接收任意能夠代表顏色的字符串。如果不指定顏色，matplotlib會自動會多條曲線選擇顏色。

x = np.arange(100)

fig, ax = plt.subplots(figsize=(12, 7))

ax.plot(x, x, color="red") # 用名字代表顏色, 'red'代表紅色

ax.plot(x, x + 10, color="b") # 顏色代碼，(rgbcmyk)

ax.plot(x, x + 20, color="0.25") # 灰度，取值0-1

ax.plot(x, x + 30, color="#FFDD44") # 十六進制代碼

ax.plot(x, x + 40, color=(1.0,0.2,0.3)) # RGB 元組，元素取值0-1

參數'linestyle'控制曲線的樣式，有包括實線和虛線在內的多種樣式可供選擇，默認為實線。

x = np.arange(100)

fig, ax = plt.subplots(figsize=(12, 7))

ax.plot(x, x, linestyle="solid") # 實線，等價于'-'

ax.plot(x, x + 10, linestyle="dashed") # 虛線，等價于'--'

ax.plot(x, x + 20, linestyle="dashdot") # 點畫線，等價于'-.'

ax.plot(x, x + 30, linestyle="dotted") # 點線，等價于':'

ax.plot()有一個可選參數'fmt'，可以直接指定曲線的顏色和樣式。

x = np.linspace(0, 10, 100)

y = np.sin(x)

y2 = np.cos(x)

fig, ax = plt.subplots(figsize=(12, 7))

ax.plot(x, y, "r-") # 紅色實線，等價于color="red", linestyle="solid"

ax.plot(x, y2, "b--") # 藍色虛線，等價于color="blue", linestyle="dashed"

參數'linewidth'調整曲線的大小，用一個實數代表相對大小。

x = np.linspace(0, 10, 100)

y = np.sin(x)

y2 = np.cos(x)

fig, ax = plt.subplots(figsize=(12, 7))

ax.plot(x, y, linewidth=3.0)

ax.plot(x, y2, linewidth=6.0)

3. 調整坐標軸的范圍

x = np.linspace(0, 10, 100)

y = np.sin(x)

fig, ax = plt.subplots(figsize=(12, 7))

ax.plot(x, y, "r-")

ax.set_xlim(-2, 12) # 提供(xmin, xmax)

ax.set_ylim(-1.5, 1.5) # 提供(ymin, ymax)

4. 添加標題，坐標軸標簽和圖例

優秀的可視化要傳遞有效的信息，有一些圖形元素必不可少，例如標題，坐標軸標簽，如果有多條曲線，為每條曲線添加標簽是合理的。

用面向對象的方法調整樣式時，主要通過調用類似ax.set_title()這樣的方法來完成。所有設置方法請參考官方文檔.

x = np.linspace(0, 10, 100)

fig, ax = plt.subplots(figsize=(12, 7))

# 設置label參數，為每條曲線添加標簽

ax.plot(x, np.sin(x), label="sin(x)")

ax.plot(x, np.cos(x), label="cos(x)")

# 調用一系列set方法來設置樣式

ax.set_title("Simple Line Plot", fontdict={"fontsize": 25}) # 添加標題，調整字符大小

ax.set_xlabel("x") # 添加橫軸標簽

ax.set_ylabel("y=f(x)") # 添加縱軸標簽

ax.legend(loc="best") # 展示圖例

5. 同時調整多個樣式

調用ax.set()接口可以同時設置多個樣式，避免逐個調用的繁瑣。

x = np.linspace(0, 10, 100)

fig, ax = plt.subplots(figsize=(12, 7))

ax.plot(x, np.sin(x), "r-", label="sin(x)", linewidth=2)

ax.plot(x, np.cos(x), "b--", label="cos(x)", linewidth=3)

ax.set(xlim=(-2, 12), ylim=(-1.5, 1.5),

xlabel="x", ylabel="y=f(x)",

title="Simple Line Plot")

ax.legend(loc="best")

結論

本文介紹了如何用matplotlib創建曲線圖，以及調整樣式的基礎方法。初學者只有掌握了這些基礎方法，才能進階到更加復雜的圖形。接下來我們將繼續探索柱狀圖，散點圖和更多可視化方法，創建更多美觀的圖形。數據黑客 - 專注金融大數據的內容聚合和數據聚合平臺?finquanthub.com

我們聚合全網最優秀的資訊和教程：金融大數據

機器學習/深度學習

量化交易

數據工程

編程語言，Python，R，Julia，Scala，SQL

我們提供開源數據接口：下載國內和國外海量金融數據

API接口，將數據整合到您的平臺

總結

以上是生活随笔為你收集整理的python折线图怎么添加数值_Python数据可视化：如何创建曲线图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。