可以用python畫折線圖嗎（用python繪製折線圖）

本文目錄一覽：

• 1、如何使用Python的Pandas庫繪製折線圖
• 2、python怎麼畫折線圖
• 3、用Python畫折線圖怎麼實現拉伸效果
• 4、python畫折線圖
• 5、python可視化神器——pyecharts庫
• 6、如何用python繪製各種圖形

如何使用Python的Pandas庫繪製折線圖

我們經常會使用Python的Pandas繪製各種數據圖形，那麼如何使用它繪製折線圖呢？下面我給大家分享一下。

工具/材料

Pycharm

01

首先我們需要打開Excel軟件準備需要的數據，這裡多準備幾列數據，一列就是一條折線，如下圖所示

02

然後我們打開Pycharm軟件，新建Python文件，導入Pandas庫，接着將Excel中的數據讀取進數據集緩存，如下圖所示

03

接下來我們利用plot方法繪製折線圖，如下圖所示，這裡只添加了一列標題

04

運行文件以後我們就可以看到折線圖顯示出來了，但是比較的簡單，下面我們逐漸的豐富它

05

然後在plot方法中將excel裏面的多列標題都添加進來，如下圖所示

06

這次在運行文件的時候我們就可以看到折線圖上有多條線了，如下圖所示

07

接下來我們在為折線圖設置標題，X，Y坐標軸的內容，如下圖所示

08

然後通過plot方法下面的area方法對摺線圖的空白區域進行疊加填充，如下圖所示

09

最後我們運行完善好後的文件，就可以看到如下圖所示的折線圖了，到此我們的折線圖繪製也就完成了

python怎麼畫折線圖

一、環境準備

linux ubuntu 下需安裝下面三個包：

Numpy, Scipy,Matplotlib

分別輸入下面的代碼進行安裝：

[plain] view plain copy

pip install numpy

pip install scipy

sudo apt-get install python-matplotlib

測試是否安裝成功

[html] view plain copy

python

 import pylab

如果沒有報錯則安裝成功

二、開始畫圖

1. 畫最簡單的直線圖

代碼如下：

[python] view plain copy

import numpy as np

import matplotlib.pyplot as plt

x=[0,1]

y=[0,1]

plt.figure()

plt.plot(x,y)

plt.savefig(“easyplot.jpg”)

結果如下：

代碼解釋：

[python] view plain copy

#x軸，y軸

x=[0,1]

y=[0,1]

#創建繪圖對象

plt.figure()

#在當前繪圖對象進行繪圖（兩個參數是x,y軸的數據）

plt.plot(x,y)

#保存圖象

plt.savefig(“easyplot.jpg”)

2. 給圖加上標籤與標題

上面的圖沒有相應的X，Y軸標籤說明與標題

在上述代碼基礎上，可以加上這些內容

代碼如下：

[python] view plain copy

import numpy as np

import matplotlib.pyplot as plt

x=[0,1]

y=[0,1]

plt.figure()

plt.plot(x,y)

plt.xlabel(“time(s)”)

plt.ylabel(“value(m)”)

plt.title(“A simple plot”)

結果如下：

代碼解釋：

[python] view plain copy

plt.xlabel(“time(s)”) #X軸標籤

plt.ylabel(“value(m)”) #Y軸標籤

plt.title(“A simple plot”) #標題

3. 畫sinx曲線

代碼如下：

[python] view plain copy

# -*- coding: utf-8 -*-

import numpy as np

import matplotlib.pyplot as plt

#設置x,y軸的數值（y=sinx）

x = np.linspace(0, 10, 1000)

y = np.sin(x)

#創建繪圖對象，figsize參數可以指定繪圖對象的寬度和高度，單位為英寸，一英寸=80px

plt.figure(figsize=(8,4))

#在當前繪圖對象中畫圖（x軸,y軸,給所繪製的曲線的名字，畫線顏色，畫線寬度）

plt.plot(x,y,label=”$sin(x)$”,color=”red”,linewidth=2)

#X軸的文字

plt.xlabel(“Time(s)”)

#Y軸的文字

plt.ylabel(“Volt”)

#圖表的標題

plt.title(“PyPlot First Example”)

#Y軸的範圍

plt.ylim(-1.2,1.2)

#顯示圖示

plt.legend()

#顯示圖

plt.show()

#保存圖

plt.savefig(“sinx.jpg”)

結果如下：

4. 畫折線圖

代碼如下：

[python] view plain copy

# -*- coding: utf-8 -*-

import numpy as np

import matplotlib.pyplot as plt

#X軸，Y軸數據

x = [0,1,2,3,4,5,6]

y = [0.3,0.4,2,5,3,4.5,4]

plt.figure(figsize=(8,4)) #創建繪圖對象

plt.plot(x,y,”b–“,linewidth=1)   #在當前繪圖對象繪圖（X軸，Y軸，藍色虛線，線寬度）

plt.xlabel(“Time(s)”) #X軸標籤

plt.ylabel(“Volt”)  #Y軸標籤

plt.title(“Line plot”) #圖標題

plt.show()  #顯示圖

plt.savefig(“line.jpg”) #保存圖

結果如下：

用Python畫折線圖怎麼實現拉伸效果

# encoding=utf-8import matplotlib.pyplot as pltfrom pylab import *                                 #支持中文mpl.rcParams[‘font.sans-serif’] = [‘SimHei’] names = [‘5′, ’10’, ’15’, ’20’, ’25’]x = range(len(names))y = [0.855, 0.84, 0.835, 0.815, 0.81]y1=[0.86,0.85,0.853,0.849,0.83]#plt.plot(x, y, ‘ro-‘)#plt.plot(x, y1, ‘bo-‘)#pl.xlim(-1, 11)  # 限定橫軸的範圍#pl.ylim(-1, 110)  # 限定縱軸的範圍plt.plot(x, y, marker=’o’, mec=’r’, mfc=’w’,label=u’y=x^2曲線圖’)plt.plot(x, y1, marker=’*’, ms=10,label=u’y=x^3曲線圖’)plt.legend()  # 讓圖例生效plt.xticks(x, names, rotation=45)plt.margins(0)plt.subplots_adjust(bottom=0.15)plt.xlabel(u”time(s)鄰居”) #X軸標籤plt.ylabel(“RMSE”) #Y軸標籤plt.title(“A simple plot”) #標題 plt.show()

python畫折線圖

# encoding=utf-8

import matplotlib.pyplot as plt

from pylab import *                                 #支持中文

mpl.rcParams[‘font.sans-serif’] = [‘SimHei’]

names = [‘5′, ’10’, ’15’, ’20’, ’25’]

x = range(len(names))

y = [0.855, 0.84, 0.835, 0.815, 0.81]

y1=[0.86,0.85,0.853,0.849,0.83]

#plt.plot(x, y, ‘ro-‘)

#plt.plot(x, y1, ‘bo-‘)

#pl.xlim(-1, 11)  # 限定橫軸的範圍

#pl.ylim(-1, 110)  # 限定縱軸的範圍

plt.plot(x, y, marker=’o’, mec=’r’, mfc=’w’,label=u’y=x^2曲線圖’)

plt.plot(x, y1, marker=’*’, ms=10,label=u’y=x^3曲線圖’)

plt.legend()  # 讓圖例生效

plt.xticks(x, names, rotation=45)

plt.margins(0)

plt.subplots_adjust(bottom=0.15)

plt.xlabel(u”time(s)鄰居”) #X軸標籤

plt.ylabel(“RMSE”) #Y軸標籤

plt.title(“A simple plot”) #標題

plt.show()

python可視化神器——pyecharts庫

無意中從今日頭條中看到的一篇文章，可以生成簡單的圖表。據說一些大數據開發們也是經常用類似的圖表庫，畢竟有現成的，改造下就行，誰會去自己造輪子呢。

pyecharts是什麼？

pyecharts 是一個用於生成 Echarts 圖表的類庫。Echarts 是百度開源的一個數據可視化 JS 庫。用 Echarts 生成的圖可視化效果非常棒， pyecharts 是為了與 Python 進行對接，方便在 Python 中直接使用數據生成圖 。使用pyecharts可以生成獨立的網頁，也可以在flask、django中集成使用。

安裝很簡單：pip install pyecharts

如需使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可，同時兼容 Python2 和 Python3 的 Jupyter Notebook 環境。所有圖表均可正常顯示，與瀏覽器一致的交互體驗，簡直不要太強大。

參考自pyecharts官方文檔:

首先開始來繪製你的第一個圖表

使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可

add() 主要方法，用於添加圖表的數據和設置各種配置項

render() 默認將會在根目錄下生成一個 render.html 的文件，文件用瀏覽器打開。

使用主題

自 0.5.2+ 起，pyecharts 支持更換主體色系

使用 pyecharts-snapshot 插件

如果想直接將圖片保存為 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用該插件請確保你的系統上已經安裝了 Nodejs 環境。

安裝 phantomjs $ npm install -g phantomjs-prebuilt

安裝 pyecharts-snapshot $ pip install pyecharts-snapshot

調用 render 方法 bar.render(path=’snapshot.png’) 文件結尾可以為 svg/jpeg/png/pdf/gif。請注意，svg 文件需要你在初始化 bar 的時候設置 renderer=’svg’。

圖形繪製過程

基本上所有的圖表類型都是這樣繪製的：

chart_name = Type() 初始化具體類型圖表。

add() 添加數據及配置項。

render() 生成本地文件（html/svg/jpeg/png/pdf/gif）。

add() 數據一般為兩個列表（長度一致）。如果你的數據是字典或者是帶元組的字典。可利用 cast() 方法轉換。

多次顯示圖表

從 v0.4.0+ 開始，pyecharts 重構了渲染的內部邏輯，改善效率。推薦使用以下方式顯示多個圖表。如果使是 Numpy 或者 Pandas，可以參考這個示例

當然你也可以採用更加酷炫的方式，使用 Jupyter Notebook 來展示圖表，matplotlib 有的，pyecharts 也會有的

Note： 從 v0.1.9.2 版本開始，廢棄 render_notebook() 方法，現已採用更加  pythonic  的做法。直接調用本身實例就可以了。

比如這樣

還有這樣

如果使用的是自定義類，直接調用自定義類示例即可

圖表配置

圖形初始化

通用配置項

xyAxis：平面直角坐標系中的 x、y 軸。(Line、Bar、Scatter、EffectScatter、Kline)

dataZoom：dataZoom 組件 用於區域縮放，從而能自由關注細節的數據信息，或者概覽數據整體，或者去除離群點的影響。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot)

legend：圖例組件。圖例組件展現了不同系列的標記(symbol)，顏色和名字。可以通過點擊圖例控制哪些系列不顯示。

label：圖形上的文本標籤，可用於說明圖形的一些數據信息，比如值，名稱等。

lineStyle：帶線圖形的線的風格選項(Line、Polar、Radar、Graph、Parallel)

grid3D：3D笛卡爾坐標系組配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)

axis3D：3D 笛卡爾坐標系 X，Y，Z 軸配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)

visualMap：是視覺映射組件，用於進行『視覺編碼』，也就是將數據映射到視覺元素（視覺通道）

markLinemarkPoint：圖形標記組件，用於標記指定的特殊數據，有標記線和標記點兩種。（Bar、Line、Kline）

tooltip：提示框組件，用於移動或點擊鼠標時彈出數據內容

toolbox：右側實用工具箱

圖表詳細

Bar（柱狀圖/條形圖）

Bar3D（3D 柱狀圖）

Boxplot（箱形圖）

EffectScatter（帶有漣漪特效動畫的散點圖）

Funnel（漏斗圖）

Gauge（儀錶盤）

Geo（地理坐標系）

GeoLines（地理坐標系線圖）

Graph（關係圖）

HeatMap（熱力圖）

Kline/Candlestick（K線圖）

Line（折線/面積圖）

Line3D（3D 折線圖）

Liquid（水球圖）

Map（地圖）

Parallel（平行坐標系）

Pie（餅圖）

Polar（極坐標系）

Radar（雷達圖）

Sankey（桑基圖）

Scatter（散點圖）

Scatter3D（3D 散點圖）

ThemeRiver（主題河流圖）

TreeMap（矩形樹圖）

WordCloud（詞雲圖）

用戶自定義

Grid 類：並行顯示多張圖

Overlap 類：結合不同類型圖表疊加畫在同張圖上

Page 類：同一網頁按順序展示多圖

Timeline 類：提供時間線輪播多張圖

統一風格

註：pyecharts v0.3.2以後，pyecharts 將不再自帶地圖 js 文件。如用戶需要用到地圖圖表，可自行安裝對應的地圖文件包。

地圖文件被分成了三個 Python 包，分別為：

全球國家地圖:

echarts-countries-pypkg

中國省級地圖:

echarts-china-provinces-pypkg

中國市級地圖:

echarts-china-cities-pypkg

直接使用python的pip安裝

但是這裡大家一定要注意，安裝完地圖包以後一定要重啟jupyter notebook，不然是無法顯示地圖的。

顯示如下：

總得來說，這是一個非常強大的可視化庫，既可以集成在flask、Django開發中，也可以在做數據分析的時候單獨使用，實在是居家旅行的必備神器啊

如何用python繪製各種圖形

1.環境

系統：windows10

python版本：python3.6.1

使用的庫：matplotlib，numpy

2.numpy庫產生隨機數幾種方法

import numpy as np

numpy.random

rand(d0, d1, …, dn)  

In [2]: x=np.random.rand(2,5)

In [3]: x

Out[3]:

array([[ 0.84286554,  0.50007593,  0.66500549,  0.97387807,  0.03993009],

[ 0.46391661,  0.50717355,  0.21527461,  0.92692517,  0.2567891 ]])

randn(d0, d1, …, dn)查詢結果為標準正態分佈

In [4]: x=np.random.randn(2,5)

In [5]: x

Out[5]:

array([[-0.77195196,  0.26651203, -0.35045793, -0.0210377 ,  0.89749635],

[-0.20229338,  1.44852833, -0.10858996, -1.65034606, -0.39793635]])

randint(low,high,size)  

生成low到high之間（半開區間 [low, high)），size個數據

In [6]: x=np.random.randint(1,8,4)

In [7]: x

Out[7]: array([4, 4, 2, 7])

random_integers(low,high,size)  

生成low到high之間（閉區間 [low, high)），size個數據

In [10]: x=np.random.random_integers(2,10,5)

In [11]: x

Out[11]: array([7, 4, 5, 4, 2])

3.散點圖

x x軸

y y軸

s   圓點面積

c   顏色

marker  圓點形狀

alpha   圓點透明度                #其他圖也類似這種配置

N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)

x=np.random.randn(N)

y=np.random.randn(N)

plt.scatter(x,y,s=50,c=’r’,marker=’o’,alpha=0.5)

plt.show()

4.折線圖

x=np.linspace(-10000,10000,100) #將-10到10等區間分成100份

y=x**2+x**3+x**7

plt.plot(x,y)

plt.show()

折線圖使用plot函數

5.條形圖

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)

plt.bar(left=index,height=y,color=’red’,width=0.3)

plt.bar(left=index+0.3,height=y1,color=’black’,width=0.3)

plt.show()

orientation設置橫向條形圖

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)# plt.bar(left=index,height=y,color=’red’,width=0.3)# plt.bar(left=index+0.3,height=y1,color=’black’,width=0.3)#plt.barh() 加了h就是橫向的條形圖，不用設置orientation

plt.bar(left=0,bottom=index,width=y,color=’red’,height=0.5,orientation=’horizontal’)

plt.show()

6.直方圖

m1=100

sigma=20

x=m1+sigma*np.random.randn(2000)

plt.hist(x,bins=50,color=”green”,normed=True)

plt.show()

# #雙變量的直方圖# #顏色越深頻率越高# #研究雙變量的聯合分佈

#雙變量的直方圖#顏色越深頻率越高#研究雙變量的聯合分佈

x=np.random.rand(1000)+2

y=np.random.rand(1000)+3

plt.hist2d(x,y,bins=40)

plt.show()

7.餅狀圖

#設置x,y軸比例為1：1，從而達到一個正的圓

#labels標籤參數,x是對應的數據列表,autopct顯示每一個區域占的比例,explode突出顯示某一塊,shadow陰影

labes=[‘A’,’B’,’C’,’D’]

fracs=[15,30,45,10]

explode=[0,0.1,0.05,0]#設置x,y軸比例為1：1，從而達到一個正的圓

plt.axes(aspect=1)#labels標籤參數,x是對應的數據列表,autopct顯示每一個區域占的比例,explode突出顯示某一塊,shadow陰影

plt.pie(x=fracs,labels=labes,autopct=”%.0f%%”,explode=explode,shadow=True)

plt.show()

8.箱型圖

import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 點的形狀，whis虛線的長度plt.boxplot(data,sym=”o”,whis=1.5)plt.show()

#sym 點的形狀，whis虛線的長度