python折线图动起来

㈠ 如何使用python的Pandas库绘制折线图

我们经常会使用Python的Pandas绘制各种数据图形，那么如何使用它绘制折线图呢？下面我给大家分享一下。

工具/材料

Pycharm

• 01

  首先我们需要打开Excel软件准备需要的数据，这里多准备几列数据，一列就是一条折线，如下图所示

• 02

  然后我们打开Pycharm软件，新建Python文件，导入Pandas库，接着将Excel中的数据读取进数据集缓存，如下图所示

• 03

  接下来我们利用plot方法绘制折线图，如下图所示，这里只添加了一列标题

• 04

  运行文件以后我们就可以看到折线图显示出来了，但是比较的简单，下面我们逐渐的丰富它

• 05

  然后在plot方法中将excel里面的多列标题都添加进来，如下图所示

• 06

  这次在运行文件的时候我们就可以看到折线图上有多条线了，如下图所示

• 07

  接下来我们在为折线图设置标题，X，Y坐标轴的内容，如下图所示

• 08

  然后通过plot方法下面的area方法对折线图的空白区域进行叠加填充，如下图所示

• 09

  最后我们运行完善好后的文件，就可以看到如下图所示的折线图了，到此我们的折线图绘制也就完成了

㈡ 如何用python绘制各种图形

1.环境

系统：windows10

python版本：python3.6.1

使用的库：matplotlib，numpy

2.numpy库产生随机数几种方法

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)查询结果为标准正态分布

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之间（半开区间 [low, high)），size个数据

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之间（闭区间 [low, high)），size个数据

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

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

3.散点图

x x轴
y y轴
s 圆点面积
c 颜色
marker 圆点形状
alpha 圆点透明度#其他图也类似这种配置
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()

8.箱型图

import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 点的形状，whis虚线的长度plt.boxplot(data,sym="o",whis=1.5)plt.show()
#sym 点的形状，whis虚线的长度

㈢ python可视化数据分析常用图大集合（收藏）

python数据分析常用图大集合：包含折线图、直方图、垂直条形图、水平条形图、饼图、箱线图、热力图、散点图、蜘蛛图、二元变量分布、面积图、六边形图等12种常用可视化数据分析图，后期还会不断的收集整理，请关注更新！

以下默认所有的操作都先导入了numpy、pandas、matplotlib、seaborn

一、折线图

折线图可以用来表示数据随着时间变化的趋势

Matplotlib

plt.plot(x, y)

plt.show()

Seaborn

df = pd.DataFrame({'x': x, 'y': y})

sns.lineplot(x="x", y="y", data=df)

plt.show()

二、直方图

直方图是比较常见的视图，它是把横坐标等分成了一定数量的小区间，然后在每个小区间内用矩形条（bars）展示该区间的数值

Matplotlib

Seaborn

三、垂直条形图

条形图可以帮我们查看类别的特征。在条形图中，长条形的长度表示类别的频数，宽度表示类别。

Matplotlib

Seaborn

1plt.show()

四、水平条形图

五、饼图

六、箱线图

箱线图由五个数值点组成：最大值 (max)、最小值 (min)、中位数 (median) 和上下四分位数 (Q3, Q1)。

可以帮我们分析出数据的差异性、离散程度和异常值等。

Matplotlib

Seaborn

七、热力图

力图，英文叫 heat map，是一种矩阵表示方法，其中矩阵中的元素值用颜色来代表，不同的颜色代表不同大小的值。通过颜色就能直观地知道某个位置上数值的大小。

通过 seaborn 的 heatmap 函数，我们可以观察到不同年份，不同月份的乘客数量变化情况，其中颜色越浅的代表乘客数量越多

八、散点图

散点图的英文叫做 scatter plot，它将两个变量的值显示在二维坐标中，非常适合展示两个变量之间的关系。

Matplotlib

Seaborn

九、蜘蛛图

蜘蛛图是一种显示一对多关系的方法，使一个变量相对于另一个变量的显着性是清晰可见

十、二元变量分布

二元变量分布可以看两个变量之间的关系

十一、面积图

面积图又称区域图，强调数量随时间而变化的程度，也可用于引起人们对总值趋势的注意。

堆积面积图还可以显示部分与整体的关系。折线图和面积图都可以用来帮助我们对趋势进行分析，当数据集有合计关系或者你想要展示局部与整体关系的时候，使用面积图为更好的选择。

十二、六边形图

六边形图将空间中的点聚合成六边形，然后根据六边形内部的值为这些六边形上色。

原文至：https://www.py.cn/toutiao/16894.html

㈣ 用Python画折线图怎么实现拉伸效果

#encoding=utf-8importmatplotlib.pyplotaspltfrompylabimport*#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)#限定横轴的范围#pl.ylim(-1,110)#限定纵轴的范围plt.plot(x,y,marker='o',mec='r',mfc='w',label=u'y=x^2曲线图')plt.plot(x,y1,marker='*',ms=10,label=u'y=x^3曲线图')plt.legend()#让图例生效plt.xticks(x,names,rotation=45)plt.margins(0)plt.subplots_adjust(bottom=0.15)plt.xlabel(u"time(s)邻居")#X轴标签plt.ylabel("RMSE")#Y轴标签plt.title("Asimpleplot")#标题plt.show()