python数据可视化 | matplotlib.pyplot()函数绘制线形图,感受数据直观变化

微信公众号:Python *
简单的事情重复做,重复的事情坚持做,坚持的事情用心做;

python数据可视化 | matplotlib.pyplot()函数绘制线形图,感受数据直观变化

相关依赖库

 1'''
2线形图
3'''
4# matplotlib 数据可视化库
5
6import matplotlib.pyplot as plt
7
8# pandas 数据提炼库
9
10import pandas as pd

基本线性图

 1'''
2基本线性图
3'''
4import numpy as np
5
6# 从1到20均取20个点
7
8# x = np.linspace(1, 20, 20)
9
10# y = 3 * x
11
12# plt.plot(x, y)
13
14# plt.show()

plot()函数属性

 1'''
2plot()函数线性图属性
3'''
4# 线条颜色,color='g'
5
6# 线条风格,linestyle='--'
7
8# 线条粗细,linewidth=5.0
9
10# 标记风格,marker='o'
11
12# 标记颜色,markerfacecolor='b'
13
14# 标记尺寸,markersize=20
15
16# 透明度,alpha=0.5
17
18# 线条和标记节点格式字符 如果不设置颜色,系统默认会取一个不同颜色来区别线条

 

构造原始数据

 1'''
2构造原始数据
3'''
4data_dict = {
5    'name': ['李元吉', '李建成', '李世民', '李元霸'],
6    'score': [89, 92, 92, 96]
7}
8
9df = pd.DataFrame(data_dict)
10
11print(df)
12
13#   name  score
14# 0  李元吉     89
15# 1  李建成     92
16# 2  李世民     92
17# 3  李元霸     96

plot()参数实例

 1'''
2plot()参数实例
3'''
4# 设置网格线,color='b‘指定网格线颜色
5
6# axis='x',axis='y',指定网格线X或Y轴方向,不指定则X和Y方向都有
7
8plt.grid()
9
10# 设置中文字体
11
12plt.rcParams['font.sans-serif']=['SimHei']
13
14# 设置X轴为姓名,设置Y轴为成绩
15
16plt.plot(df['name'],df['score'])
17
18# 设置线条颜色属性,g表示绿色也就是green的首字母,也可以使用其他颜色表示方式
19
20plt.plot(df['name'],df['score'],color='g')
21
22# 设置线段的属性,--表示虚线
23
24plt.plot(df['name'],df['score'],color='g',linestyle='--')
25
26# 设置设置线段属性,宽度为4
27
28plt.plot(df['name'],df['score'],color='g',linestyle='--',linewidth='4')
29
30# 设置标记属性为D,重点显示数据点位
31
32plt.plot(df['name'],df['score'],color='g',linestyle='--',linewidth='4',marker='D')
33
34# 展示图例
35
36plt.show()

 

 

▼往期精彩回顾▼

python数据可视化 | matplotlib.pyplot()函数绘制饼图

python数据可视化 | DataFrame.plot()函数绘制数据图

趣味python | 一步一步绘制小猪佩奇pandas数据分析 | pandas.DataFrame数据修改、索引设置、数据组合python数据分析 | pandas.DataFrame基本数据提炼与处理python数据分析 | pandas.DataFrame基本聚合函数统计数据python数据分析 | 多种方式获取pandas.DataFrame数据对象python数据分析 | 重新认识数据分析中的三剑客?python数据分析 | pandas关于csv文件的读写操作python数据分析 | 学习路线一览python数据分析|pandas的excel基本数据操作(附加篇)python爬虫|pyspider的第一个爬虫程序,大功告成!

 

上一篇:Python数据可视化_简单绘图_汇总(一)


下一篇:【机器学习】使用pyplot绘制MNIST数据集中的手写数字