如何用python畫(huà)出折線圖

用pylab模塊的plot函數(shù)

南雄ssl適用于網(wǎng)站、小程序/APP、API接口等需要進(jìn)行數(shù)據(jù)傳輸應(yīng)用場(chǎng)景，ssl證書(shū)未來(lái)市場(chǎng)廣闊！成為創(chuàng)新互聯(lián)的ssl證書(shū)銷售渠道，可以享受市場(chǎng)價(jià)格4-6折優(yōu)惠！如果有意向歡迎電話聯(lián)系或者加微信：13518219792（備注：SSL證書(shū)合作）期待與您的合作！

pylab.plot(x,y)其中x y都是數(shù)組

就能畫(huà)出以x，y中元素為坐標(biāo)的折線圖

python輸出折線圖中點(diǎn)的坐標(biāo)值怎么算

計(jì)算其平方值，并將結(jié)果存儲(chǔ)到列表y_values中。

1、首先創(chuàng)建一個(gè)包含x值的列表，其中包含數(shù)字1~1000。

2、接下來(lái)是一個(gè)生成y值的列表解析，它遍歷x值（forxinx_values），計(jì)算其平方值，并將結(jié)果存儲(chǔ)到列表y_values中。

3、然后，將輸入列表和輸出列表傳遞給scatter()。使用函數(shù)axis()指定了每個(gè)坐標(biāo)軸的取值范圍。

Python由荷蘭數(shù)學(xué)和計(jì)算機(jī)科學(xué)研究學(xué)會(huì)的吉多·范羅蘇姆于1990年代初設(shè)計(jì)，作為一門(mén)叫做ABC語(yǔ)言的替代品。

python--seaborn折線圖

在seaborn中，繪制折線圖的函數(shù)有 lineplot 和 relplot 。

簡(jiǎn)單方式是傳入pandas Series，其索引會(huì)成為x軸，值為y軸。

另一種方式是傳入pandas dataFrame，通過(guò)設(shè)置 x , y 繪制。

當(dāng)折線圖中，x軸對(duì)應(yīng)多個(gè)y軸數(shù)據(jù)時(shí)，seaborn會(huì)自動(dòng)繪制置信區(qū)間。

圖中的陰影表示置信區(qū)間，默認(rèn)是 95% ，可以通過(guò) ci 參數(shù)修改置信區(qū)間。

在一個(gè)圖中繪制多條折線圖。需要傳入的數(shù)據(jù)為pandas dataFrame。

當(dāng)傳入長(zhǎng)型數(shù)據(jù)時(shí)，除了需要設(shè)置 x ， y 參數(shù)外，還需要設(shè)置 hue 或 size 或 style 參數(shù)。

seaborn可以直接對(duì)寬型數(shù)據(jù)繪制多折線圖，其索引成為x軸，所有的列自動(dòng)繪制成多折線。

設(shè)置 makers=True 參數(shù)可以顯示散點(diǎn)。

分面折線圖的繪制，需要用 relplot 函數(shù)。設(shè)置 kind="line" 表示繪制折線圖，設(shè)置 col 或 row 控制分面行為。

如何使用Python的Pandas庫(kù)繪制折線圖

我們經(jīng)常會(huì)使用Python的Pandas繪制各種數(shù)據(jù)圖形，那么如何使用它繪制折線圖呢？下面我給大家分享一下。

工具/材料

Pycharm

01

首先我們需要打開(kāi)Excel軟件準(zhǔn)備需要的數(shù)據(jù)，這里多準(zhǔn)備幾列數(shù)據(jù)，一列就是一條折線，如下圖所示

02

然后我們打開(kāi)Pycharm軟件，新建Python文件，導(dǎo)入Pandas庫(kù)，接著將Excel中的數(shù)據(jù)讀取進(jìn)數(shù)據(jù)集緩存，如下圖所示

03

接下來(lái)我們利用plot方法繪制折線圖，如下圖所示，這里只添加了一列標(biāo)題

04

運(yùn)行文件以后我們就可以看到折線圖顯示出來(lái)了，但是比較的簡(jiǎn)單，下面我們逐漸的豐富它

05

然后在plot方法中將excel里面的多列標(biāo)題都添加進(jìn)來(lái)，如下圖所示

06

這次在運(yùn)行文件的時(shí)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(lái)我們?cè)跒檎劬€圖設(shè)置標(biāo)題，X，Y坐標(biāo)軸的內(nèi)容，如下圖所示

08

然后通過(guò)plot方法下面的area方法對(duì)折線圖的空白區(qū)域進(jìn)行疊加填充，如下圖所示

09

最后我們運(yùn)行完善好后的文件，就可以看到如下圖所示的折線圖了，到此我們的折線圖繪制也就完成了

python畫(huà)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)??#?限定橫軸的范圍

#pl.ylim(-1,?110)??#?限定縱軸的范圍

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(biāo)簽

plt.ylabel("RMSE")?#Y軸標(biāo)簽

plt.title("A?simple?plot")?#標(biāo)題

plt.show()

如何用python繪制各種圖形

1.環(huán)境

系統(tǒng)：windows10

python版本：python3.6.1

使用的庫(kù)：matplotlib，numpy

2.numpy庫(kù)產(chǎn)生隨機(jī)數(shù)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(jié)果為標(biāo)準(zhǔn)正態(tài)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之間（半開(kāi)區(qū)間 [low, high)），size個(gè)數(shù)據(jù)

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(qū)間 [low, high)），size個(gè)數(shù)據(jù)

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

In [11]: x

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

3.散點(diǎn)圖

x x軸

y y軸

s ? 圓點(diǎn)面積

c ? 顏色

marker ?圓點(diǎn)形狀

alpha ? 圓點(diǎn)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(qū)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(shù)

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(shè)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(shè)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(lián)合分布

#雙變量的直方圖#顏色越深頻率越高#研究雙變量的聯(lián)合分布

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(shè)置x,y軸比例為1：1，從而達(dá)到一個(gè)正的圓

#labels標(biāo)簽參數(shù),x是對(duì)應(yīng)的數(shù)據(jù)列表,autopct顯示每一個(gè)區(qū)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(shè)置x,y軸比例為1：1，從而達(dá)到一個(gè)正的圓

plt.axes(aspect=1)#labels標(biāo)簽參數(shù),x是對(duì)應(yīng)的數(shù)據(jù)列表,autopct顯示每一個(gè)區(qū)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(diǎn)的形狀，whis虛線的長(zhǎng)度plt.boxplot(data,sym="o",whis=1.5)plt.show()

#sym 點(diǎn)的形狀，whis虛線的長(zhǎng)度