【Python画图】从入门到精通：如何画好折线图？

一、入门必备：用Matplotlib绘制基础折线图

1. 环境准备：安装绘图库

# 安装Matplotlib（基础绘图库）
pip install matplotlib

# 安装Seaborn（提升美观度，可选）
pip install seaborn

2. 基础代码框架：绘制单条折线

import matplotlib.pyplot as plt
import numpy as np

# 生成示例数据
x = np.arange(0, 10, 0.5)  # X轴数据（0-10，步长0.5）
y = np.sin(x)  # Y轴数据（正弦曲线）

# 创建画布
plt.figure(figsize=(10, 6))  # 设置画布大小（宽10英寸，高6英寸）

# 绘制折线图
plt.plot(x, y, 
         color='#1f77b4',  # 线条颜色（RGB十六进制值）
         linestyle='-',    # 线条样式（实线）
         linewidth=2,      # 线条宽度
         label='sin(x)')   # 图例标签

# 添加图表元素
plt.title("Sine Wave Example", fontsize=16, pad=20)  # 主标题
plt.xlabel("X Value", fontsize=14)  # X轴标签
plt.ylabel("Y Value", fontsize=14)  # Y轴标签
plt.legend()  # 显示图例
plt.grid(True, linestyle='--', alpha=0.7)  # 添加网格线

# 显示图表
plt.show()

效果展示：

3. 关键参数解析：让图表更“听话”

参数	作用	常用值示例
color	线条颜色	'red', '#FF5733', 'tab:blue'
linestyle	线条样式	'-'（实线）, '--'（虚线）, ':'（点线）
linewidth	线条宽度	1, 2.5, 3
marker	数据点标记样式	'o'（圆点）, 's'（方块）, '^'（三角）
markersize	标记大小	6, 8

二、进阶技巧：让折线图更专业、更美观

1. 样式升级：使用Seaborn提升颜值

import seaborn as sns

# 设置Seaborn主题（可选：'darkgrid', 'whitegrid', 'dark', 'white', 'ticks'）
sns.set_theme(style="whitegrid")

# 绘制带标记的多线折线图
x = np.linspace(0, 10, 50)
y1 = np.sin(x)
y2 = np.cos(x)

plt.figure(figsize=(12, 8))
plt.plot(x, y1, 'o-', label='Sine', color='#1f77b4', markersize=8)
plt.plot(x, y2, 's--', label='Cosine', color='#2ca02c', markersize=6)

plt.title("Sine vs Cosine Wave", fontsize=18, pad=25)
plt.xlabel("X Value", fontsize=14)
plt.ylabel("Amplitude", fontsize=14)
plt.legend(fontsize=12, loc='upper right')  # 图例位置
plt.xticks(fontsize=12)  # X轴刻度字体大小
plt.yticks(fontsize=12)  # Y轴刻度字体大小

plt.show()

效果展示：

2. 多线绘制：对比多个数据系列

# 生成多组数据
years = [2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022]
sales = [300, 350, 450, 400, 500, 550, 600, 580]
profits = [80, 90, 120, 110, 150, 160, 180, 170]

plt.figure(figsize=(10, 6))
plt.plot(years, sales, 'o-', color='#1f77b4', label='Sales')
plt.plot(years, profits, 's--', color='#d62728', label='Profits')

# 添加数据标签（关键点位标注）
for x, y in zip(years, sales):
    plt.text(x, y, f'{y}', ha='center', va='bottom', fontsize=10)
for x, y in zip(years, profits):
    plt.text(x, y, f'{y}', ha='center', va='top', fontsize=10)

plt.title("Sales vs Profits Trend (2015-2022)", fontsize=16)
plt.xlabel("Year")
plt.ylabel("Amount (USD)")
plt.legend()

plt.show()

效果展示：

3. 坐标轴精细化调整

# 设置坐标轴范围
plt.xlim(2015, 2022)  # X轴范围
plt.ylim(0, 650)       # Y轴范围

# 自定义刻度间隔
plt.xticks(np.arange(2015, 2023, 1))  # X轴刻度步长为1年
plt.yticks(np.arange(0, 700, 50))     # Y轴刻度步长为100

# 添加参考线
plt.axhline(y=500, color='gray', linestyle='--', alpha=0.7)  # 水平参考线
plt.axvline(x=2018, color='gray', linestyle='--', alpha=0.7)  # 垂直参考线

效果展示：

4. 添加注释与标注

# 关键事件标注
plt.annotate(
    "Peak Sales",             # 注释文本
    xy=(2021, 600),          # 注释位置（数据点坐标）
    xytext=(2017, 620),      # 文本位置
    arrowprops=dict(         # 箭头属性
        facecolor='#1f77b4',
        shrink=0.05,
        width=2,
        headwidth=8
    ),
    fontsize=12
)

效果展示：

三、高级应用：处理复杂数据与场景

1. 时间序列可视化（处理日期数据）

import pandas as pd

# 生成时间序列数据
dates = pd.date_range(start='2023-01-01', periods=30, freq='D')
values = np.cumsum(np.random.randn(30))  # 累加随机数模拟趋势

plt.figure(figsize=(12, 6))
plt.plot(dates, values, color='#2c7bb6', linewidth=1.5)

# 旋转X轴日期标签避免重叠
plt.xticks(rotation=45, ha='right', fontsize=10)

plt.title("Time Series Analysis (2023-01)", fontsize=16)
plt.xlabel("Date")
plt.ylabel("Value")

plt.show()

2. 子图布局：同时展示多个折线图

# 创建2x2子图
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(15, 12))

# 子图1：简单折线
axes[0, 0].plot(x, y1, color='blue')
axes[0, 0].set_title("Subplot 1")

# 子图2：带标记折线
axes[0, 1].plot(x, y2, 'o-', color='green')
axes[0, 1].set_title("Subplot 2")

# 子图3：多线对比
axes[1, 0].plot(x, y1, 'r-', x, y2, 'b--')
axes[1, 0].set_title("Subplot 3")

# 子图4：带网格线
axes[1, 1].plot(x, y1, color='purple')
axes[1, 1].grid(True, linestyle='--', alpha=0.5)
axes[1, 1].set_title("Subplot 4")

plt.tight_layout()  # 自动调整子图间距
plt.show()

四、常见问题与解决方案

1. 数据点重叠怎么办？

• 解决方案：
  • 增大标记透明度（alpha=0.6）
  • 使用空心标记（如marker='o', facecolor='white'）
  • 错开相邻线条的标记位置

2. 折线图抖动严重？

• 可能原因：数据噪声过大或采样间隔不均匀
• 解决方案：
  • 对数据进行平滑处理（如移动平均）
  • 添加趋势线（使用numpy.polyfit()拟合曲线）

3. 中文字体显示为方块？

• 解决方案：

  from matplotlib.font_manager import FontProperties
  font = FontProperties(fname='/System/Library/Fonts/Hiragino Sans GB.ttc', size=14)  # 苹果系统中文字体
  plt.title("中文标题", fontproperties=font)
  

五、总结：

以下是对Python绘制折线图可配置参数的全面总结表格，分为 核心参数、样式参数、坐标轴设置、高级方法 四大类：

---

📊 基础参数配置表

参数/方法	类型	作用	示例值
x	array	X轴数据	x=[1,2,3]
y	array	Y轴数据	y=np.random.rand(5)
label	str	图例标签	label="销售额"
color	str	线条颜色	'red'、'#2c7bb6'
linestyle	str	线型样式	'-'（实线）、'--'（虚线）
linewidth	float	线条宽度	2.5
marker	str	数据点标记	'o'（圆形）、'^'（三角形）
markersize	int	标记大小	8
alpha	float	透明度	0.7（半透明）

---

🎨 样式增强参数

参数	作用域	说明	示例
plt.style.use()	全局	预设样式主题	plt.style.use('seaborn')
plt.rcParams	全局	自定义全局样式	plt.rcParams['font.size'] = 12
grid()	坐标轴	网格线	plt.grid(True, linestyle=':')
spines	坐标轴	边框控制	ax.spines['top'].set_visible(False)
text()	图表	添加任意文本	plt.text(5, 0.5, '注释')
annotate()	图表	带箭头的注释	plt.annotate('峰值', xy=(x,y))

---

📐 坐标轴精细化设置

方法/参数	功能	示例代码
xlim()/ylim()	坐标范围	plt.xlim(0, 10)
xticks()/yticks()	刻度位置	plt.xticks([1,2,3], ['A','B','C'])
xlabel()/ylabel()	轴标签	plt.xlabel("时间", fontsize=14)
tick_params()	刻度样式	plt.tick_params(axis='y', direction='in')
DateFormatter	时间格式化	ax.xaxis.set_major_formatter(DateFormatter("%Y-%m"))
LogFormatter	对数坐标	ax.yaxis.set_major_formatter(LogFormatter())

---

🚀 高级方法与技巧

方法	库	功能	应用场景
plt.fill_between()	matplotlib	填充区域	置信区间可视化
sns.lineplot()	seaborn	智能统计绘图	带误差带的折线图
fig.autofmt_xdate()	matplotlib	自动旋转日期标签	时间序列数据
ax.secondary_yaxis()	matplotlib	双Y轴	不同量纲数据对比
plt.legend()	matplotlib	图例控制	loc='upper left', ncol=2
axhline()/axvline()	matplotlib	参考线	标记阈值 plt.axhline(y=0)

---

🌟 常用组合示例

# 专业级折线图模板
plt.figure(figsize=(12, 7))
plt.plot(x, y, 
         color='steelblue',
         linestyle='--', 
         marker='o',
         markersize=8,
         linewidth=2,
         alpha=0.8,
         label='主数据线')

plt.title("专业级折线图", fontsize=16, pad=20)
plt.xlabel("X轴", fontsize=12)
plt.ylabel("Y轴", fontsize=12)
plt.xticks(rotation=45)
plt.grid(True, linestyle=':', alpha=0.5)
plt.legend(frameon=True, shadow=True)
plt.tight_layout()

---

⚠️ 注意事项

1. 中文字体支持：需额外设置字体

   plt.rcParams['font.family'] = 'SimHei'
   

2. 输出质量：保存时设置高DPI

   plt.savefig('chart.png', dpi=300, bbox_inches='tight')
   

3. 大数据优化：超过10万数据点时使用ax.plot(x, y, '-', rasterized=True)