数据分析之Matplotlib（二）折线图(plot)

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图等。

• 折线图: plt.plot()，表示趋势
• 散点图: plt.scatter()，表示变量与变量之间的关系
• 柱状图: plt.bar()，表示数量的大小对比
• 直方图: plt.hist()，表示数据的分布
• 饼图: plt.pie()，表示不同部分的占比
  我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。

常见图形种类及意义

• 折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
  特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
  
• 散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
  特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
  
• 柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。
  特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
  
• 直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。
  特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
  
• 饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
  特点：分类数据的占比情况(占比)
  

折线图绘制与保存图片

为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用

1 matplotlib.pyplot模块

matplotlib.pytplot包含了一系列类似于matlab的画图函数。 它的函数作用于当前图形(figure)的当前坐标系(axes)。

import matplotlib.pyplot as plt

2 折线图绘制与显示

展现上海一周的天气,比如从星期一到星期日的天气温度如下

# 1）创建画布(容器层)
plt.figure(figsize=(10, 10))
# 2）绘制折线图(图像层)
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17, 17, 18, 15, 11, 11, 13])
# 3）显示图像
plt.show()

可以看到这样显示效果并不好，我们可以加入更多的功能：
3 设置画布属性与图片保存
plt.figure(figsize=(), dpi=)

• figsize:指定图的长宽（单位英寸）
• dpi:图像的清晰度，也就是分辨率
  返回fig对象

plt.savefig(path) #保存图像，必须在plt.show()之前运行，否则图像保存是空的

# 1）创建画布，并设置画布属性
plt.figure(figsize=(20, 8), dpi=80)
# 2）保存图片到指定路径
plt.savefig("test.png")

注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

完善原始折线图1(辅助显示层)

需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度
效果：

1 准备数据并画出初始折线图

import numpy as np
# 画出温度变化图
# 准备x, y坐标的数据
x = range(60)
y_shanghai = [np. random.uniform(15, 18) for i in x]

# 1）创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 2）绘制折线图
plt.plot(x, y_shanghai)

# 3）显示图像
plt.show()

2 添加自定义x,y刻度
plt.xticks(x, **kwargs)
x:要显示的刻度值
plt.yticks(y, **kwargs)
y:要显示的刻度值

# 增加以下两行代码
# 构造x轴刻度标签
x_ticks_label =</