趋势（一）利用python绘制折线图

趋势（一）利用python绘制折线图

折线图（ Line Chart）简介

折线图用于在连续间隔或时间跨度上显示定量数值，最常用来显示趋势和关系（与其他折线组合起来）。折线图既能直观地显示数量随时间的变化趋势，也能展示两个变量的关系。

快速绘制

1. 基于matplotlib

   import matplotlib.pyplot as plt
   import numpy as np
   
   # 自定义数据
   values = np.cumsum(np.random.randn(1000,1))
   
   # 绘制折线图
   plt.plot(values)
   plt.show()
   

   

2. 基于seaborn

   import seaborn as sns
   import matplotlib.pyplot as plt
   import numpy as np
   
   # 自定义数据
   values = np.cumsum(np.random.randn(1000,1))
   
   # 绘制折线图
   sns.lineplot(x=np.array(range(1, 1001)), y=values.ravel())  # 使用 ravel() 将 values 转化为一维
   plt.show()
   

   

3. 基于plotly

   import plotly.graph_objects as go
   import numpy as np
   
   # 自定义数据
   values = np.cumsum(np.random.randn(1000,1))
   
   # 绘制折线图
   fig = go.Figure(data=go.Scatter(x=list(range(1, 1001)), 
                                   y=values.ravel(), 
                                   mode='lines'))
   fig.show()
   

   

4. 基于pandas

   import numpy as np
   import matplotlib.pyplot as plt
   import pandas as pd
   
   # 自定义数据
   values = np.cumsum(np.random.randn(1000,1))
   df = pd.DataFrame(values, columns=['Values'])
   
   # 绘制折线图
   df.plot()
   plt.show()
   

   

定制多样化的折线图

自定义折线图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

通过matplotlib绘制多样化的折线图

matplotlib主要利用plot绘制折线图，可以通过matplotlib.pyplot.plot了解更多用法

1. 修改参数

   import matplotlib as mpl
   import matplotlib.pyplot as plt
   import numpy as np
   import pandas as pd
   
   plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
   
   # 自定义数据
   df=pd.DataFrame({
        'x_values': range(1,11), 'y_values': np.random.randn(10) })
   
   # 初始化布局
   fig = plt.figure(figsize=(12,3))
   
   # 自定义颜色
   plt.subplot(1, 3, 1) 
   plt.plot( 'x_values', 'y_values', data=df, color='skyblue')
   plt.title('自定义颜色')
   
   # 自定义透明度
   plt.subplot(1, 3, 2) 
   plt.plot( 'x_values', 'y_values', data=df, color='skyblue', alpha=0.3)
   plt.title('自定义透明度')
   
   # 自定义线条
   plt.subplot(1, 3, 3) 
   plt.plot( 'x_values', 'y_values', data=df, linestyle='dashed', linewidth=5)
   plt.title('自定义线条')
   
   
   plt.show()
   

   

2. 带注释的折线图

   import matplotlib.pyplot as plt
   import numpy as np
   import pandas as pd
   
   plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
   
   # 自定义数据
   dates = []
   
   for date in range(1970,2023):
       dates.append(str(date))
   
   
   sample_size = 2023-1970
   variable = np.random.normal(100,
                               15,
                               sample_size,
                              )
   
   df = pd.DataFrame({
        'date': dates,
                      'value': variable})
   
   
   # 初始化布局
   fig = plt.figure(figsize=(12,8))
   
   
   # 1-基本折线图
   plt.subplot(2, 1, 1) 
   plt.plot(df['date'], df['value'])
   
   # 轴标签
   plt.xlabel('X-axis')
   plt.ylabel('Y-axis')
   plt.title('基本折线图')
   
   # 刻度
   plt.xticks(rotation=45)
   
   
   # 2-带注释的折线图
   plt.subplot(2, 1, 2) 
   plt.plot(df['date'], df['value'])
   
   # 轴标签
   plt.xlabel('X-axis')
   plt.ylabel('Y-axis')
   plt.title('带注释的折线图')
   
   # 刻度
   plt.xticks(rotation=45)
   
   # 添加文本注释
   plt.text(df['date'].iloc[38], # x位置
            df['value'].iloc[1], # y位置
            'What a nice chart!', # 文本注释
            fontsize=13,
            color='red')
   
   # 找到最大值索引
   highest_index = df['value'].idxmax()
   
   # 最高值标记
   plt.scatter(df['date'].iloc[highest_index],
               df['value'].iloc[highest_index],
               color='blue',
               marker='o', # 标记特殊的店
               s=100,
              )
   
   # 计算均值
   median_value = df['value'].median()
   
   # 添加均值线
   plt.axhline(y=median_value, color='green', linestyle='--', label='Reference Line (Median)')
   
   
   fig.tight_layout() # 自动调整间距
   plt.show()
   

   

3. 对数变换的折线图

   import matplotlib.pyplot as plt
   from matplotlib.ticker import MultipleLocator
   import numpy as np
   import pandas as pd
   
   plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
   
   # 自定义数据
   x = np.linspace(1, 10, 100)
   y = np.exp(x)
   df = pd.DataFrame({
        'x': x, 'y': y})
   
   # 初始化布局
   fig = plt.figure(figsize=(12,4))
   
   
   # 1-基本折线图
   plt.subplot(1, 2, 1) 
   plt.plot(df['x'], df['y'])
   
   # 轴标签
   plt.xlabel('X-axis')
   plt.ylabel('Y-axis')
   plt.title('基本折线图')
   
   # 添加网格线
   plt.grid(True, linestyle='--', alpha=0.6)
   
   # 2-对数转化折线图
   plt.subplot(1, 2, 2) 
   plt.<