使用 Matplotlib 绘制折线图

数据可视化是数据分析的重要组成部分，通过图表，我们可以更直观地理解数据背后的趋势和模式。Matplotlib 是 Python 最基础也是最常用的绘图库之一，非常适合初学者。本文将带你从零开始，逐步创建和自定义一个简单的折线图。

1. 安装和导入 Matplotlib

首先，你需要确保 Matplotlib 已安装。如果你还没有安装，可以使用以下命令进行安装：

pip install matplotlib

安装完成后，导入 Matplotlib 中的 pyplot 模块：

import matplotlib.pyplot as plt

2. 创建一个简单的折线图

我们从最基本的例子开始：绘制一个简单的折线图。假设我们有一组数据表示2024年暑期档电影总票房：

movies = ['抓娃娃', '默杀', '云边有个小卖部', '死侍与金刚狼']
sales = [276356, 131227, 49842, 35409]

现在，我们用 Matplotlib 绘制这组数据：

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.plot(movies, sales)
plt.title('Movies Sales')
plt.xlabel('Movie names')
plt.ylabel('Sales')
plt.show()

解释：

plt.rcParams['font.sans-serif'] = ['SimHei']:用于设置中文字体
plt.plot()：用于绘制折线图，传入的第一个参数为 X 轴数据，第二个参数为 Y 轴数据。
plt.title()：设置图表的标题。
plt.xlabel() 和 plt.ylabel()：分别设置 X 轴和 Y 轴的标签。
plt.show()：显示图表。

运行这段代码，你会看到一个简单的折线图，显示2024年暑期档电影总票房情况。

在这里插入图片描述

图1 2024年暑期档电影总票房情况

3. 自定义图表样式

为了让图表更具可读性和美观性，我们可以对图表进行一些自定义设置，比如改变线条的颜色、样式以及添加数据点标记。

3.1 改变线条颜色和样式

plt.plot(movies, sales, color='green', linestyle='--', marker='o')
plt.title('Movies Sales')
plt.xlabel('Movie names')
plt.ylabel('Sales')
plt.show()

解释：

color='green'：将线条颜色设为绿色。
linestyle='--'：将线条样式设为虚线。
marker='o'：在每个数据点上添加圆形标记。

图2

3.2 添加网格线和图例

plt.plot(movies, sales, color='blue', linestyle='--', marker='o', label='Sales Data')
plt.title('Monthly Sales')
plt.xlabel('Movie names')
plt.ylabel('Sales (Units)')
plt.grid(True)  # 添加网格线
plt.legend()   # 添加图例
plt.show()

解释：

plt.grid(True)：启用图表网格线，方便查看数据点位置。
plt.legend()：显示图例，使用 label 参数中的内容。

图3

4. 多条折线图

现在我们希望在同一张图表中比较各电影的总票房和人次情况。

sales_people = [6668，3182，1230，817]plt.plot(movies, sales, color='blue', marker='o', label='总票房')
plt.plot(movies, sales_people, color='red', marker='s', label='人次')
plt.title('Movie Sales Comparison')
plt.xlabel('Movie names')
plt.ylabel('Sales')
plt.grid(True)
plt.legend()
plt.show()

解释：

在同一个 plt.plot() 语句中调用两次，以绘制两条不同的折线。
marker='s'：将人次数据的标记样式改为方形。

图4

5. 保存图表

有时候，你可能需要将图表保存为图像文件而不是直接显示。你可以使用 plt.savefig() 方法：

sales_people = [6668，3182，1230，817]
plt.plot(movies, sales, color='blue', marker='o', label='总票房')
plt.plot(movies, sales_people, color='red', marker='s', label='人次')
plt.title('Movie Sales Comparison')
plt.xlabel('Movie names')
plt.ylabel('Sales')
plt.grid(True)
plt.legend()
plt.show()
plt.savefig('movie_sales.png')  # 保存为 PNG 文件

解释：

plt.savefig('filename.png')：保存图表为指定文件名的图片。支持多种格式，如 PNG、JPG、SVG 等。

6. 结论

通过本文，你已经学会了如何使用 Matplotlib 创建和自定义基本的折线图。虽然这只是 Matplotlib 的冰山一角，但这些基础足以帮助你开始在数据分析中使用 Python 进行数据可视化。

接下来，尝试使用不同的数据集来创建图表，看看效果如何？

使用数据集S1绘制简单折线图和多条折线图。

月份	销售量（2023年）	销售量（2024年）
3月	300	250
4月	350	340
5月	200	230

“要想学会,必先受累，多练则乖,不练则呆”，完成后分享结果至评论区。

需要完整代码，请关注我，私信“movies_lines”即可获得。

使用 Matplotlib 绘制折线图