这篇教程python数据可视化之matplotlib.pyplot基础以及折线图写得很实用，希望能帮到您。
不论是数据挖掘还是数据建模，都免不了数据可视化的问题。对于Python来说，Matplotlib是最著名的绘图库，它主要用于二维绘图，当然它也可以进行简单的三维绘图(基于spyder)。 - 模块引用import matplotlib.pyplot as plt #引用画图库中的pyplot模块 -折线条图语法 import matplotlib.pyplot as pltdata=[1,2,3,4,5,4,2,4,6,7] #随便创建了一个数据plt.plot(data) #引用画图库中的pyplot模块 
plot参数 基本折线图不能满足，这时就需plot的参数来进行调整 美化示例： import matplotlib.pyplot as pltyy=[1,2,3,4,5,4,2,4,6,7]#随便创建了一个数据xx=[3,5,4,1,2,3,4,5,6,3]zz=[2,3,4,6,4,3,2,4,5,6]plt.plot(yy,color='r',linewidth=5,linestyle=':',label='数据一')#color指定线条颜色，labeL标签内容plt.plot(xx,color='g',linewidth=2,linestyle='--',label='数据二')#linewidth指定线条粗细plt.plot(zz,color='b',linewidth=0.5,linestyle='-',label='数据三')#linestyle指定线形为点plt.legend(loc=2)#标签展示位置，数字代表标签具位置plt.xlabel('X轴称')plt.ylabel('Y轴的名称')plt.title('2018.7.30折线图示例')plt.ylim(0,10)#Y轴标签范围为0-10
plt常用参数有： 官网详细说明点这里 | 属性 | 描述 | | xlabel | 设置当前轴的x轴标签:plt.xlabel(‘X标签名') | | ylabel | 设置当前轴的y轴标签:plt.xlabel(‘y标签名') | | title | 设置当前轴的标题：plt.title(‘图例标题名') | | ylim | 获取或设置当前轴的y限制，plt.ylim(0,6)Y轴范围0-6；Xlim同理懒的写了 | | legend | 在轴上放置图例:legend()无参数自动识别，也可用数字指定位置1,2,3,4试着来 | | show | 展示所画图，spyder一般直接运行不需要此步 | | grid | plt.grid()打开或关闭轴网格，网格一样能设置颜色线型 | | rcParams[‘font.sans-serif'] | 图表中文字体：plt.rcParams[‘font.sans-serif']=[‘SimHei']微软雅黑；或=[‘Microsoft Yahei']黑体 | | rcParams[‘axes.unicode_minus'] | 图表轴负数符号显示问题：plt.rcParams[‘axes.unicode_minus'] = False | plt常画图例有： 官网详细说明点这里 | 属性 | 描述 | | plot | 绘制y与x作为线和/或标记。 | | plot_date | 绘制包含日期的数据。 | | acorr | 绘制x的自相关。 | | axhline | 在轴上添加一条水平线。 | | bar | 制作条形图。 | | barh | 制作一个水平条形图。 | | hist | 绘制直方图 | | hist2d | 制作2D直方图。 | | scatter | y与x的散点图，具有不同的标记大小和/或颜色。 | | stackplot | 绘制堆积区域图。 | | | | | plot常用参数有： 官网详细说明点这里 | 属性 | 描述 | | color | 字体颜色：color=‘r'；b、g、r、c、m、y、k、w 或者blue、green、red、cyan、magenta、yellow、black、whtite 或十六进制字符串（'#008000'） | | linewidth | 线条粗细：linewidth=1.=5.=0.3 | | linestyle | 线条形状：linestyle='–'(虚线);linestyle=':'(点线);linestyle='-.'(短线加点)； | | label | 数据标签内容：label=‘数据一',数据标签展示位置需另说明plt.legend(loc=1)数字为标签位置 | 实际应用案例因案例涉及机密数据，只展示数据可视化的过程及结果，先放结果输出的样式 
import pandas as pd #导入pandas库import pymysql as mysql #导入mysql库import matplotlib.pyplot as plt #导入数据可视化库import numpy as np #导入numpy库plt.rcParams['font.sans-serif'] = ['Microsoft Yahei'] #指定文字字体格式为微软雅黑字段plt.rcParams['axes.unicode_minus'] = False connection=mysql.connect(host='数据库ip',port='端口',user='用户账号',password='登录密码',db='连接的库名',charset='utf8')#设置连接数据库的参数select=connection.cursor()#创建游标select.execute("SELECT * FROM tabel")#写入SQL查询语句zd=list((pd.DataFrame(list(select.description)))[0])#获取查询结果的列名sqldata=select.fetchall()#获取查询结果select.close #关闭查询connection.close #关闭数据库接接data1=pd.DataFrame(list(sqldata)) #将数据转化成df类型data1.columns=zd #将列名重置为查询结果列名plt.figure(figsize=(10,5)) #设置图表大小，长10，宽5plt.plot(data1['机器A拟合度'],label='机器A准确率',color='#aa0000',linestyle='-',linewidth=3)#画机器A准确率的线条plt.plot(data1['人工A拟合度'],label='人工A准确率',color='#aa0000',linestyle=':',linewidth=3)#画人工A准确率的线条plt.plot(data1['机器B拟合度'],label='机器B准确率',color='#666666',linestyle='-',linewidth=3)#画机器B准确率的线条plt.plot(data1['人工B拟合度'],label='人工B准确率',color='#666666',linestyle=':',linewidth=3)#画人工B准确率的线条plt.plot([0,7],[0.9,0.9],color='g',linestyle='-.',linewidth=1)#画一根绿色的辅助线，x轴从0到7，Y轴为0.9plt.xticks(np.arange(8),('wk23','wk24','wk25','wk26','wk27','wk28','wk29','wk30'))#更改图表X标签为制定内容plt.legend(loc=4)#将图例说明放在图表的右下角plt.title('人机绝对准确率6.4-7.29',fontsize=20)#命名图表名称，设置字体大小plt.xlabel('周',fontsize=20)#设置X轴名称及字体大小plt.ylabel('准确率%',fontsize=20)#设置Y轴名称及字体大小总结到此这篇关于python数据可视化之matplotlib.pyplot基础以及折线图的文章就介绍到这了,更多相关python matplotlib.pyplot折线图内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
python pipeline的用法及避坑点
python scrapy简单模拟登录的代码分析 |
