Python数据可视化工具Matplotlib第二篇：折线图--续集

BPShare 2022-09-17

919

书接上回，我们继续聊折线图。

有细心的小伙伴已经注意到了，我们上次画的折线图，y轴单位是Billion：十亿，有点儿不太习惯这种表示方法，而且能改成中文版就好了。

那我们继续优化：

- 去掉科学计数法

- 更改标题

- 更改y轴标签为中文，并添加单位 - 亿，

- x轴标签为中文

先来看一下上次我们画的最终版的折线图

可以看到，由于数字太大，matplotlib已经帮我们自动完成了科学计数法的转换。

那第一步我们来去掉科学计数法：

plt.figure(figsize=(15,8))
plt.plot(china_pop_info['Year'], china_pop_info['Population'], label="China")
plt.plot(india_pop_info['Year'], india_pop_info['Population'], label="India")
plt.legend(fontsize=16)
plt.xlabel('Year', fontsize=30)
plt.ylabel('Population Number  Billion', fontsize=30)
plt.title('China VS India', fontsize=40)
plt.tick_params(labelsize=15)
plt.ticklabel_format(useOffset=False, style='plain') # 去掉默认的科学计数法，改成正常显示
plt.show()

好了，y轴的数字是转换成正常的数字了，但是这么大的数字，不易读啊。那我们再转换一次，把值转换成以亿为单位：

plt.figure(figsize=(15,8))
plt.plot(china_pop_info['Year'], china_pop_info['Population']/100000000, label="China") # 转换成以亿为单位
plt.plot(india_pop_info['Year'], india_pop_info['Population']/100000000, label="India") # 转换成以亿为单位
plt.xlabel('Year', fontsize=30)
plt.ylabel('Population Number', fontsize=30)
plt.title('China VS India Population', fontsize=40)
plt.ticklabel_format(useOffset=False, style='plain') # 去掉默认的科学计数法，改成正常显示
plt.tick_params(labelsize=15)
plt.show()

现在看起来舒服多了。

有小伙伴说改成中文呢！那我们来试试

plt.figure(figsize=(15,8))
plt.plot(china_pop_info['Year'], china_pop_info['Population']/100000000, label="China") # 转换成以亿为单位
plt.plot(india_pop_info['Year'], india_pop_info['Population']/100000000, label="India") # 转换成以亿为单位
plt.legend()
plt.xlabel('年份', fontsize=30) # x轴标签改成中文
plt.ylabel('人口总数  亿', fontsize=30) # y轴标签改成中文
plt.title('中国 vs 印度历年人口趋势图', fontsize=40) # 标题改成中文
plt.ticklabel_format(useOffset=False, style='plain') # 去掉默认的科学计数法，改成正常显示
plt.tick_params(labelsize=15)
plt.show()

结果发现生成的图上中文无法正常显示。想要正常显示中文，需要添加下面1~3行代码

import matplotlib as mpl
mpl.rcParams['font.family'] = 'SimHei' #设置中文字体
plt.rcParams['axes.unicode_minus'] = False #设置支持中文字符集


plt.figure(figsize=(15,8)) # 调整画布大小
plt.plot(china_pop_info['Year'], china_pop_info['Population']/100000000, label="China") # 转换成以亿为单位
plt.plot(india_pop_info['Year'], india_pop_info['Population']/100000000, label="India") # 转换成以亿为单位
plt.plot(usa_pop_info['Year'], usa_pop_info['Population']/100000000, label="USA") # 转换成以亿为单位
plt.legend() # 显示图例
plt.xlabel('年份', fontsize=30) # 设置x轴标签，字体大小为30
plt.ylabel('人口总数  亿', fontsize=30) # 设置y轴标签，字体大小为30
plt.title('中国 vs 印度 vs 美帝历年人口趋势图', fontsize=40)  # 设置图片标题，字体大小为40
plt.ticklabel_format(useOffset=False, style='plain') # 去掉默认的科学计数法，改成正常显示
plt.tick_params(labelsize=15)
plt.show() # 显示画图结果

嗯~~~

又有小伙伴提需求了，问：

线条格式想改成虚线该怎么画？

很简单，只需要在画图的时候，添加一个linestyle的参数就可以了

plt.figure(figsize=(15,8))
plt.plot(china_pop_info['Year'], china_pop_info['Population']/100000000, label="China", linestyle='--') # 折线显示方式
plt.plot(india_pop_info['Year'], india_pop_info['Population']/100000000, label="India", linestyle='--') # 折线显示方式
plt.legend()
plt.xlabel('年份', fontsize=30) # x轴标签改成中文
plt.ylabel('人口总数 / 亿', fontsize=30) # y轴标签改成中文
plt.title('中国 vs 印度历年人口趋势图', fontsize=40) # 标题改成中文
plt.ticklabel_format(useOffset=False, style='plain') # 去掉默认的科学计数法，改成正常显示
plt.tick_params(labelsize=15)
plt.show()

linestyle这个参数常用的有两种表示方式：

1. 字符串表示："solid", "dotted", "dashed" or "dashdot" 或者字符： "-", "--", ".", "-."

2. 元组表示：详见官网文档

https://matplotlib.org/stable/gallery/lines_bars_and_markers/linestyles.html

还有小伙伴问：

折线图上标记拐点如何实现？

再多添加一个参数：marker，有很多值可供选择，详见官方文档：

https://matplotlib.org/stable/api/markers_api.html#module-matplotlib.markers

plt.figure(figsize=(15,8))
plt.plot(china_pop_info['Year'], china_pop_info['Population']/100000000, label="China", linestyle='dashed', marker='o') # 添加折线图拐点标记
plt.plot(india_pop_info['Year'], india_pop_info['Population']/100000000, label="India", linestyle='--', marker='*') # 添加折线图拐点标记
plt.legend()
plt.xlabel('年份', fontsize=30) # x轴标签改成中文
plt.ylabel('人口总数 / 亿', fontsize=30) # y轴标签改成中文
plt.title('中国 vs 印度历年人口趋势图', fontsize=40) # 标题改成中文
plt.ticklabel_format(useOffset=False, style='plain') # 去掉默认的科学计数法，改成正常显示
plt.tick_params(labelsize=15)
plt.show()

好了，今天就先改到这里吧！有关折线图，如果还有其它想要知道的，点击关注本公众号，后台留言，我会尽快给大家回复。

👇

文章转载自BPShare，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

Python数据可视化工具Matplotlib第二篇：折线图--续集

评论