基础线图绘制步骤

1. 安装Matplotlib

pip install matplotlib

2. 导入必要的库

import matplotlib.pyplot as plt
import numpy as np

3. 创建基础线图

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图表
plt.figure(figsize=(10, 6))

# 绘制线图
plt.plot(x, y, label='正弦曲线', color='blue', linewidth=2)

# 添加标题和标签
plt.title('正弦函数曲线', fontsize=14)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)

# 添加图例
plt.legend()

# 显示图表
plt.show()

高级线图定制技巧

# 创建多个数据集
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.sin(x) * np.cos(x)

plt.figure(figsize=(10, 6))

# 绘制多条线
plt.plot(x, y1, label='正弦函数', color='royalblue', linestyle='-', linewidth=2.5)
plt.plot(x, y2, label='余弦函数', color='crimson', linestyle='--', linewidth=2.5)
plt.plot(x, y3, label='混合函数', color='forestgreen', linestyle='-.', linewidth=2.5)

plt.title('三角函数对比', fontsize=14)
plt.xlabel('X值', fontsize=12)
plt.ylabel('Y值', fontsize=12)
plt.legend()
plt.grid(True, linestyle='--', alpha=0.7)
plt.show()

# 带标记点的线图
x = np.linspace(0, 10, 15)  # 较少的数据点
y = x**2 + np.random.randn(15)*2  # 带噪声的数据

plt.figure(figsize=(10, 6))

# 绘制带标记的线
plt.plot(x, y, 
         marker='o',          # 圆形标记
         markersize=8,        # 标记大小
         markerfacecolor='gold', 
         markeredgecolor='darkorange',
         markeredgewidth=1.5,
         linestyle=':', 
         linewidth=2,
         color='darkorange',
         label='二次函数')

plt.title('带标记点的线图', fontsize=14)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

实际应用示例：股票价格趋势分析

import pandas as pd
import matplotlib.dates as mdates

# 创建模拟股票数据
date_rng = pd.date_range(start='2023-01-01', end='2023-06-30', freq='D')
price = np.cumsum(np.random.randn(len(date_rng)) * 0.5 + 100
volume = np.random.randint(10000, 50000, size=len(date_rng))

# 创建图表
fig, ax1 = plt.subplots(figsize=(12, 7))

# 绘制价格线图
ax1.plot(date_rng, price, color='royalblue', linewidth=2.5, label='股价')
ax1.set_title('2023年上半年股票价格趋势', fontsize=16)
ax1.set_ylabel('价格 (美元)', fontsize=12)
ax1.grid(True, linestyle='--', alpha=0.3)

# 设置x轴为日期格式
ax1.xaxis.set_major_formatter(mdates.DateFormatter('%m-%d'))
ax1.xaxis.set_major_locator(mdates.MonthLocator())

# 创建第二个y轴用于成交量
ax2 = ax1.twinx()
ax2.bar(date_rng, volume, color='lightgreen', alpha=0.5, width=0.8, label='成交量')
ax2.set_ylabel('成交量', fontsize=12)

# 添加图例
lines, labels = ax1.get_legend_handles_labels()
bars, bar_labels = ax2.get_legend_handles_labels()
ax2.legend(lines + bars, labels + bar_labels, loc='upper left')

# 优化布局
plt.tight_layout()
plt.show()

Matplotlib线图最佳实践

• 保持简洁：避免过度装饰，突出数据本身
• 合理配色：使用清晰区分的颜色，特别是多线图
• 标签清晰：确保坐标轴、图例和标题清晰可读
• 适当标记：对于关键数据点，使用标记进行突出
• 网格辅助：使用浅色网格线帮助读者追踪数值
• 比例合适：确保图表比例能准确反映数据关系
• 双轴谨慎：使用双Y轴时要确保不会引起误解
• 添加注释：对重要事件或异常点添加文字说明

总结

通过本教程，您已经掌握了使用Python的Matplotlib库创建专业线图的技能：

1. 学习了线图的基本原理和适用场景
2. 掌握了Matplotlib的基本使用方法和线图绘制步骤
3. 了解了如何创建多线对比图和添加标记点
4. 学习了高级定制技巧，如双Y轴图表
5. 了解了专业数据可视化的最佳实践

下一步建议： 尝试将Matplotlib与Pandas结合使用，直接从DataFrame绘制图表。此外，探索Seaborn库可以创建更美观的统计图表。