解决中文问题 | Python 数据可视化库 Matplotlib 快速入门之九
其他辅助显示层完善折线图
添加网格显示
为了更加清楚的观察图形对应的值
添加代码：
plt.grid(True, linestyle = "--", alpha = 0.5) 执行结果：
添加描述信息
添加x轴，y轴描述信息及标题
plt.xlable("时间变化")
plt.ylable("温度变化")
plt.title("某城市11点到12点每分钟的温度变化状况") 
此时想要再添加一个城市的信息，该如何操作呢？
要想给原始的折线图再添加一个信息，需要在图像层做出修改。
完善原始折线图（图像层）
需求：再添加一个城市的温度变化
收集到北京当天温度变化情况，温度在1度到3度。
多次plot
怎么去添加另一个在同一坐标系当中的不同图形， 其实很简单只需要再次plot即可， 但是需要区分线条， 如下：
准备数据，添加代码：
y_beijing = [random.uniform(1, 3) for i in x]
plt.plot(x, y_beijing)
plt.title("上海、北京11点到12点每分钟的温度变化状况") 如果此时不想是默认的颜色，我们也可以进行改变。
plt.plot(x, y_shanghai, color = "r")
plt.plot(x, y_beijing, color = "b") 此时改变线条风格：
plt.plot(x, y_shanghai, color = "r", linestyle = "--") 还有一些其它的风格，我们可以来看一下。
设置图形风格
| 颜色字符 | 风格字符 |
|---|---|
| r 红色 | - 实线 |
| g 绿色 | -- 虚线 |
| b 蓝色 | -. 点划线 |
| w 白色 | : 点虚线 |
| c 青色 | ' ' 留空、空格 |
| m 洋红 | |
| y 黄色 | |
| k 黑色 |
我们还需要给图加上图例来完善。
显示图例
修改代码：
plt.plot(x, y_shanghai, color = "r", linestyle = "-.", label = "上海")
plt.plot(x, y_beijing, color = "b", label = "北京")
plt.legend() 此时我们用的是默认的方式。
- 注意：如果只在plt.plot()中设置label还不能最终显示出图例， 还需要通过plt.legend()将图例显示出来。
我们也可以调整图例的位置。
plt.legend(loc = "lower left") 或者
plt.legend(loc = 4) 图例位置代码：
| Location String | Location Code |
|---|---|
| 'best' | |
| 'upper right' | 1 |
| 'upper left' | 2 |
| 'lower left' | 3 |
| 'lower right' | 4 |
| 'right' | 5 |
| 'center left' | 6 |
| 'center right' | 7 |
| 'lower center' | 8 |
| 'upper center' | 9 |
| 'center' | 10 |
完整代码：
import random
# 1、准备数据 x，y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]
# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)
# 3、绘制图像
plt.plot(x, y_shanghai, color = "r", linestyle = "-.", label = "上海")
plt.plot(x, y_beijing, color = "b", label = "北京")
# 显示图例
plt.legend()
# 修改x,y刻度
# 准备x的刻度说明
x_lable = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_lable[::5])
plt.yticks(range(0, 40, 5))
# 添加网格显示
plt.grid(True, linestyle = "--", alpha = 0.5)
# 添加描述信息
plt.xlable("时间变化")
plt.ylable("温度变化")
plt.title("上海、北京11点到12点每分钟的温度变化状况")
# 4、显示图
plt.show() 配套视频课程，点击这里查看
获取更多资源请订阅
Python学习站