对于时间序列数据而言，一般都会使用折线图反映数据背后的趋势。通常折线图的横坐标指代日期数据，纵坐标代表某个数值型变量，当然还可以使用第三个离散变量对折线图进行分组处理。接下来仅使用Python中的matplotlib模块和pandas模块实现折线图的绘制。尽管seaborn模块中的tsplot函数也可以绘制时间序列的折线图，但是该函数非常不合理，故不进行介绍。
1．matplotlib模块
折线图的绘制可以使用matplotlib模块中的plot函数实现。关于该函数的语法和参数含义如下：
plt.plot(x, y, linestyle, linewidth, color, marker,markersize, markeredgecolor, markerfactcolor,markeredgewidth, label, alpha)
x：指定折线图的x轴数据。y：指定折线图的y轴数据。linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认为实线。linewidth：指定折线的宽度。marker：可以为折线图添加点，该参数是设置点的形状。markersize：设置点的大小。markeredgecolor：设置点的边框色。markerfactcolor：设置点的填充色。markeredgewidth：设置点的边框宽度。label：为折线图添加标签，类似于图例的作用。
为了进一步理解plot函数中的参数含义，这里以某微信公众号的阅读人数和阅读人次为例（数据包含日期、人数和人次三个字段）：
绘制第四季度微信文章阅读人数的折线图，代码如下：
import pandas as pdimport matplotlib.pyplot as plt#设置绘图风格plt.style.use('ggplot')#处理中文乱码plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']#坐标轴负号的处理plt.rcParams['axes.unicode_minus']=False# 读取数据wechat = pd.read_excel(r'wechat.xlsx')# 绘制单条折线图plt.plot(wechat.Date, # x轴数据wechat.Counts, # y轴数据linestyle = '-', # 折线类型linewidth = 2, # 折线宽度color = 'steelblue', # 折线颜色marker = 'o', # 折线图中添加圆点markersize = 6, # 点的大小markeredgecolor='black', # 点的边框色markerfacecolor='brown', # 点的填充色)#对于X轴，只显示x中各个数对应的刻度值plt.xticks(fontsize=8, ) #改变x轴文字值的文字大小# 添加y轴标签plt.ylabel('人数')# 添加图形标题plt.title('每天微信文章阅读人数趋势')# 显示图形plt.show()
如上图所示，在绘制折线图的同时，也添加了每个数据对应的圆点。读者可能会注意到，代码中折线类型和点类型分别用一个减号-（代表实线）和字母o（代表空心圆点）表示。是否还有其他的表示方法？这里将常用的线型和点型汇总到下表中。
虽然上面的图形可以反映有关微信文章阅读人数的波动趋势，但是为了进一步改进这个折线图，还需要解决两个问题：
如何将微信文章的阅读人数和阅读人次同时呈现在图中。对于x轴的刻度标签，是否可以只保留月份和日期，并且以7天作为间隔。
import pandas as pdimport matplotlib.pyplot as plt#设置绘图风格plt.style.use('ggplot')#处理中文乱码plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']#坐标轴负号的处理plt.rcParams['axes.unicode_minus']=False# 读取数据wechat = pd.read_excel(r'wechat.xlsx')# 绘制两条折线图# 导入模块，用于日期刻度的修改import matplotlib as mpl# 绘制阅读人数折线图plt.plot(wechat.Date, # x轴数据wechat.Counts, # y轴数据linestyle = '-', # 折线类型，实心线color = 'steelblue', # 折线颜色label = '阅读人数')# 绘制阅读人次折线图plt.plot(wechat.Date, # x轴数据wechat.Times, # y轴数据linestyle = '--', # 折线类型，虚线color = 'indianred', # 折线颜色label = '阅读人次')# 获取图的坐标信息ax = plt.gca()# 设置日期的显示格式date_format = mpl.dates.DateFormatter("%m-%d")ax.xaxis.set_major_formatter(date_format)# 设置x轴显示多少个日期刻度# xlocator = mpl.ticker.LinearLocator(10) #注释掉电脑将显示默认刻度数# 设置x轴每个刻度的间隔天数xlocator = mpl.ticker.MultipleLocator(7)ax.xaxis.set_major_locator(xlocator)# 为了避免x轴刻度标签的紧凑，将刻度标签旋转45度plt.xticks(rotation=45)# 添加y轴标签plt.ylabel('人数')# 添加图形标题plt.title('每天微信文章阅读人数与人次趋势')# 添加图例plt.legend()#设置横纵坐标的刻度范围# plt.xlim((0, 10200)) #x轴的刻度范围被设为a到bplt.ylim((0, 4000)) #y轴的刻度范围被设为a'到b'# 显示图形plt.show()
结果：
上图所示，恰到好处地解决了之前提出的两个问题。上面的绘图代码可以分解为两个核心部分：
运用两次plot函数分别绘制阅读人数和阅读人次的折线图，最终通过plt.show()将两条折线呈现在一张图中。日期型轴刻度的设置，ax变量用来获取原始状态的轴属性，然后基于ax对象修改刻度的显示方式，一个是仅包含月日的格式，另一个是每7天作为一个间隔。
2．pandas模块
如果使用pandas模块绘制折线图，调用的仍然是plot方法，接下来以—上海每天的最高气温数据为例，绘制每月平均最高气温的三条折线图：
具体代码如下：
import pandas as pdimport matplotlib.pyplot as plt#设置绘图风格plt.style.use('ggplot')#处理中文乱码plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']#坐标轴负号的处理plt.rcParams['axes.unicode_minus']=False# 读取天气数据weather = pd.read_excel(r'weather.xlsx')# 统计每月的平均最高气温data = weather.pivot_table(index = 'month', columns='year', values='high')# 绘制折线图data.plot(kind = 'line',style = ['-','--',':'] # 设置折线图的线条类型)# 修改x轴和y轴标签plt.xlabel('月份')plt.ylabel('气温')# 添加图形标题plt.title('每月平均最高气温波动趋势')# 显示图形plt.show()
如上图所示，图中表示的是各年份中每月平均最高气温的走势，虽然绘图的核心部分（plot过程）很简单，但是前提需要将原始数据集转换成可以绘制多条折线图的格式，即构成三条折线图的数据分别为数据框的三个字段。为了构造特定需求的数据集，使用了数据框的pivot_table方法，形成一张满足条件的透视表。下图所示就是数据集转换的前后对比。
作图参考链接：
Python数据可视化——matplotlib.pyplot中plt的参数详解
Python用插值法绘制平滑曲线
python的折线图以及折线图转折点 marker 样式的设置
折线图转折点 marker 样式的设置：
marker表示的意思是对标记设置关键字参数的样式markeredgecolor 或 mec 标记边缘颜色markeredgewidth 或 mew 标记边缘宽度markerfacecolor 或 mfc 标记面颜色markerfacecoloralt 或 mfcaltmarkersize 或 ms 标记大小其中marker可取值为：'.': point marker',': pixel marker'o': circle marker'v': triangle_down marker'^': triangle_up marker'<': triangle_left marker'>': triangle_right marker'1': tri_down marker'2': tri_up marker'3': tri_left marker'4': tri_right marker's': square marker'p': pentagon marker'*': star marker'h': hexagon1 marker'H': hexagon2 marker'+': plus marker'x': x marker'D': diamond marker'd': thin_diamond marker'|': vline marker'_': hline marker
