matplotlib画折线图怎么画多条线,matplot画折线图
大家好，今天分享一个非常有趣的计算机编程语言教程，如何美化一个绘制精美的图表折线图，喜欢记得收藏、关注、点赞。
注：数据、完整代码、技术交流文末获取
1.导入包进口熊猫作为螺纹中径
将matplotlib.pyplot作为血小板计数导入
将matplotlib.ticker作为心脏导入
将matplotlib.gridspec作为gridspec2导入。获得数据file _ id= 1yM _ f93 ny 4 qkxjlkl 3 gzdccqenbia 2 ltb
url=fhttps://drive.google.com/uc？id={文件id}
df=pd.read_csv(网址，索引列=0)
df数据长得是这样的：
3.对数据做一些预处理按照需要，对数据再做一些预处理，代码及效果如下：
home_df=df.copy()
home _ df=home _ df。melt(id _ vars=[ date ， home_team_name ， away_team_name])
home_df[venue]=H
home _ df。rename(columns={ home _ team _ name : team ， away _ team _ name : opposite }，inplace=True)
home _ df。replace({ variable :{ home _ team _ xG : xG _ for ， away_team_xG:xG_ag}}，inplace=True)away_df=df.copy()
远离_ df=远离_ df。melt(id _ vars=[ date ， away_team_name ， home_team_name])
away_df[venue]=A
away _ df。rename(columns={ away _ team _ name : team ， home _ team _ name : opposite }，inplace=True)
away _ df。替换({ variable :{ away _ team _ xG : xG _ for ， home_team_xG:xG_ag}}，in place=True)df=PD。concat([home _ df，away_df]).reset_index(drop=True)
df
4.画图# -过滤数据
y _ for=df[(df[ team ]= Lazio )(df[ variable ]= xG _ for )][ value ].reset_index(drop=True)
y _ ag=df[(df[ team ]= Lazio )(df[ variable ]= xG _ ag )][ value ].reset_index(drop=True)
X_=pd .系列(range(len(Y_for)))
# -计算滚动平均值
Y_for=Y_for.rolling(窗口=5，最小周期=0).平均值()#最小周期数用于部分平均值。
Y_ag=Y_ag.rolling(window=5，min_periods=0).mean()fig，ax=plt.subplots(figsize=(7，3)，dpi=200)
ax.plot(X_，Y_for)
ax.plot(X_，Y_ag)
使用绘制精美的图表倒是可以快速把图画好了，但是太丑了。接下来进行优化。
4.1 优化：添加点这里为每一个数据添加点
fig，ax=plt.subplots(figsize=(7，3)，dpi=200)
# -删除脊线并添加网格线
ax.spines[左]。set_visible(False)
ax.spines[top].set_visible(False)
ax.spines[右]。set_visible(False)
ax.grid(ls= -，lw=0.5，color=#4E616C )
# -数据
ax.plot(X_，Y_for，marker=o )
ax.plot(X_，Y_ag，marker=o )
4.2 优化：设置刻度fig，ax=plt.subplots(figsize=(7，3)，dpi=200)
# -删除脊线并添加网格线
ax.spines[左]。set_visible(False)
ax.spines[top].set_visible(False)
ax.spines[右]。set_visible(False)
ax.grid(ls= -，lw=0.25，color=#4E616C )
# -数据
ax.plot(X_，Y_for，marker=o ，mfc=white ，ms=5)
ax.plot(X_，Y_ag，marker=o ，mfc=white ，ms=5)
# -调整滚动条和书脊以匹配网格的风格
斧头。xaxis。set _ major _ locator(ticker .多重定位器(2)) #收报机每2个比赛日
X ticks _=ax。xaxis。set _ tick标签([X-1表示范围内的X(0，len(X_) 3，2)])
#最后一行输出
# [-1, 1, 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29, 31, 33, 35]
#我们每两个位置标记一次。
斧头。xaxis。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
斧头。雅克斯。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
ax.spines[bottom].set _ edge颜色(# 4e 616 c)
4.3 优化：设置填充fig，ax=plt.subplots(figsize=(7，3)，dpi=200)
# -删除脊线并添加网格线
ax.spines[左]。set_visible(False)
ax.spines[top].set_visible(False)
ax.spines[右]。set_visible(False)
ax.grid(ls= -，lw=0.25，color=#4E616C )
# -数据
ax.plot(X_，Y_for，marker=o ，mfc=white ，ms=5)
ax.plot(X_，Y_ag，marker=o ，mfc=white ，ms=5)
# -填充之间
ax.fill_between(x=X_，y1=Y_for，y2=Y_ag，alpha=0.5)
# -调整滚动条和书脊以匹配网格的风格
斧头。xaxis。set _ major _ locator(ticker .多重定位器(2)) #收报机每2个比赛日
X ticks _=ax。xaxis。set _ tick标签([X-1表示范围内的X(0，len(X_) 3，2)])
斧头。xaxis。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
斧头。雅克斯。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
ax.spines[bottom].set _ edge颜色(# 4e 616 c)
4.4 优化：设置填充颜色当橙色线更高时，希望填充为橙色。但是上面的还无法满足，这里再优化一下fig，ax=plt.subplots(figsize=(7，3)，dpi=200)
# -删除脊线并添加网格线
ax.spines[左]。set_visible(False)
ax.spines[top].set_visible(False)
ax.spines[右]。set_visible(False)
ax.grid(ls= -，lw=0.25，color=#4E616C )
# -数据
ax.plot(X_，Y_for，marker=o ，mfc=white ，ms=5)
ax.plot(X_，Y_ag，marker=o ，mfc=white ，ms=5)
# -填充之间
#确定Y _代表Y_ag的点
pos_for=(Y_for Y_ag)
ax.fill_between(x=X_[pos_for]，y1=Y_for[pos_for]，y2=Y_ag[pos_for]，alpha=0.5)
pos_ag=(Y_for=Y_ag)
ax.fill_between(x=X_[pos_ag]，y1=Y_for[pos_ag]，y2=Y_ag[pos_ag]，alpha=0.5)
# -调整滚动条和书脊以匹配网格的风格
斧头。xaxis。set _ major _ locator(ticker .多重定位器(2)) #收报机每2个比赛日
X ticks _=ax。xaxis。set _ tick标签([X-1表示范围内的X(0，len(X_) 3，2)])
斧头。xaxis。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
斧头。雅克斯。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
ax.spines[bottom].set _ edge颜色(# 4e 616 c)
上面的图出现异常，再修改一下：
X_aux=X_ .复制()
X _ aux . index=X _ aux . index * 10 9每场比赛之间的辅助点数
last_idx=X_aux.index[-1] 1
X _ aux=X _ aux。reindex(range(last _ idx))
X_aux=X_aux.interpolate()
# -为xg血型创建的补助的系列(Y_for)
Y_for_aux=Y_for.copy()
Y _ for _ aux.index=Y _ for _辅助。指数* 10
last_idx=Y_for_aux.index[-1] 1
Y _ for _ aux=Y _ for _ auxreindex(range(last _ idx))
Y _ for _ aux=Y _ for _ aux插值()
#-xG让步的辅助系列(Y_ag)
Y_ag_aux=Y_ag.copy()
Y _ ag _ aux。index=Y _ ag _ aux。指数* 10
last_idx=Y_ag_aux.index[-1] 1
Y _ ag _ aux=Y _ ag _ aux。reindex(range(last _ idx))
Y_ag_aux=Y_ag_aux.interpolate()
fig，ax=plt.subplots(figsize=(7，3)，dpi=200)
# -删除脊线并添加网格线
ax.spines[左]。set_visible(False)
ax.spines[top].set_visible(False)
ax.spines[右]。set_visible(False)
ax.grid(ls= -，lw=0.25，color=#4E616C )
# -数据
for_=ax.plot(X_，Y_for，marker=o ，mfc=white ，ms=5)
ag_=ax.plot(X_，Y_ag，marker=o ，mfc=white ，ms=5)
# -填充之间
对于范围内的索引(len(X_aux) - 1):
#根据顶部线条选择颜色
如果Y _ for _ aux。iloc[index 1]Y _ ag _ aux。iloc[索引1]:
color=for_[0].get_color()
否则：
color=ag_[0].get_color()
#在当前点和咕噜咕噜叫扩展系列中的下一个点之间填充。
ax.fill_between([X_aux[index]，X_aux[index 1]]，
[Y_for_aux.iloc[index]，Y_for_aux.iloc[index 1]]，
[Y_ag_aux.iloc[index]，Y_ag_aux.iloc[index 1]]，
颜色=颜色，zorder=2，alpha=0.2，ec=无)
# -调整滚动条和书脊以匹配网格的风格
斧头。xaxis。set _ major _ locator(ticker .多重定位器(2)) #收报机每2个比赛日
X ticks _=ax。xaxis。set _ tick标签([X-1表示范围内的X(0，len(X_) 3，2)])
斧头。xaxis。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
斧头。雅克斯。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
ax.spines[bottom].set _ edge颜色(# 4e 616 c)
5.把功能打包成函数上面的样子都还不错啦，接下来把这些东西都打包成一个函数。方便后面直接出图def plot_xG_rolling(team，ax，window=5，color_for=blue ，color_ag=orange ，data=df):
此功能为给定团队和滚动创建一个滚动平均xg血型图
窗户。
团队(str):团队的名称
ax (obj):一个Matplotlib轴。
窗口(整数):我们的滚动平均的周期数。
颜色_for(字符串):为xg血型创建的十六进制颜色代码。
color_af (str):让步xg血型的十六进制颜色代码。
数据(数据帧):我们的df和xg血型数据。
# -准备数据
home_df=data.copy()
home _ df=home _ df。melt(id _ vars=[ date ， home_team_name ， away_team_name])
home_df[venue]=H
home _ df。rename(columns={ home _ team _ name : team ， away _ team _ name : opposite }，inplace=True)
home _ df。replace({ variable :{ home _ team _ xG : xG _ for ， away_team_xG:xG_ag}}，inplace=True)
away_df=data.copy()
远离_ df=远离_ df。melt(id _ vars=[ date ， away_team_name ， home_team_name])
away_df[venue]=A
away _ df。rename(columns={ away _ team _ name : team ， home _ team _ name : opposite }，inplace=True)
away _ df。replace({ variable :{ away _ team _ xG : xG _ for ， home_team_xG:xG_ag}}，inplace=True)
df=pd.concat([home_df，away_df]).reset_index(drop=True)
# -过滤数据
y _ for=df[(df[队]==队)(df[变量]= xG _ for )][值].reset_index(drop=True)
y _ ag=df[(df[ team ]==team)(df[ variable ]= xG _ ag )][ value ].reset_index(drop=True)
X_=pd .系列(range(len(Y_for)))
如果Y_for.shape[0]==0:
提高值错误(fTeam {team}不在数据帧中)
# -计算滚动平均值
Y_for=Y_for.rolling(窗口=5，最小周期=0).平均值()#最小周期数用于部分平均值。
Y_ag=Y_ag.rolling(window=5，min_periods=0).平均值()
# -为曲线之间的填充创建辅助系列
X_aux=X_ .复制()
X _ aux . index=X _ aux . index * 10 9每场比赛之间的辅助点数
last_idx=X_aux.index[-1] 1
X _ aux=X _ aux。reindex(range(last _ idx))
X_aux=X_aux.interpolate()
# -为xg血型创建的补助的系列(Y_for)
Y_for_aux=Y_for.copy()
Y _ for _ aux.index=Y _ for _辅助。指数* 10
last_idx=Y_for_aux.index[-1] 1
Y _ for _ aux=Y _ for _ auxreindex(range(last _ idx))
Y _ for _ aux=Y _ for _ aux插值()
#-xG让步的辅助系列(Y_ag)
Y_ag_aux=Y_ag.copy()
Y _ ag _ aux。index=Y _ ag _ aux。指数* 10
last_idx=Y_ag_aux.index[-1] 1
Y _ ag _ aux=Y _ ag _ aux。reindex(range(last _ idx))
Y_ag_aux=Y_ag_aux.interpolate()
# -绘制我们的数据
# -删除脊线并添加网格线
ax.spines[左]。set_visible(False)
ax.spines[top].set_visible(False)
ax.spines[右]。set_visible(False)
ax.grid(ls= -，lw=0.25，color=#4E616C )
# -数据
for_=ax.plot(X_，Y_for，marker=o ，mfc=white ，ms=4，color=color_for)
ag_=ax.plot(X_，Y_ag，marker=o ，mfc=white ，ms=4，color=color_ag)
# -填充之间
对于范围内的索引(len(X_aux) - 1):
#根据顶部线条选择颜色
如果Y _ for _ aux。iloc[index 1]Y _ ag _ aux。iloc[索引1]:
color=for_[0].get_color()
否则：
color=ag_[0].get_color()
#在当前点和咕噜咕噜叫扩展系列中的下一个点之间填充。
ax.fill_between([X_aux[index]，X_aux[index 1]]，
[Y_for_aux.iloc[index]，Y_for_aux.iloc[index 1]]，
[Y_ag_aux.iloc[index]，Y_ag_aux.iloc[index 1]]，
颜色=颜色，zorder=2，alpha=0.2，ec=无)
# -确保Y轴的最小值为零
ax.set_ylim(0)
# -调整滚动条和书脊以匹配网格的风格
斧头。xaxis。set _ major _ locator(ticker .多重定位器(2)) #收报机每2个比赛日
X ticks _=ax。xaxis。set _ tick标签([X-1表示范围内的X(0，len(X_) 3，2)])
斧头。xaxis。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
斧头。雅克斯。set _ tick _ params(length=2，color=#4E616C ，labelcolor=#4E616C ，labelsize=6)
ax.spines[bottom].set _ edge颜色(# 4e 616 c)
# -传奇和团队名称
Y_for_last=Y_for.iloc[-1]
Y_ag_last=Y_ag.iloc[-1]
# -添加团队名称
team_=ax.text(
x=0，y=ax。get _ ylim()[1]ax。get _ ylim()[1]/20，
s=f"{ team } "，
color=#4E616C ，
va=中心，
哈=左，
尺寸=7
)
# -添加xg血型创建的标签
for_label_=ax.text(
x=X_ .iloc[-1] 0.75，y=Y_for_last，
s=f{Y_for_last:1f} xGF ，
color=color_for，
va=中心，
哈=左，
尺寸=6.5
)
# -添加xg血型让步标签
ag_label_=ax.text(
x=X_ .iloc[-1] 0.75，y=Y_ag_last，
s=f{Y_ag_last:1f} xGA ，
color=color_ag，
va=中心，
哈=左，
尺寸=6.5
)6.1 测试函数file _ id= 1yM _ f93 ny 4 qkxjlkl 3 gzdccqenbia 2 ltb
url=fhttps://drive.google.com/uc？id={文件id}
df=pd.read_csv(url，index _ col=0)fig=PLT。图(图大小=(5，2)，dpi=200)
ax=plt.subplot(111)
plot_xG_rolling(Sassuolo ，ax，color_for=#00A752 ，color_ag=black ，data=df)
plt.tight_layout()
再设置更加丰富的颜色：
fig=plt.figure(figsize=(5，8)，dpi=200，facecolor=#EFE9E6 )
ax1=plt.subplot(411，facecolor=#EFE9E6 )
ax2=plt.subplot(412，facecolor=#EFE9E6 )
ax3=plt.subplot(413，facecolor=#EFE9E6 )
ax4=plt.subplot(414，facecolor=#EFE9E6 )
plot_xG_rolling(Sassuolo ，ax1，color_for=#00A752 ，color_ag=black ，data=df)
plot_xG_rolling(Lazio ，ax2，color_for=#87D8F7 ，color_ag=#15366F ，data=df)
plot_xG_rolling(Hellas Verona ，ax3，color_for=#153aab ，color_ag=#fdcf41 ，data=df)
plot_xG_rolling(Empoli ，ax4，color_for=#00579C ，color_ag=black ，data=df)
plt.tight_layout()
最后其实本文主要是对两个折线图做了一系列的优化和改进而已，主要是强调细节部分。
涉及到的绘制精美的图表的知识，也主要是在扁虱，背景颜色、填充_之间部分。
技术交流欢迎转载、收藏、有所收获点赞支持一下！数据、代码可以找我获取
目前开通了技术交流群，群友已超过2000人，添加时最好的备注方式为：来源兴趣方向，方便找到志同道合的朋友
方式微信搜索公众号：Python学习与数据挖掘，后台回复：加群
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。