Matplotlib 创建基础折线图

介绍

Matplotlib 是一个用于在 Python 中创建静态、动态和交互式可视化的综合性库。它是最流行的数据可视化库之一，对于任何使用 Python 的数据科学家或分析师来说都至关重要。

折线图是最基本且应用最广泛的图表类型之一。它将信息显示为一系列称为“标记点”（markers）的数据点，这些点通过直线段连接。它常用于可视化数据随时间间隔变化的趋势——即时间序列——因此折线图通常是按时间顺序绘制的。

在本实验中，你将学习如何从头开始创建一个简单的折线图。我们将涵盖整个过程：准备数据、绘制图表、为坐标轴添加描述性标签，最后将图表保存为图像文件，你可以在 LabEx 环境中直接查看。

这是一个实验（Guided Lab），提供逐步指导来帮助你学习和实践。请仔细按照说明完成每个步骤，获得实际操作经验。根据历史数据，这是一个初级级别的实验，完成率为 84%。获得了学习者 100% 的好评率。

准备 x 和 y 数据列表

在此步骤中，我们将准备绘图所需的数据。在可视化任何内容之前，你需要数据。对于简单的二维折线图，你需要两组数据：一组用于 x 轴（水平轴），另一组用于 y 轴（垂直轴）。

我们将使用 Python 列表来存储数据。让我们创建一个代表几年人口增长的简单数据集。

首先，从左侧的文件浏览器中打开位于 ~/project 目录下的 main.py 文件。该文件已包含必要的导入语句。

现在，将以下代码添加到 main.py 中以创建两个列表，x 和 y。

import matplotlib.pyplot as plt

## Data for plotting
x = [2018, 2019, 2020, 2021, 2022]
y = [10, 12, 15, 18, 22]

这里，x 代表年份，y 代表对应年份的人口（以百万为单位）。这两个列表将作为我们折线图的坐标。

使用 plt.plot(x, y) 绘制折线图

在此步骤中，我们将使用准备好的数据来创建实际的图表。我们导入为 plt 的 Matplotlib pyplot 模块提供了一个名为 plot() 的函数，非常适合此任务。

plt.plot() 函数接受两个主要参数：x 轴的数据和 y 轴的数据。然后，它将绘制一条连接由这些坐标定义的点的线。

将以下行添加到你的 main.py 脚本中，紧跟在你在上一步创建的数据列表之后。

import matplotlib.pyplot as plt

## Data for plotting
x = [2018, 2019, 2020, 2021, 2022]
y = [10, 12, 15, 18, 22]

## Create the plot
plt.plot(x, y)

这一行代码告诉 Matplotlib 使用 x 和 y 列表作为坐标来创建折线图。但是，如果你现在运行脚本，你还看不到任何内容。我们仍然需要添加标签并显式地将图表保存到文件。

使用 plt.xlabel() 添加 x 轴标签

在此步骤中，我们将为 x 轴添加一个标签。没有标签的图表通常是无意义的，因为观看者不知道坐标轴代表什么。这是创建清晰且信息丰富的可视化的关键部分。

Matplotlib 提供了 plt.xlabel() 函数来为 x 轴添加标签。你只需将所需的标签作为字符串传递给此函数即可。

让我们为图表添加一个“Year”（年份）标签。将以下行添加到你的 main.py 脚本中，在 plt.plot() 调用之后。

import matplotlib.pyplot as plt

## Data for plotting
x = [2018, 2019, 2020, 2021, 2022]
y = [10, 12, 15, 18, 22]

## Create the plot
plt.plot(x, y)

## Add x-axis label
plt.xlabel("Year")

现在，我们图表的水平轴将被清晰地标记为“Year”。

使用 plt.ylabel() 添加 y 轴标签

在此步骤中，我们将为 y 轴添加一个标签，从而完成我们图表的基本标注。与 x 轴一样，y 轴也需要一个描述性的标签，以便观看者能够理解数据。

用于此目的的函数是 plt.ylabel()，其工作方式与 plt.xlabel() 完全相同。你将标签文本作为字符串传递。

让我们为图表添加一个“Population”（人口）标签。将以下行添加到你的 main.py 脚本中，紧跟在 plt.xlabel() 调用之后。

import matplotlib.pyplot as plt

## Data for plotting
x = [2018, 2019, 2020, 2021, 2022]
y = [10, 12, 15, 18, 22]

## Create the plot
plt.plot(x, y)

## Add x-axis label
plt.xlabel("Year")

## Add y-axis label
plt.ylabel("Population (in millions)")

现在，随着两个轴都已添加标签，我们的图表也更加易于理解了。

使用 plt.show() 显示图表

在最后一步，我们将生成并查看我们的图表。在典型的桌面环境中，你可能会使用 plt.show() 在新窗口中显示图表。然而，在像 LabEx 这样的基于 Web 的环境中，我们无法打开 GUI 窗口。

取而代之的是，我们将使用 plt.savefig() 函数将图表保存到图像文件。此函数将当前图形保存到项目目录中的一个文件。

将以下行添加到你的 main.py 脚本的末尾。这将把图表保存为名为 line_plot.png 的 PNG 图像。

import matplotlib.pyplot as plt

## Data for plotting
x = [2018, 2019, 2020, 2021, 2022]
y = [10, 12, 15, 18, 22]

## Create the plot
plt.plot(x, y)

## Add x-axis label
plt.xlabel("Year")

## Add y-axis label
plt.ylabel("Population (in millions)")

## Save the plot to a file
plt.savefig("line_plot.png")

现在，在 WebIDE 中打开一个终端（你可以使用终端面板中的 + 图标或菜单 Terminal > New Terminal）。使用以下命令运行你的脚本：