### Matplotlib绘制折线图的基本逻辑和方法 Matplotlib 是 Python 中广泛使用的数据可视化库，其核心模块 `pyplot` 提供了许多用于创建静态、动态以及交互式可视化的函数。以下是关于如何使用 Matplotlib 绘制折线图的基本逻辑和方法。 #### 1. 导入必要的库 为了使用 Matplotlib 的功能，首先需要导入 `matplotlib.pyplot` 模块，并通常将其重命名为 `plt` 以便于后续调用[^1]。 ```python import matplotlib.pyplot as plt ``` #### 2. 准备数据 在绘制折线图之前，需准备一组或多组数据作为输入。这些数据可以是一维数组或列表形式，分别代表横轴 (`x`) 和纵轴 (`y`) 上的数据点[^4]。 ```python x = range(1, 8) # 表示一周内的每一天 y_maxT = [30, 32, 31, 32, 32, 32, 33] # 对应每天的最高气温 ``` #### 3. 调用 `plot()` 方法绘制图表 通过调用 `plt.plot()` 方法来绘制折线图。该方法接受多个参数，其中最基本的两个参数分别是 `x` 和 `y` 数据序列[^3]。除此之外，还可以指定其他可选参数来自定义线条样式，例如线条颜色、宽度、标记符等。 ```python plt.plot(x, y_maxT, linestyle='-', linewidth=2, color='blue', marker='o', markersize=5, label="Max Temp") ``` 此处： - `linestyle='-':` 设置实线； - `linewidth=2:` 设定线条粗细为 2 像素； - `color='blue':` 将线条颜色设为蓝色； - `marker='o':` 添加圆形标记到每个数据点上； - `markersize=5:` 控制标记大小； - `label="Max Temp":` 为这条曲线提供一个标签名，在图例中显示[^3]。 #### 4. 配置坐标轴与标题 为了让图表更具可读性和意义，可以通过如下命令进一步美化图形界面： - 使用 `xlabel()` 和 `ylabel()` 来命名 X/Y 轴； - 利用 `title()` 定义整个图像的主题描述； - 如果存在多条曲线，则可通过 `legend()` 显示对应的说明文字。 ```python plt.xlabel('Day of Week') plt.ylabel('Temperature (°C)') plt.title('Weekly Maximum Temperature Trend') plt.legend() ``` #### 5. 展现最终成果 最后一步就是执行 `show()` 函数让所构建好的图表呈现在屏幕上。 ```python plt.show() ``` 综上所述，以上五个阶段构成了完整的基于 Matplotlib 库制作简单折线图的过程概述。 ### 示例代码综合演示 下面给出一段完整程序实例，它涵盖了前面提到的所有要点： ```python import matplotlib.pyplot as plt # Step 1 & 2: Prepare data days = list(range(1, 8)) max_temps = [30, 32, 31, 32, 32, 32, 33] # Step 3: Plot the line chart with customizations plt.plot(days, max_temps, linestyle='-', linewidth=2, color=(78/255., 121/255., 167/255.), marker='o', markersize=5, alpha=0.9, label="Daily Max Temperatures") # Step 4: Customize axes and add labels/titles plt.xlabel("Days", fontsize=12) plt.ylabel("Maximum Temperature (°C)", fontsize=12) plt.title("Week's Daily High Temperatures", pad=20) # Add grid lines for better readability. plt.grid(True, linestyle='--', alpha=0.5) # Show legend to identify plotted series plt.legend(loc='upper left') # Step 5: Display the figure plt.tight_layout() plt.show() ```