python使用matplotlib可视化线图（line plot）、并为可视化图像添加图例（legend）信息（add legend to matplotlib plot）
利用Python语言的matplotlib库进行数据可视化展示
具体而言,本研究主要涉及以下两个核心内容:一是通过绘制线型图表来呈现数据特征;二是结合图表加入相应的说明性标注,以提升数据解读的直观性.在绘图过程中,我们实现了将"Legend"元素附加至图表对象上
目录
通过Python的matplotlib库生成线图，并借助该库向图表中添加一个图例说明
通过Python的matplotlib库生成线图，并借助该库向图表中添加一个图例说明
#仿真数据
通过Python语言的matplotlib库生成线型图表，并在数据可视化的步骤中包含一个图例标识符。
#仿真数据
import pandas as pd
import numpy as np
# 不显示关于在切片副本上设置值的警告
pd.options.mode.chained_assignment = None
# 一个 dataframe 最多显示60例
pd.set_option('display.max_columns', 100)
# 可视化工具包
import matplotlib.pyplot as plt
%matplotlib inline
#设置默认字体大小
plt.rcParams['font.size'] = 16
data = {'产品':['肉类','盐铁','纺织','木材']*2,
'年份':[1046,1046,1046,1046,1047,1047,1047,1047],
'诸侯':['秦','齐','楚','秦','秦','楚','齐','齐'],
'产量':[180,140,300,200,150,60,80,320]}
df=pd.DataFrame(data, columns=['产品','年份','诸侯','产量'])
df
借助Python的matplotlib库进行线图呈现（line plot），同时为了使数据图表更具可读性，在图形中加入图表说明（legend）内容。
df_new = df
df_new['x'] = [1,2,3,4,5,6,7,8]
df_new['年份'] = [1,2,3,4,5,6,7,8]
df_new['产量'] = [10,20,13,24,15,60,70,80]
plt.plot(df_new['x'], df_new['年份'], linewidth=3, color = 'skyblue',label = 'year')
plt.plot(df_new['x'], df_new['产量'], linewidth=3, color = 'red',label = 'volume')
plt.legend(loc="upper left")
# plt.legend(loc="upper right")
# plt.legend(loc="lower left")
# plt.legend(loc="lower right")
plt.show()
使用pip安装matplotlib模块
1、安装包
$ pip install matplotlib
2、进入python的交互式界面
$ python -i
3、使用 matplotlib 的 scatter 方法绘制散点图
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2.3, 3.4, 1.2, 6.6, 7.0]
plt.scatter(x, y, color='r', marker='+')
4、输出结果
你的电脑随后会弹出一个最终图表效果的窗口。
它是Python中广泛使用的绘图库，并能够帮助用户轻松地将数据可视化，并提供多种多样的输出格式类型。
Matplotlib 可以用来绘制各种静态，动态，交互式的图表。
Matplotlib 是Python编程语言中功能全面且高度灵活的绘图库，在数据分析与可视化领域具有重要应用价值。我们可以通过该库有效地整合大量数据并将其以图表形式进行更加直观的展示。
Matplotlib能够生成线条图表与散点图表，并可展示轮廓线图表以及柱状图表。此外还可以生成三维立体图形和动态交互式图形。
Matplotlib 常与 NumPy 和 SciPy（Scientific Python）协同工作，在数据科学领域中被广泛认可为强大的Python生态系统的组成部分之一。该工具集提供了丰富的数据可视化和分析功能库，并且其应用范围覆盖了从基础数据分析到高级机器学习算法的开发流程。通过这一平台的学习路径，我们可以有效地掌握数据分析的核心技能，并利用其强大的绘图能力辅助机器学习项目中的可视化展示。
SciPy 是一个基于 Python 的 open-source 功能模块，并提供丰富的数学计算和算法支持。
SciPy涵盖了丰富的工具包以支持最优化算法、线性代数工具箱以及数值积分、插值方法，并提供了特殊函数库如特殊函数等基础计算需求。
Matplotlib 是 Python 语言中全面支持创建静态图表以及动态可视化和交互式展示的核心库。
Matplotlib的设计理念采用直观简便的方法即可生成具有强大视觉表现力的效果，在Python学习中扮演着重要组成部分。
用在python中绘制数组的2D图形库
matplotlib代码在概念上分为3个部分：
matplotlib.pylab接口是matplotlib.pylab模块中提供的函数集合，在不影响使用体验的前提下实现了与MATLAB具有高度相似性的绘图功能
2.matplotlib前端或API是一组关键类，在生成和控制图形、文本、线条以及图表等方面发挥着重要作用（艺术家教程），作为一个对输出不加以考虑的抽象接口
- 后端主要处理设备相关的绘图操作，并被称为渲染器（Renderer），其功能是将前端的数据表示转换为打印图像或显示在特定输出介质上；具体来说：
- PS（PostScript）生成PostScript文件；
- SVG（Scalable Vector Graphics）生成可缩放矢量图形文件；
- Agg（Anti-Grain）利用Matplotlib附带的高质量反颗粒几何库生成PNG图像文件；
- GTK（GIMP Tool Kit）及其增强版本GTKAgg则集成到Gtk+应用程序中；
- 可集成到PDF格式、WxWidgets框架以及Tkinter开发环境中。
参考：python matplotlib