Python语言下的matplotlib库用于生成基础图形（line plot），并支持在绘图中指定位置添加垂直线条（vertical lines）

目录

Python支持matplotlib模块进行数据可视化的展示操作，在数据展示过程中能够实现对趋势变化情况的直观呈现功能；此外，在图像显示的具体实现中还可以选择性地插入垂直线条于指定的位置以辅助信息的进一步分析。

#仿真数据

在Python编程语言中利用matplotlib库生成线图，在绘制的图像上指定特定位置插入垂直线条

#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

#python利用Python的matplotlib库生成线性分布的趋势图形（line plot），并在此基础上通过在matplotlib绘图中指定具体坐标轴位置插入垂直线条(add vertical line in matplotlib plot)以突出关键数据点。

linestyle="dotted"

linestyle="dashed"

  
    
 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')
    
 plt.plot(df_new['x'], df_new['产量'], linewidth=3, color = 'red')
    
 # plt.axhline(y=50,color= 'black',linestyle="dashed",xmin=0.3,xmax= 0.7)
    
 plt.axvline(x=5,color= 'black')
    
  
    
 # plt.title("function expression $y=x^2$")
    
 # fig.figure(figsize=(10,8))
    
 # plt.axis("off")
    
 plt.show()

在Python环境中使用pip工具设置matplotlib库

1、安装包

$ pip install matplotlib

2、进入python的交互式界面

$ python -i

绘制带有红色加号标记的散点图

导入 matplotlib 库并调用 pyplot 模块
生成一个包含数值 [1、2、3、4、5] 的列表 x
生成一个包含数值 [2.3、3.4、1.2、6.6、7.0] 的列表 y
调用 pyplot 散点图函数并设置颜色为红色和标记符号为加号

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。

Matplotlib 是 Python 中的绘图工具，它能帮助用户简便地生成数据可视化图表，并支持多种输出格式。

Matplotlib 可以用来绘制各种静态，动态，交互式的图表。

Matplotlib 是一个卓越的Python画图工具。借助这一强大的工具，我们可以将大量数据以清晰易懂的方式进行可视化呈现。

Matplotlib 支持生成多种类型的可视化图表：包括但不限于折线图、散点图、轮廓图、柱状图、三维图形以及动态展示的效果。

该Python绘图库常与NumPy、SciPy等 Scientific Python工具配合使用，并被广泛用作替代方案。这一搭配已被广泛用作替代方案，并为科学研究提供强有力的支持环境。它不仅帮助我们掌握数据分析的基础知识，还为学习数据分析和机器学习提供了便捷的工具。

SciPy 由多个开源项目共同开发，并为Python提供了一个强大的算法集合。

SciPy 包含一系列功能强大的模块以满足科学计算需求。这些模块包括用于最优化运算的算法集合、涵盖线性代数运算的功能库、支持积分计算的工具、提供插值方法的技术以及广泛使用的特殊函数集合等。此外还包含快速傅里叶变换算法实现、信号处理工具包、图像处理组件以及常微分方程求解器等核心组件；这些组件共同提供了大量适用于科学与工程领域的计算资源。
Matplotlib 是 Python 编程环境中功能最为全面的数据可视化库之一；它能够生成静态图表、动态动画以及交互式界面；对于简单的数据可视化任务来说操作非常简便；而对于复杂的可视化需求则提供了充分的定制选项以满足特定需求。

Matplotlib的设计理念以其独特性著称，在直观简便的方法中能够创造出令人惊叹的视觉呈现效果，并在Python学习过程中扮演着关键角色。

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接口是基于matplotlib.pylab库提供的函数集合，并支持用户通过与MATLAB类似的代码框架快速生成图表。

2. matplotlib的图形用户界面或其API是一组关键组件集合, 用于生成与控制图像对象, 包括文本元素和曲线图表等（艺术家教程）。作为一个不熟悉输出生成的抽象接口, 在数据可视化领域有着广泛的应用

作为与显示相关联的硬件设备（即绘图设备），渲染器的功能在于将前端内容转化为可输出或展示的形式；具体而言：如Adobe Photoshop（简称PS）通过PostScript技术生成可打印文件；Python中的SVG模块则能生成可缩放矢量图形文件；而Agg技术则借助Matplotlib内置的抗锯齿算法生成高质量的PNG格式图像；此外，在基于Gtk+的应用程序中集成Matplotlib实现图形展示；GTKAgg进一步采用抗锯齿渲染技术在Gtk+环境中呈现图像内容；此外，在PDF文件格式、WxWidgets框架以及Python的标准GUI库Tkinter中也能见到其身影。

参考：python matplotlib