1、简介

图片

最富裕的5个国度的GDP随期间的演化

Matplotlib可以极速轻松地经常使用现成的函数绘制图表，但是微调步骤须要破费更多精神。当天就来引见如何经常使用Matplotlib绘制吸引人的图表。

本文具体引见如何从上方这张图↓

图片

优化为上方这张图↓

图片

2、数据

为了说明方法，本文经常使用了蕴含过去50年各国GDP消息的地下数据集：

起源：环球银行国民账户数据和OECD（经济协作与开展组织）国民账户数据文件。

容许证URL：

导入必要的软件包、读取数据、绘制图表，对2022年的GDP前20个国度启动挑选：

importpandasaspdimportmatplotlib.pyplotaspltfromdatetimeimporttimedelta#读取数据df=pd.read_csv('88a1e584-0a94-4e73-b650-749332831ef4_Data.csv',)df.drop(['SeriesName','SeriesCode','CountryCode'],axis=1,inplace=True)df=df.dropna(subset=['CountryName'])#对2022年最富裕的20个国度启动挑选top_20_countries=df[df['Year']=='2022-01-01'].sort_values('GDP',ascending=False).head(20)['CountryName'].tolist()df=df[df['CountryName'].isin(top_20_countries)].reset_index(drop=True)df.head()

3、基本图

首先，只有四行代码就足以创立图形，并循环遍历各国以绘制它们各自的折线：

#创立图形和坐标轴对象，指定尺寸和DPIfig,ax=plt.subplots(figsize=(13.33,7.5),dpi=96)#绘制折线forcountryintop_20_countries:alt="轻松玩转Python，五个步骤打造冷艳的折线图"/>最基本的Matplotlib折线图
4、基本要素
接上去向图表中减少一些关键内容，使其更易于观众阅读。
为了提高图表的可读性，网格是必无法少的。将网格的透明度设置为0.5，这样它们就不会对数据点形成太大搅扰。
为了更片面地了解微调的或者性，本文故意减少了更多的参数。例如，X轴不须要major_formatter和major_locator对象，由于本文只显示年份，但假设读者的X轴蕴含其他数字，这就会派上用场。
由于要显示很多条线，因此减少标签和图例十分关键，这样读者就能知道哪条线是哪条线。
#减少图例ax.legend(loc="best",fnotallow=8)#创立网格ax.grid(which="major",,,alpha=0.5,zorder=1)ax.grid(which="major",,,alpha=0.5,zorder=1)#从新格局化x轴标签和刻度线标签ax.set_xlabel('',fnotallow=12,labelpad=10)#不须要轴标签ax.xaxis.set_label_position("bottom")#ax.xaxis.set_major_formatter(lambdas,i:f'{s:,.0f}')#以防万一咱们须要额外的格局设置#ax.xaxis.set_major_locator(MaxNLocator(integer=True))#以防咱们须要额外的格局化ax.xaxis.set_tick_params(pad=2,labelbottom=True,bottom=True,labelsize=12,labelrotatinotallow=0)#从新格局化y轴ax.set_ylabel('GDP(BillionsUSD)',fnotallow=12,labelpad=10)ax.yaxis.set_label_position("left")ax.yaxis.set_major_formatter(lambdas,i:f'{s*10**-9:,.0f}')#ax.yaxis.set_major_locator(MaxNLocator(integer=True))#以防咱们须要额外的格局化ax.yaxis.set_tick_params(pad=2,labeltop=False,labelbottom=True,bottom=False,labelsize=12)
图片
为本文的图表减少一些必要的性能
5、突出重点
接上去，突出显示最富裕的五个国度，并跟踪其GDP随期间的变动。在字典中定义了特定的色彩和线条样式，并对代码稍作修正，以独自绘制它们。
#色彩和线条样式colors_dict={'UnitedStates':'#014f86','China':'#DC0000','Japan':'#ff4d6d','Germany':'#403d39','India':'#6a994e'}line_styles_dict={'UnitedStates':'-','China':'-','Japan':'-','Germany':'-','India':'-'}#绘制前5条线forcountryintop_20_countries[:5]:color=colors_dict.get(country,'grey')#从字典中失掉色彩，假设找不到，默以为灰色line_style=line_styles_dict.get(country,'-')#从字典中失掉线条样式，假设未找到，默以为实线alt="轻松玩转Python，五个步骤打造冷艳的折线图"/>图片
依然是相反的折线图，但故事更明晰了
6、修正外观
为本文的图表减少一些性能，可以使其看起来愈加专业。它们将位于一切图表的顶部，并且与本文中经常使用的数据有关。
经过上方的代码片段，这些调整将很容易成功。
读者可以依据自己的需求对其启动调整，以创立自己的视觉格调。
边框是图表周围可见的框。除了左边的边框会设置得稍微粗一些外，其他的边框都将被移除。
在题目上方减少一条红线和一个矩形，以便将图表与上方的文本很好地隔退进去。
减少题目来引见图表，副题目可以用来进一步解释内容，甚至出现初步的论断。
在一切制造的图表中都必无法少的一项。
调整图表区域周围的边距，以确保充沛应用一切可用空间。
将背景设置为红色（默以为透明）在经过电子邮件、Teams或任何其他工具发送图表时十分有用，由于透明背景或者会形成疑问。
本文的视觉格调运行于图表，使其愈加整洁
7、点睛之笔
为了失掉在文章扫尾引见的最终结果，剩下要做的就是成功这几个额外的组件：
这些元素纯正是为了好看，但能为本文的折线图削减一份亮点。用标志突出显示每条折线的最后一个点，使其愈加醒目。
借助annotate方法，可以突出显示图表中的特定点，并在其上间接减少注释。
#绘制前5条线forcountryintop_20_countries[:5]:color=colors_dict.get(country,'grey')#从字典中失掉色彩，假设找不到，默以为彩色line_style=line_styles_dict.get(country,'-')#从字典中失掉线条样式，假设找不到，默以为实线alt="轻松玩转Python，五个步骤打造冷艳的折线图"/>图片
最终成绩：这个折线图明晰易读
8、结语
本文分享了经常使用Matplotlib绘制折线图的常识，同时提供了适用可重复经常使用的代码片段。

绘制曲线图需要以下步骤：1. 确定数据类型：首先需要确定要绘制的曲线图的数据类型。 不同的数据类型可能需要选择不同的绘图方法。 例如，时间轴上的数据需要使用折线图，而品牌销售数据需要使用条形图。 2. 准备数据：此步骤需要将数据整理成表格形式，并确认数据的准确性。 表格中应包括时间或其他连续变量和相应的数值，同时还需要添加标签和注释以方便观察者理解。 3. 选择正确的软件：选择适合自己的绘图软件。 不同的软件有不同的功能，例如某些软件可以添加注释、标签和标题，而其他软件则没有这些功能。 可以选择Excel、Python Matplotlib、R Studio等进行绘制。 4. 选中数据和图表类型：选中要制作曲线图的数据，然后在软件中选择图表类型中的“曲线图”，选择好以后，软件会自动生成曲线图。 5. 设置曲线图的样式和布局：制作好曲线图之后，可以对曲线图进行样式和布局的设置。 打开曲线图，在软件的“设计”选项中有丰富的设置选项，可调节每个元素的大小、颜色、字体等等。 可以进行调整，使得曲线图更加美观和直观。 以上就是绘制曲线图的基本步骤，需要注意的是，要根据数据类型选择合适的绘图方法，并且要确保数据的准确性和规范的输入。 同时，通过调整样式和布局，可以使曲线图更加美观和直观。