一般在Python当中，我们用于绘制图表的模块最基础的可能就是matplotlib了，今天小编分享几个用该模块进行可视化制作的技巧，帮助你绘制出更加高质量的图表。

同时本篇文章的第二部分是用Python来制作可视化动图，让你更加清楚的了解到数据的走势

数据集的导入

最开始，我们先导入数据集，并且导入我们需要用到的库

import pandas as pd
import matplotlib.pyplot as plt
plt.style.use("seaborn-darkgrid")# 读取数据
aapl = pd.read_csv("AAPL.csv")
print(aapl.head())

output

Date        Open        High  ...       Close   Adj Close    Volume
0  2021-9-30  143.660004  144.380005  ...  141.500000  141.293793  88934200
1  2021-10-1  141.899994  142.919998  ...  142.649994  142.442108  94639600
2  2021-10-4  141.759995  142.210007  ...  139.139999  138.937225  98322000
3  2021-10-5  139.490005  142.240005  ...  141.110001  140.904358  80861100
4  2021-10-6  139.470001  142.149994  ...  142.000000  141.793060  83221100

简单的折线图

上面的代码我们用到的是“苹果”公司2021年的9月31日到12月31日的股价走势，我们先来简单的画一张折线图，代码如下

plt.figure(figsize=(12,6))
plt.plot(aapl["Close"])

output

上面的折线图看着就有点单调和简单，我们就单单只可以看到数据的走势，除此之外就没有别的收获，我们甚至都不知道这条折线所表示的意义，因为接下来我们来进行一系列的优化

添加标题以及设置Y轴标签

第一步我们先给图表添加标题以及给X轴、Y轴设置标签，代码如下

plt.figure(figsize=(12,6))
plt.plot(aapl["Close"])# 添加标题和给Y轴打上标记
plt.ylabel("Closing Price", fontsize=15)  ## 收盘价
plt.title("Apple Stock Price", fontsize=18) ## 标题：苹果公司股价

output

再添加一个Y轴

现有的这个Y轴代表的是收盘价，要是我们还想再往图表当中添加另外一列的数据，该数据的数值范围和已有的收盘价的数值范围不同，如果放在一起，绘制出来的图表可不好看，如下

plt.figure(figsize=(12,6))
plt.plot(aapl["Close"])# 第二根折线图
plt.plot(aapl["Volume"])# Y轴的名称和标记
plt.ylabel("Closing Price", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)

output

可以看到我们代表股价的那条蓝线变成了水平的直线，由于它的数值范围和“Volume”这一列当中的数据，数值范围差了不少，因此我还需要一个Y轴，来代表“Volume”这一列数据的走势，代码如下

fig, ax1 = plt.subplots(figsize=(12,6))# 第二个Y轴的标记
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")# 添加标题和Y轴的名称，有两个Y轴
ax1.set_ylabel("Closing Price", fontsize=15)
ax2.set_ylabel("Volume", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)

output

上面的代码我们通过twinx()方法再来新建一个Y轴对象，然后对应的数据是Volume这一列当中的数据，而给Y轴标记的方式也从上面的plt.ylabel()变成了ax.set_ylabel()

添加图例

接下来给绘制好的图表添加图例，不同的折线代表的是不同的数据，代码如下

fig, ax1 = plt.subplots(figsize=(12,6))
# 第二个Y轴
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")
# 设置Y轴标签和标题
ax1.set_ylabel("Closing Price", fontsize=15)
ax2.set_ylabel("Volume", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)
# 添加图例
ax1.legend(["Closing price"], loc=2, fontsize=12)
ax2.legend(["Volume"], loc=2, bbox_to_anchor=(0, 0.9), fontsize=12)

output

在plt.legend()方法当中的loc参数代表的是图例的位置，2代表的是左上方，具体的大家可以通过下面的链接来查阅

https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.legend.html

将网格线去除掉

有时候我们感觉图表当中的网格线有点碍眼，就可以将其去掉，代码如下

fig, ax1 = plt.subplots(figsize=(12,6))
# 第二个Y轴
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")
# 设置Y轴标签和标题
ax1.set_ylabel("Closing Price", fontsize=15)
ax2.set_ylabel("Volume", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)
# 添加图例
ax1.legend(["Closing price"], loc=2, fontsize=12)
ax2.legend(["Volume"], loc=2, bbox_to_anchor=(0, 0.9), fontsize=12)
# 去掉网格线
ax1.grid(False)
ax2.grid(False)

output

这样出来的图表是不是看着顺眼多了呢？！

在图表当中添加一些文字

有时候我们也想在图表当中添加一些文字，可以是注释也可以是一些赞美性的语言，可以通过代码来实现，如下

fig, ax1 = plt.subplots(figsize=(12,6))
# 第二个Y轴
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")
# 设置Y轴标签和标题
ax1.set_ylabel("Closing Price", fontsize=15)
ax2.set_ylabel("Volume", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)
# 添加图例
ax1.legend(["Closing price"], loc=2, fontsize=12)
ax2.legend(["Volume"], loc=2, bbox_to_anchor=(0, 0.9), fontsize=12)
# 去掉网格线
ax1.grid(False)
ax2.grid(False)date_string = datetime.strptime("2021-10-31", "%Y-%m-%d")# 添加文字
ax1.text(date_string, ## 代表的是添加的文字的位置170, "Nice plot!", ## 添加的文字的内容fontsize=18, ## 文字的大小color="green" ## 颜色
)

output

图表当中的中文显示

在上面的图表当中，无论是标题还是注释或者是图例，都是英文的，我们需要往里面添加中文的内容时候，还需要添加下面的代码

plt.rcParams['font.sans-serif'] = ['SimHei']fig, ax1 = plt.subplots(figsize=(12,6))
# 第二个Y轴
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")
# 设置Y轴标签和标题
ax1.set_ylabel("收盘价", fontsize=15)
ax2.set_ylabel("成交量", fontsize=15)
plt.title("苹果公司股价走势", fontsize=18)
# 添加图例
ax1.legend(["Closing price"], loc=2, fontsize=12)
ax2.legend(["Volume"], loc=2, bbox_to_anchor=(0, 0.9), fontsize=12)
# 去掉网格线
ax1.grid(False)
ax2.grid(False)
# 添加文字
ax1.text(date_string,170, "画的漂亮", fontsize=18, color="green"
)

output

这样全局的字体都被设置成了“黑体”，文本内容都是用中文来显示

X轴/Y轴上刻度字体的大小

我们还可以给X轴/Y轴添加边框，以及边框的粗细也可以通过代码来进行调整，如下

plt.rcParams["axes.edgecolor"] = "black"
plt.rcParams["axes.linewidth"] = 2

同时我们还可以对X轴以及Y轴上面的刻度，它们的字体大小进行设置，代码如下

# tick size
ax1.tick_params(axis='both', which='major', labelsize=13)
ax2.tick_params(axis='both', which='major', labelsize=13)

output

出来的图表是不是比一开始的要好很多呢？

制作动图

接下来给大家介绍一个制作动图的Python库，bar_chart_race，只需要简单的几行代码，就可以制作出随着时间变化的直方图动图，代码如下

import bar_chart_race as bcr
import pandas as pd
# 生成GIF图像
df = pd.read_csv('covid19_tutorial.csv', index_col=index_col,parse_dates=parse_dates)
bcr.bar_chart_race(df, 'covid19_tutorial_horiz.gif')

output

大家若是感兴趣，可以登上它的官网

https://www.dexplo.org/bar_chart_race/

来了解更多如何使用该模块来制作Python可视化动图的案例

往期精彩回顾适合初学者入门人工智能的路线及资料下载中国大学慕课《机器学习》（黄海广主讲）机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载本站qq群955171419，加入微信群请扫码：