【Python】用Python绘制折线图（插值法平滑曲线）

2023-10-12 20:32
文章标签 python 绘制 插值法 曲线 折线图 平滑

本文主要是介绍【Python】用Python绘制折线图（插值法平滑曲线），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目录

利用绘制图表：​​​​​​matplotlib官网

1. 小试牛刀——柱状图

1.1 matplotlib库默认英文字体

2. 折线图绘制

2.1 读取exal方法

2.1.1  数据处理常用库：pandas

2.1.2 找到pandas在pathon安装的位置Lib->site-package

2.2 提取列表数组

3. 论文图片的类型和格式

4. Python绘制折线图坐标无法显示负号

5. 绘制曲线

6. 绘制插值拟合曲线

6.1 interpld曲线方法

6.2 splprep曲线方法

7. 完整程序

利用绘制图表：​​​​​​matplotlib官网

1. 小试牛刀——柱状图

基本方法：matplotlib.pyplot.bar()

基本参数：bar(x,y)

其他参数：颜色color        宽度width        透明度alpha        

其他方法：图例legend()        横轴定义xlable()        纵轴定义ylable()        图标题title()        刻度方法xlim(), ylim()

import matplotlib.pyplot as plt #绘图
import pandas as pd #读取exal文件
plt.rcParams['font.sans-serif']=['SimHei'] #添加黑体作为绘图字体
name = ['tom', 'rose', 'lucy']#变量name装了一个列表
weight = [60, 70, 80]#具有位置属性和数值属性
plt.bar(name, weight, label='体重', color='green', alpha=0.5, width=0.5)   #从库里面调用方法+图例+颜色+透明度+宽度
plt.xlabel('姓名')
plt.ylabel('体重 单位kg')
plt.title('三个人的体重xx')
plt.legend()
plt.savefig('柱状图.png', dip=500)
plt.show()  #显示方法

1.1 matplotlib库默认英文字体

添加黑体（‘SimHei’）为绘图字体用以在图表中显示。

代码：

plt.rcParams['font.sans-serif']=['SimHei']

2. 折线图绘制

2.1 读取exal方法

2.1.1  数据处理常用库：pandas

用pandas读取excel文件的常用方法：read_excel()  参数是文件名 

2.1.2 找到pandas在pathon安装的位置Lib->site-package

import matplotlib.pyplot as plt #绘图
import pandas as pd #读取exal文件
Data = pd.read_excel('E:\PythonData/LandingData.xlsx')#exal文件路径，注意不要数字开头
print(Data)#打印数据

  注意文件路径开头不要是数字，不然报错 

E:\PythonData/LandingData.xlsx

2.2 提取列表数组

#获取各通道温度数据
飞行高度 = Data.飞行高度
温度1 = Data.温度1
温度2 = Data.温度2
温度3 = Data.温度3
温度4 = Data.温度4
温度5 = Data.温度5
温度6 = Data.温度6
温度7 = Data.温度7
温度8 = Data.温度8
温度9 = Data.温度9
温度10 = Data.温度10
温度11 = Data.温度11

3. 论文图片的类型和格式

plt.savefig('折线图.png', dip=500)

位图（放大后有马赛克）：.jpg        .tif        .psd        .bmp        .png

矢量图（放大也很清晰）：.wmf        .emf        .epd        .cdx

事物摄影使用位图，

.png格式是非可拓展文件类型；.pdf是可拓展文件格式，pdf是矢量图。

4. Python绘制折线图坐标无法显示负号

添加如下代码即可：

import matplotlib
matplotlib.rcParams['axes.unicode_minus']=False

本例程代码如下所示： 

plt.rcParams['axes.unicode_minus']=False

5. 绘制曲线

引入库

from scipy import interpolate

绘制一个图片，并确定图片位置：

fig = plt.figure(figsize=(10, 8))
ax1 = fig.add_subplot(1, 3, 1)

将曲线在图片中绘制，并加入图例：

plt.plot(Data.飞行高度, Data.温度1, label='温度1', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度2, label='温度2', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度3, label='温度3', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度4, label='温度4', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度5, label='温度5', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度6, label='温度6', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度7, label='温度7', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度8, label='温度8', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度9, label='温度9', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度10, label='温度10', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度11, label='温度11', linewidth=0.75)   #从库里面调用方法+图例plt.xlabel('飞行高度，单位m', fontsize=18)
plt.gca().invert_xaxis() #x轴反向
plt.ylabel('当前温度，单位℃', fontsize=18)
plt.title('原始数据点线绘图', fontsize=18)
plt.legend(loc='upper right')

6. 绘制插值拟合曲线

6.1 interpld曲线方法

# interpld
def spline1(x, y, point):f = interpolate.interp1d(x, y, kind="cubic")  #曲线绘制方法1X = np.linspace(飞行高度.min(), 飞行高度.max(), num=point, endpoint=True)Y = f(X)return X, Y

6.2 splprep曲线方法

def spline3(x, y, point, deg):tck, u = interpolate.splprep([x, y], k=deg, s=300) #曲线绘制方法2u = np.linspace(0, 1, num=point, endpoint=True) #显示范围比例spline = interpolate.splev(u, tck)return spline[0], spline[1]

这里注意deg参数：

Degree of the spline. Cubic splines are recommended. Even values of k should be avoided especially with a small s-value. 1 <= deg <= 5, default is 3.

scipy.interpolate.splprep — SciPy v1.7.1 Manual

7. 完整程序

看完上面的介绍，你还可以将下面的程序直接粘贴复制到你的电脑中运行一下，用实际操作来加深对绘图命令的学习：

# 导入相关库
import matplotlib.pyplot as plt #绘图
import pandas as pd #读取exal文件
import numpy as np
plt.rcParams['axes.unicode_minus']=False #轴坐标负数符号显示
plt.rcParams['font.sans-serif']=['SimHei'] #添加黑体作为绘图字体
Data = pd.read_excel('E:\PythonData/LandingData1.xlsx') #打开exal文件，注意文件路径，文件夹名称不要用数字开头
from scipy import interpolate
#获取各通道温度数据
飞行高度 = Data.飞行高度
温度1 = Data.温度1
温度2 = Data.温度2
温度3 = Data.温度3
温度4 = Data.温度4
温度5 = Data.温度5
温度6 = Data.温度6
温度7 = Data.温度7
温度8 = Data.温度8
温度9 = Data.温度9
温度10 = Data.温度10
温度11 = Data.温度11fig = plt.figure(figsize=(10, 8))
ax1 = fig.add_subplot(1, 3, 1)plt.plot(Data.飞行高度, Data.温度1, label='温度1', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度2, label='温度2', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度3, label='温度3', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度4, label='温度4', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度5, label='温度5', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度6, label='温度6', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度7, label='温度7', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度8, label='温度8', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度9, label='温度9', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度10, label='温度10', linewidth=0.75)   #从库里面调用方法+图例
plt.plot(Data.飞行高度, Data.温度11, label='温度11', linewidth=0.75)   #从库里面调用方法+图例plt.xlabel('飞行高度，单位m', fontsize=18)
plt.gca().invert_xaxis() #x轴反向
plt.ylabel('当前温度，单位℃', fontsize=18)
plt.title('原始数据点线绘图', fontsize=18)
plt.legend(loc='upper right')# interpld
def spline1(x, y, point):f = interpolate.interp1d(x, y, kind="cubic")  #曲线绘制方法1X = np.linspace(飞行高度.min(), 飞行高度.max(), num=point, endpoint=True)Y = f(X)return X, Y#splprep
def spline3(x, y, point, deg):tck, u = interpolate.splprep([x, y], k=deg, s=300) #曲线绘制方法2u = np.linspace(0, 1, num=point, endpoint=True) #显示范围比例spline = interpolate.splev(u, tck)return spline[0], spline[1]m1, n1 = spline1(飞行高度, 温度1, 50000)
m2, n2 = spline1(飞行高度, 温度2, 50000)
m3, n3 = spline1(飞行高度, 温度3, 50000)
m4, n4 = spline1(飞行高度, 温度4, 50000)
m5, n5 = spline1(飞行高度, 温度5, 50000)
m6, n6 = spline1(飞行高度, 温度6, 50000)
m7, n7 = spline1(飞行高度, 温度7, 50000)
m8, n8 = spline1(飞行高度, 温度8, 50000)
m9, n9 = spline1(飞行高度, 温度9, 50000)
m10, n10 = spline1(飞行高度, 温度10, 50000)
m11, n11 = spline1(飞行高度, 温度11, 50000)ax2 = fig.add_subplot(1, 3, 2)plt.plot(m1, n1, label="温度1")
plt.plot(m2, n2, label="温度2")
plt.plot(m3, n3, label="温度3")
plt.plot(m4, n4, label="温度4")
plt.plot(m5, n5, label="温度5")
plt.plot(m6, n6, label="温度6")
plt.plot(m7, n7, label="温度7")
plt.plot(m8, n8, label="温度8")
plt.plot(m9, n9, label="温度9")
plt.plot(m10, n10, label="温度10")
plt.plot(m11, n11, label="温度11")plt.xlabel('飞行高度，单位m', fontsize=18)
plt.gca().invert_xaxis() #x轴反向
plt.ylabel('当前温度，单位℃', fontsize=18)
plt.title('interpld插值绘图', fontsize=18)
plt.legend(loc='upper right')ax3 = fig.add_subplot(1, 3, 3)a1, b1 = spline3(飞行高度, 温度1, 50000, 3)
a2, b2 = spline3(飞行高度, 温度2, 50000, 3)
a3, b3 = spline3(飞行高度, 温度3, 50000, 3)
a4, b4 = spline3(飞行高度, 温度4, 50000, 3)
a5, b5 = spline3(飞行高度, 温度5, 50000, 3)
a6, b6 = spline3(飞行高度, 温度6, 50000, 3)
a7, b7 = spline3(飞行高度, 温度7, 50000, 3)
a8, b8 = spline3(飞行高度, 温度8, 50000, 3)
a9, b9 = spline3(飞行高度, 温度9, 50000, 3)
a10, b10 = spline3(飞行高度, 温度10, 50000, 3)
a11, b11 = spline3(飞行高度, 温度11, 50000, 3)plt.plot(a1, b1, label="温度1")
plt.plot(a2, b2, label="温度2")
plt.plot(a3, b3, label="温度3")
plt.plot(a4, b4, label="温度4")
plt.plot(a5, b5, label="温度5")
plt.plot(a6, b6, label="温度6")
plt.plot(a7, b7, label="温度7")
plt.plot(a8, b8, label="温度8")
plt.plot(a9, b9, label="温度9")
plt.plot(a10, b10, label="温度10")
plt.plot(a11, b11, label="温度11")plt.xlabel('飞行高度，单位m', fontsize=18)
plt.gca().invert_xaxis() #x轴反向
plt.ylabel('当前温度，单位℃', fontsize=18)
plt.title('splprep插值绘图', fontsize=18)
plt.legend(loc='upper right')plt.savefig('折线图.png', dip=500)
plt.show()  #显示方法

这篇关于【Python】用Python绘制折线图（插值法平滑曲线）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/198298。

相关文章

Python如何使用__slots__实现节省内存和性能优化

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景：内存吃得满满的类__slots__：你的内存管理小助手举个大概的例子：看看效果如何？1.
阅读更多...
Python+PyQt5实现多屏幕协同播放功能

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述：突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专
阅读更多...
Python中随机休眠技术原理与应用详解

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2
阅读更多...
Python实现无痛修改第三方库源码的方法详解

Python实现无痛修改第三方库源码的方法详解

《Python实现无痛修改第三方库源码的方法详解》很多时候,我们下载的第三方库是不会有需求不满足的情况,但也有极少的情况,第三方库没有兼顾到需求,本文将介绍几个修改源码的操作,大家可以根据需求进行选择... 目录需求不符合模拟示例 1. 修改源文件2. 继承修改3. 猴子补丁4. 追踪局部变量需求不符合很
阅读更多...
python+opencv处理颜色之将目标颜色转换实例代码

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,：本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV： 关于颜色总是要转HSV的掩膜再标注总结 目标：将红色的部分滤
阅读更多...
Python 中的异步与同步深度解析(实践记录)

Python 中的异步与同步深度解析(实践记录)

《Python中的异步与同步深度解析(实践记录)》在Python编程世界里,异步和同步的概念是理解程序执行流程和性能优化的关键,这篇文章将带你深入了解它们的差异,以及阻塞和非阻塞的特性,同时通过实际... 目录python中的异步与同步：深度解析与实践异步与同步的定义异步同步阻塞与非阻塞的概念阻塞非阻塞同步
阅读更多...
Python Dash框架在数据可视化仪表板中的应用与实践记录

Python Dash框架在数据可视化仪表板中的应用与实践记录

《PythonDash框架在数据可视化仪表板中的应用与实践记录》Python的PlotlyDash库提供了一种简便且强大的方式来构建和展示互动式数据仪表板,本篇文章将深入探讨如何使用Dash设计一... 目录python Dash框架在数据可视化仪表板中的应用与实践1. 什么是Plotly Dash？1.1
阅读更多...
在C#中调用Python代码的两种实现方式

在C#中调用Python代码的两种实现方式

《在C#中调用Python代码的两种实现方式》：本文主要介绍在C#中调用Python代码的两种实现方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录C#调用python代码的方式1. 使用 Python.NET2. 使用外部进程调用 Python 脚本总结C#调
阅读更多...
Python下载Pandas包的步骤

Python下载Pandas包的步骤

《Python下载Pandas包的步骤》：本文主要介绍Python下载Pandas包的步骤,在python中安装pandas库,我采取的方法是用PIP的方法在Python目标位置进行安装,本文给大... 目录安装步骤1、首先找到我们安装python的目录2、使用命令行到Python安装目录下3、我们回到Py
阅读更多...
Python GUI框架中的PyQt详解

Python GUI框架中的PyQt详解

《PythonGUI框架中的PyQt详解》PyQt是Python语言中最强大且广泛应用的GUI框架之一,基于Qt库的Python绑定实现,本文将深入解析PyQt的核心模块,并通过代码示例展示其应用场... 目录一、PyQt核心模块概览二、核心模块详解与示例1. QtCore - 核心基础模块2. QtWid
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2