绘制折线图的几个小技巧
还没关注？
快动动手指！
前言
折线图通常是用来表达某个数值指标的波动特征，表现的是一种时间维度下的变化。那么问题来了，读者在使用Python绘制时间维度的折线图时是否遇到过这样的问题：怎么让时间轴表现的不拥挤，又能够友好地呈现呢？就如下图的方式：
本期我们就来聊聊Python中关于时间轴的几种处理办法，包括如何控制时间轴呈现的刻度个数、刻度间隔和刻度标签的旋转。
语法介绍
在Python中绘制折线图，需要使用matplotlib模块中的plot函数实现，该函数的具体语法如下：
plt.plot(x, y, linestyle, linewidth, color, marker,
markersize, markeredgecolor, markerfactcolor,
markeredgewidth, label, alpha)
x：指定折线图的x轴数据；
y：指定折线图的y轴数据；
linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认文实线；
linewidth：指定折线的宽度
marker：可以为折线图添加点，该参数是设置点的形状；
markersize：设置点的大小；
markeredgecolor：设置点的边框色；
markerfactcolor：设置点的填充色；
markeredgewidth：设置点的边框宽度
label：为折线图添加标签，类似于图例的作用；刻度个数的控制
本案例所使用的数据是2018年9月21日至2018年12月21日上海空气质量指数，数据来源于2345天气网。首先将该数据读入到Python环境中，并检查数据的数据类型，是否适合绘制折线图。
# 导入第三方包
import pandas as pd
# 数据读取
AQI = pd.read_excel(r'C:\Users\Administrator\Desktop\AQI.xlsx')
# 查看变量的数据类型
AQI.dtypes
如上结果所示，日期变量Date为字符型，不能直接用来绘制图形，需要将其转换为日期型。
# 数据类型转换
AQI.Date = pd.to_datetime(AQI.Date)接下来基于类型转换后的数据，利用plot函数绘制一个不做任何修饰的折线图：
# 导入第三方模块
import matplotlib.pyplot as plt
# 解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
# 绘制折线图
plt.plot(AQI.Date, # x轴数据
AQI.AQI, # y轴数据
linestyle = '-', # 折线类型
linewidth = 2, # 折线宽度
color = 'steelblue', # 折线颜色
marker = 'o', # 折线图中添加圆点
markersize = 6, # 点的大小
markeredgecolor='black', # 点的边框色
markerfacecolor='brown') # 点的填充色
# 添加y轴标签
plt.ylabel('AQI')
# 添加图形标题
plt.title('近3个月的空气质量指数')
# 显示图形
plt.show()
如上图所示，图形中的x轴是非常糟糕的，重叠的几乎看不清。必须要对轴作处理，否则无法使用。利用Python对日期型的轴作处理同样非常简单，只需要添加几行关于轴设置的代码即可：
# 导入模块，用于日期刻度的修改
import matplotlib as mplplt.plot(AQI.Date, AQI.AQI, linestyle = '-',
linewidth = 2, color = 'steelblue',
marker = 'o', markersize = 6,
markeredgecolor='black',
markerfacecolor='brown')plt.ylabel('AQI')
plt.title('近3个月的空气质量指数')
# 获取图的坐标信息
ax = plt.gca()
# 设置日期的显示格式 (即“月-日”)
date_format = mpl.dates.DateFormatter("%m-%d")
ax.xaxis.set_major_formatter(date_format)# 控制x轴显示的日期个数（如10个）
xlocator = mpl.ticker.LinearLocator(10)
ax.xaxis.set_major_locator(xlocator)
plt.show()
如上图所示，我们在原有代码的基础上做了两方面的修改，一个是将日期呈现为“月-日”的格式，这样可以缩短刻度标签；另一个是我们控制了x轴刻度标签的个数（如图中呈现了10个刻度值）。
刻度间隔的控制
除了利用上面的方法控制刻度标签的个数，还可以设置刻度标签之间的固定间隔，如7天或两周等。具体代码如下：
plt.plot(AQI.Date, AQI.AQI, linestyle = '-',
linewidth = 2, color = 'steelblue',
marker = 'o', markersize = 6,
markeredgecolor='black',
markerfacecolor='brown')plt.ylabel('AQI')
plt.title('近3个月的空气质量指数')ax = plt.gca()
date_format = mpl.dates.DateFormatter("%m-%d")
ax.xaxis.set_major_formatter(date_format)# 控制x轴显示日期的间隔天数（如一周7天）
xlocator = mpl.ticker.MultipleLocator(7)
ax.xaxis.set_major_locator(xlocator)
plt.show()
如上图所示，标签值之间形成了固定的间隔，即7天。但是还是存在重叠或拥挤问题，解决的办法有两种，一个是拉长间隔天数，另一个是将刻度标签旋转30度或45度。
刻度标签的旋转
plt.plot(AQI.Date, AQI.AQI, linestyle = '-',
linewidth = 2, color = 'steelblue',
marker = 'o', markersize = 6,
markeredgecolor='black',
markerfacecolor='brown')plt.ylabel('AQI')
plt.title('近3个月的空气质量指数')ax = plt.gca()
date_format = mpl.dates.DateFormatter("%m-%d")
ax.xaxis.set_major_formatter(date_format)# 控制x轴显示日期的间隔天数（如一周7天）
xlocator = mpl.ticker.MultipleLocator(7)
ax.xaxis.set_major_locator(xlocator)
# 为了避免x轴刻度标签的紧凑，将刻度标签旋转45度
plt.xticks(rotation=45)
plt.show()如上图所示，问题得到了完美的解决。在不修改间隔天数的情况下，简单的旋转刻度标签的角度，就可以解决问题。
最后，读者也可以查看我的新书《从零开始学Python数据分析与挖掘》，书中有更多关于Python可视化的内容和技巧，欢迎读者的选购和提议。
数据源和代码的下载地址：
链接：https://pan.baidu.com/s/14Md9iswauN35rWuCd19ceg
提取码：edq8
结语
OK，关于折线图的绘制技巧就分享到这里，如果你有任何问题，欢迎在公众号的留言区域表达你的疑问。同时，也欢迎各位朋友继续转发与分享文中的内容，让更多的人学习和进步。