Python绘制面积折线图，三种用法演示

double

发布于 2024-04-18 16:45:04

750

发布于 2024-04-18 16:45:04

文章被收录于专栏：算法channel算法channel

你好，我是郭震

误差带面积图是比较常用的一种图形展示方法，参与绘图的每个点都有一个上下偏差，误差带名字由此而来。

面积图

误差带面积图，基本代码，一共10个点，有三组数据，如下x, y, error.

import matplotlib.pyplot as plt
import numpy as np

# 生成随机x数据（例如：时间序列）
x = np.arange(1, 11)
# 生成对应的随机y数据
y = np.array([3, 1, 2, 4, 5, 7, 5, 9, 10, 11])

# 生成每个数据点的随机误差大小
error = np.array([1, 3, 2, 2, 2, 2, 2, 1, 1, 1])

# 计算上下误差带
y_upper = y + error
y_lower = y - error

# 创建图表
plt.figure(figsize=(10, 5))

# 绘制面积图，展示误差带
plt.fill_between(x, y_lower, y_upper, color="lightblue", alpha=0.5)

# 绘制折线图，显示主要趋势
plt.plot(x, y, color="blue", alpha=0.7, linewidth=2)

# 添加标题和轴标签
plt.title('Random Data Line and Area Plot with Error Bands')
plt.xlabel('X axis')
plt.ylabel('Y axis')

# 显示图表
plt.show()

绘图结果展示：

绘制子图

一行两列，两个子图：

# 生成随机x数据（例如：时间序列）
x = np.arange(1, 11)
# 生成对应的随机y数据
y = np.array([3, 1, 2, 4, 5, 7, 5, 9, 10, 11])

# 生成每个数据点的随机误差大小
error = np.array([1, 3, 2, 2, 2, 2, 2, 1, 1, 1])

# 计算上下误差带
y_upper = y + error
y_lower = y - error

# 创建图表窗口
plt.figure(figsize=(20, 5))

# 第一个子图
plt.subplot(1, 2, 1)  # 1行2列的第1个
plt.fill_between(x, y_lower, y_upper, color="lightblue", alpha=0.5)
plt.plot(x, y, color="blue", alpha=0.7, linewidth=2)
plt.title('First Plot: Random Data Line and Area Plot with Error Bands')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.ylim(-2, 15)  # 设置y轴范围
y = np.array([5, 6, 8, 6, 8, 7, 8, 9, 12, 11])
y_upper = y + error
y_lower = y - error
# 第二个子图
plt.subplot(1, 2, 2)  # 1行2列的第2个
plt.fill_between(x, y_lower, y_upper, color="lightgreen", alpha=0.5)
plt.plot(x, y, color="green", alpha=0.7, linewidth=2)
plt.title('Second Plot: Random Data Line and Area Plot with Error Bands')
plt.xlabel('X axis')
plt.ylabel('Y axis')
plt.ylim(-2, 15)  # 设置y轴范围
# 显示整个图表窗口
plt.show()

定制显示

颜色带中，误差越大，颜色显示越深：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机x数据（例如：时间序列）
x = np.arange(1, 11)
# 生成对应的随机y数据
y = np.array([3, 1, 2, 4, 5, 7, 5, 9, 10, 11])

# 生成每个数据点的随机误差大小
error = np.array([1, 3, 2, 2, 2, 2, 2, 1, 1, 1])

# 计算上下误差带
y_upper = y + error
y_lower = y - error

# 创建图表
plt.figure(figsize=(10, 5))

# 使用橙色调，透明度变化来模拟颜色深浅
colors = plt.cm.Oranges(np.linspace(0.3, 1, 100))  # 使用100个颜色渐变

for i in range(len(x) - 1):
    # 计算每个区间的误差，透明度与误差成正比
    alpha = 0.3 + 0.7 * (error[i] / max(error))
    # 选择颜色索引，颜色随误差增大而深化
    color_index = int((error[i] / max(error)) * 99)  # 用99是因为颜色索引从0到99
    plt.fill_between(x[i:i+2], y_lower[i:i+2], y_upper[i:i+2], color=colors[color_index], alpha=alpha)

# 绘制折线图，显示主要趋势
plt.plot(x, y, color="darkred", alpha=0.9, linewidth=2)

# 添加标题和轴标签
plt.title('Data Line and Area Plot with Variable Error Transparency in Orange')
plt.xlabel('X axis')
plt.ylabel('Y axis')

# 显示图表
plt.show()