NumPy 从数组绘制折线图

折线图是显示两个依赖数据集之间关系的常见方式。其一般用途是显示随时间变化的情况。要从numpy数组绘制折线图，我们可以使用matplotlib，它是最古老和最广泛使用的Python绘图库。此外，它可以轻松集成numpy，使得在给定数据集中创建折线图以表示趋势和模式变得容易。

Python程序绘制NumPy数组的折线图

以下是演示如何从numpy数组绘制折线图的示例程序。

示例1

在此程序中，我们将生成一个numpy数组axisX，其值范围从1到15，然后使用sin方法创建相应的数组axisY。要绘制折线图，我们将使用plot()方法，还可以自定义图表的标题和x和y轴的标签。

# importing required packages 
import numpy as np
import matplotlib.pyplot as plt
# To generate random data for plotting
axisX = np.linspace(1, 15, 50)
axisY = np.sin(axisX)
# To create the line graph from above data
plt.plot(axisX, axisY)
# Adding title and labels for the graph
plt.title('Line Graph')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
# to show the final graph
plt.show()

输出

NumPy 从数组绘制折线图

示例2

在这个例子中，我们将展示使用’plot()’方法绘制多条线的用法。

步骤

导入numpy库，并用’np’作为引用名称，从matplotlib库中导入pyplot模块，并将其重命名为plt。
使用numpy数组初始化三条线的数据点。
使用’plot()’方法将x坐标的值绘制成y坐标的值。
然后，使用’title’、’legend’、’xlabel’和’ylabel’添加一些关于绘图的信息。
使用’show()’方法显示结果并退出。

import numpy as np
import matplotlib.pyplot as plt
# Data points of line 1
x1 = np.array([1, 2, 3, 4, 5])
y1 = np.array([2, 4, 6, 8, 10])
# Data points of line 2
x2 = np.array([2, 3, 4, 5, 6])
y2 = np.array([1, 3, 5, 7, 9])
# Data points of line 3
x3 = np.array([1, 2, 3, 4, 5])
y3 = np.array([5, 4, 3, 2, 1])
# Plotting all lines with labels
plt.plot(x1, y1, label='Line 1')
plt.plot(x2, y2, label='Line 2')
plt.plot(x3, y3, label='Line 3')
# Adding legend, x and y labels, and title for the lines
plt.legend()
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Multiple Line Plot')
# Displaying the plot
plt.show()

输出

NumPy 从数组绘制折线图

示例3

这是另一个示例，我们将使用与前一个示例相同的代码，只绘制两条线而不是三条线。

import matplotlib.pyplot as plt
import numpy as np
# Data points of line 1
x1 = np.array([1, 2, 3, 4, 5])
y1 = np.array([2, 4, 6, 8, 10])
# Data points of line 2
x2 = np.array([1, 2, 3, 4, 5])
y2 = np.array([1, 3, 5, 7, 9])
# Plotting all lines with specifying labels
plt.plot(x1, y1, label='Line 1')
plt.plot(x2, y2, label='Line 2')
# Adding legend, x and y labels, and titles for the lines
plt.legend()
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Plotting Multiple Lines in single graph')
# Displaying the plot
plt.show()