京公网安备 11010802034615号
经营许可证编号:京B2-20210330
折线图大家都能绘制,那么堆积折线图呢?想知道?下面就一起来看如何用matplotlib绘制堆积折线图吧!
一、什么是堆积折线图
堆积折线图一般用于表示每一数值所占大小,随着时间或有序类别的变化而变化的趋势,有可能显示数据点用来表示单个数据值,也可能不显示这些数据点。若有很多类别或数值是近似的,那么就应该使用无数据点堆积折线图。
可以简单理解为:
假如有两个数据系列,在折线图中这两个数据系列是独立的;而在堆积折线图中,第一个数据系列和折线图中显示的是相同的,而第二个数据系列的值要与第一个数据系列的值在同一分类(或时间上)进行累计,这样能够显示出两个数据系列在同一分类(或时间上)的值的总和的发展变化趋势情况。
二、matplotlib绘制堆积折线图
'''堆积折线图''' '''用函数stackplot()绘制堆积折线图''' import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np mpl.rcParams["font.sans-serif"]=["SimHei"] mpl.rcParams["axes.unicode_minus"]=False x=np.arange(1,6,1) y=[0,4,3,5,6] y1=[1,3,4,2,7] y2=[3,4,1,6,5] labels=["BluePlanet","BrownPlanet","GreenPlanet"] colors=["#8da0cb","#fc8d62","#66c2a5"] plt.stackplot(x,y,y1,y2,labels=labels,colors=colors) plt.legend(loc="upper left") plt.show()
'''用函数broken_barh()绘制间断条形图''' plt.broken_barh([(30,100),(180,50),(260,70)],(20,8),facecolors="#1f78b4") plt.broken_barh([(60,90),(190,20),(230,30),(280,60)],(10,8),facecolors=("#7fc97f","#beaed4","#fdc086","#ffff99")) plt.xlim(0,360) plt.ylim(5,35) plt.xlabel("演出时间") plt.yticks([15,25],["歌剧院A","歌剧院B"]) plt.grid(ls='-',lw=1,color="gray") plt.title("不同地区的歌剧院的演出时间比较") plt.show()
'''用step()绘制阶梯图''' x=np.linspace(1,10,10) y=np.sin(x) plt.step(x,y,color="#8dd3c7",where="pre",lw=2) plt.xlim(0,11) plt.ylim(-1.2,1.2) plt.show()
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27