注：要导入matplotlib包
一、为什么要学matplotlib
1.能将数据进行可视化，更直观的呈现
2.使数据更加客观、更具有说服力
3.什么是matplotlib：matplotlib是最流行的python底层绘图库，主要做数据可视化图表，名字取材于MATLAB，模仿MATLAB构建
二、折线图基本要点
从上图可以看出，matplotlib绘图最基本要素是有（1）x轴 （2）y轴 （3）坐标值(红点)
通过一个例子对matplotlib的基本使用：假设一天中每隔两个小时（ranga(2,26,2)）的气温分别是[15, 19, 14, 5, 17, 20, 25, 26, 26, 27, 22, 18, 16]。代码如下：
from matplotlib import pyplot as plt
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y = [15, 19, 14, 5, 17, 20, 25, 26, 26, 27, 22, 18,]
# 传入x, y通过plot绘制出图
plt.plot(x, y)
# 在执行程序时展示图形
plt.show()效果如下：
上图我们可以看出x和y轴的刻度都是自动生成的刻度等，如果时自己看能的懂，但是给别人就看不懂，以上存在以下几个问题：
1.设置图片大小；2.调整x和y轴的刻度的间距；3.描述信息，比如x和y轴表示什么，这个图表示什么；4.样式(比如网格，颜色，透明度等)；
针对以上问题对代码进行修改：
问题一：设置图片大小
figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数, 能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰 figsizes传入的是宽和高，代码如下：效果图可以自己复制代码运行，和图一进行对比
from matplotlib import pyplot as plt
'''figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数,
能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰
figsizes传入的是宽和高
'''
fig = plt.figure(figsize=(20, 8), dpi=80)
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y = [15, 19, 14, 5, 17, 20, 25, 26, 26, 27, 22, 18,]
# 传入x, y通过plot绘制出图
plt.plot(x, y)
# 在执行程序时展示图形
plt.show()问题二：调整x和y轴的刻度的间距，看注释
from matplotlib import pyplot as plt
'''figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数,
能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰
figsizes传入的是宽和高
'''
fig = plt.figure(figsize=(20, 8), dpi=80)
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y = [15, 19, 14, 5, 17, 20, 25, 26, 26, 27, 22, 18,]
# 传入x, y通过plot绘制出图
plt.plot(x, y)
# 设置x轴的刻度，可以传入一个列表或列表推导式，也可以传入一个range,
plt.xticks(x)
# 当刻度太密集时使用列表的步长(间隔取值)来解决，matplotlib会自动帮我们对应
# plt.xticks(x[::2])
# 设置y轴，y轴的一些用法和x轴一样，但是我们在这里直接取y不合适，所以需要进行修改
plt.yticks(range(min(y), max(y)+1))
# 在执行程序时展示图形
plt.show()效果图如下：
问题三： 描述信息，比如x和y轴表示什么，这个图表示什么
描述信息时，我们会发现中文无法显示的问题，所以需要设置中文显示,为什么无法显示中文 以为matplotlib默认不支持中文字符串，默认英语字体 修改matplotlib的默认字体：（1） 方法一：通过matplotlib.rc可以修改（window/linux） ；（2）方法二：通过matplptlib下的font_manager可以解决（window/linux/mac） ；（3）方法三：直接在xticks里面添加，“fontsize”是设置字体的大小，“fontproperties”是设置字体
1） 方法一：优点：不需要对字体路径硬编码，而且一次设置，多次使用，更方便；缺点：污染全局字体设置
from matplotlib import pyplot as plt
# 设置字体
font = {'family': 'FangSong',
'weight': 'bold',
'size': '16'}
plt.rc('font', **font)
'''figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数,
能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰
figsizes传入的是宽和高
'''
fig = plt.figure(figsize=(20, 8), dpi=80)
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y = [15, 19, 14, 5, 17, 20, 25, 26, 26, 27, 22, 18,]
# 传入x, y通过plot绘制出图
plt.plot(x, y)
# 设置x轴的刻度，可以传入一个列表或列表推导式，也可以传入一个range,
plt.xticks(x)
# 当刻度太密集时使用列表的步长(间隔取值)来解决，matplotlib会自动帮我们对应
# plt.xticks(x[::2])
# 设置y轴，y轴的一些用法和x轴一样，但是我们在这里直接取y不合适，所以需要进行修改
plt.yticks(range(min(y), max(y)+1))
# 添加描述信息，记得要设置中文显示
# 添加x轴描述
plt.xlabel("时间")
# 添加y轴描述
plt.ylabel("温度 单位(摄氏度)")
# 添加标题描述
plt.title("一天中每隔两个小时气温变化情况")
# 在执行程序时展示图形
plt.show()2） 方法二：这个方法需要查看自己电脑系统字体的路径，我的是win系统，系统字体路径是在C:\Windows\Fonts下，这个方法优点：一次设置，多次使用，更方便；缺点：污染全局字体设置
from matplotlib import font_manager
# 实例化一个font_manager
my_font = FontProperties(Fname="自己电脑系统字体的路径")
# 调用
plt.xticks(x, fontproperties='my_font')3）方法三：这个方法用时才设置，且不会污染全局字体设置，更灵活 ，但是步骤繁琐
from matplotlib import pyplot as plt
'''figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数,
能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰
figsizes传入的是宽和高
'''
fig = plt.figure(figsize=(20, 8), dpi=80)
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y = [15, 19, 14, 13, 17, 20, 25, 26, 26, 27, 22, 18]
# 传入x, y通过plot绘制出图
plt.plot(x, y)
# 设置x轴的刻度，可以传入一个列表或列表推导式，也可以传入一个range,
plt.xticks(x)
# 当刻度太密集时使用列表的步长(间隔取值)来解决，matplotlib会自动帮我们对应
# plt.xticks(x[::2])
# 设置y轴，y轴的一些用法和x轴一样，但是我们在这里直接取y不合适
plt.yticks(range(min(y), max(y)+1))
# 添加描述信息，记得要设置中文显示
# 添加x轴描述
plt.xlabel("时间", fontsize=14, fontproperties='FangSong')
# 添加y轴描述
plt.ylabel("温度 单位(摄氏度)", fontsize=14, fontproperties='FangSong')
# 添加标题描述
plt.title("一天中每隔两个小时气温变化情况", fontsize=1000, fontproperties='FangSong')
# 在执行程序时展示图形
plt.show()通过以上设置效果图如下：
补充一个内容：设置字符串刻度：效果图如下：在x轴刻度上有2时，4时......等刻度
代码：
from matplotlib import pyplot as plt
'''figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数,
能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰
figsizes传入的是宽和高
'''
fig = plt.figure(figsize=(20, 8), dpi=80)
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y = [15, 19, 14, 13, 17, 20, 25, 26, 26, 27, 22, 18]
# 传入x, y通过plot绘制出图
plt.plot(x, y)
# 设置x轴字符串刻度，这里用到字符串格式化format()方法
x1 = ["{}时".format(i) for i in range(2, 26, 2)]
plt.xticks(x, x1, fontsize=14, fontproperties='FangSong')
# 设置y轴，y轴的一些用法和x轴一样，但是我们在这里直接取y不合适
plt.yticks(range(min(y), max(y)+1))
# 添加描述信息，记得要设置中文显示
# 添加x轴描述
plt.xlabel("时间", fontsize=14, fontproperties='FangSong')
# 添加y轴描述
plt.ylabel("温度 单位(摄氏度)", fontsize=14, fontproperties='FangSong')
# 添加标题描述
plt.title("一天中每隔两个小时气温变化情况", fontsize=1000, fontproperties='FangSong')
# 在执行程序时展示图形
plt.show()问题四：样式(比如网格，颜色，透明度等)
1）设置网格：我们只需要写入plt.grid()就行，grid()有很多参数，详解可以看：http://t.csdn.cn/6G9vR
from matplotlib import pyplot as plt
'''figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数,
能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰
figsizes传入的是宽和高
'''
fig = plt.figure(figsize=(20, 8), dpi=80)
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y = [15, 19, 14, 13, 17, 20, 25, 26, 26, 27, 22, 18]
# 传入x, y通过plot绘制出图
plt.plot(x, y)
# 设置x轴字符串刻度，这里用到字符串格式化format()方法
x1 = ["{}时".format(i) for i in range(2, 26, 2)]
plt.xticks(x, x1, fontsize=14, fontproperties='FangSong')
# 设置y轴，y轴的一些用法和x轴一样，但是我们在这里直接取y不合适
plt.yticks(range(min(y), max(y)+1))
# 添加描述信息，记得要设置中文显示
# 添加x轴描述
plt.xlabel("时间", fontsize=14, fontproperties='FangSong')
# 添加y轴描述
plt.ylabel("温度 单位(摄氏度)", fontsize=14, fontproperties='FangSong')
# 添加标题描述
plt.title("一天中每隔两个小时气温变化情况", fontsize=1000, fontproperties='FangSong')
# 设置网格,alpha是设置网格的透明度
plt.grid(alpha=0.9)
# 在执行程序时展示图形
plt.show()效果图如下：
2）多条折线
from matplotlib import pyplot as plt
import matplotlib
# 设置全局变量的中文字体
font = {'family': 'FangSong',
'weight': 'bold',
'size': '16'}
plt.rc('font', **font)
'''figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数,
能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰
figsizes传入的是宽和高
'''
fig = plt.figure(figsize=(20, 8), dpi=80)
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y_1= [15, 19, 14, 13, 17, 20, 25, 26, 26, 27, 22, 18]
y_2 = [9, 13, 10, 17, 13, 19, 20, 28, 21, 18, 13, 20]
# 传入x, y通过plot绘制出图
plt.plot(x, y_1, label="折线一")
plt.plot(x, y_2, label="折线二")
# 添加图例，折线的名字才可以显示出来
plt.legend()
x1 = ["{}时".format(i) for i in range(2, 26, 2)]
plt.xticks(x, x1)
# 设置y轴，y轴的一些用法和x轴一样，但是我们在这里直接取y不合适
plt.yticks(range(min(y_2), max(y_1)+1))
# 添加描述信息，记得要设置中文显示
# 添加x轴描述
plt.xlabel("时间")
# 添加y轴描述
plt.ylabel("温度 单位(摄氏度)")
# 添加标题描述
plt.title("一天中每隔两个小时气温变化情况")
# 设置网格,alpha是设置网格的透明度
plt.grid(alpha=0.9)
# 在执行程序时展示图形
plt.show()效果图：
3) 设置线条颜色，风格，粗细，透明度
from matplotlib import pyplot as plt
import matplotlib
# 设置全局变量的中文字体
font = {'family': 'FangSong',
'weight': 'bold',
'size': '16'}
plt.rc('font', **font)
'''figure是图形图标的意思，在这里指的是我们画的图，通过实例化一个figure并且传递参数,
能够在后台自动使用该figure实例，在图像模糊时传入dip参数(每英寸像素点多少个)，让图片更加清晰
figsizes传入的是宽和高
'''
fig = plt.figure(figsize=(20, 8), dpi=80)
# x轴数据，是一个可迭代的对象
x = range(2, 26, 2)
# y轴数据，是一个可迭代的对象
y_1= [15, 19, 14, 13, 17, 20, 25, 26, 26, 27, 22, 18]
y_2 = [9, 13, 10, 17, 13, 19, 20, 28, 21, 18, 13, 20]
# 传入x, y通过plot绘制出图
plt.plot(x, y_1, label="折线一", color="orange", linestyle=":", linewidth=5, alpha=0.5)
plt.plot(x, y_2, label="折线二", color="cyan", linestyle="-.", linewidth=10, alpha=0.9)
# 添加图例，折线的名字才可以显示出来
plt.legend()
x1 = ["{}时".format(i) for i in range(2, 26, 2)]
plt.xticks(x, x1)
# 设置y轴，y轴的一些用法和x轴一样，但是我们在这里直接取y不合适
plt.yticks(range(min(y_2), max(y_1)+1))
# 添加描述信息，记得要设置中文显示
# 添加x轴描述
plt.xlabel("时间")
# 添加y轴描述
plt.ylabel("温度 单位(摄氏度)")
# 添加标题描述
plt.title("一天中每隔两个小时气温变化情况")
# 设置网格,alpha是设置网格的透明度
plt.grid(alpha=0.9)
# 在执行程序时展示图形
plt.show()什么都添加后的效果图如下：
三，总结：折线图的上升和下降来表示统计数量的增减变化趋势的统计图，特点：能够显示数据的变化趋势，反映事物的变化情况
好了，折线图我们就到这里，想要绘制更多的图，可以参考matplotlib文档，里面有各种各样的图的代码，像echart一样复制代码，修改x和y轴的数据就行
matplotlib官方文档地址：Gallery | Matplotlib 中文Matplotlib中文网、Matplotlib官方中文文档。
https://www.matplotlib.org.cn/gallery/#lines-bars-and-markers