python怎么把数据写入列表并导出折线图

发布时间：2022-01-11 13:39:44 作者：iii
来源：亿速云阅读：292

# Python怎么把数据写入列表并导出折线图

在数据分析和可视化领域，Python凭借其强大的库支持成为最受欢迎的工具之一。本文将详细介绍如何将数据写入列表，并使用Matplotlib库生成折线图导出为图片文件。

---

## 一、数据写入Python列表

### 1.1 创建空列表
列表(List)是Python中最基础的数据结构之一，用方括号`[]`表示：

```python
data_list = []  # 创建空列表

1.2 添加数据的5种方法

方法1：append()逐个添加

data_list.append(10)
data_list.append(20)
# 结果：[10, 20]

方法2：extend()批量添加

data_list.extend([30, 40, 50])
# 结果：[10, 20, 30, 40, 50]

方法3：列表推导式

squares = [x**2 for x in range(1,6)]
# 结果：[1, 4, 9, 16, 25]

方法4：+运算符合并

new_list = data_list + [60, 70]

方法5：从文件读取

with open('data.txt') as f:
    file_data = [float(line.strip()) for line in f]

1.3 多维列表示例

matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

二、使用Matplotlib绘制折线图

2.1 安装Matplotlib

pip install matplotlib

2.2 基础折线图绘制

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

plt.plot(x, y)
plt.show()

2.3 图表定制化

添加标题和标签

plt.title("示例折线图")
plt.xlabel("X轴标签")
plt.ylabel("Y轴标签")

设置样式

plt.plot(x, y, 
         color='red', 
         linestyle='--',
         marker='o',
         linewidth=2)

添加图例

plt.plot(x, y, label='趋势线')
plt.legend()

设置坐标范围

plt.xlim(0, 6)
plt.ylim(0, 12)

三、导出图表到文件

3.1 保存为图片

plt.savefig('output.png', dpi=300, bbox_inches='tight')

支持格式： - PNG（默认） - JPG（output.jpg） - SVG（矢量图） - PDF（可缩放文档）

3.2 高级导出设置

plt.savefig('high_quality.png',
           dpi=600,          # 提高分辨率
           quality=95,       # JPG质量
           transparent=True) # 透明背景

四、完整案例演示

4.1 温度数据可视化

import matplotlib.pyplot as plt
from datetime import datetime

# 数据准备
dates = ['2023-01-01', '2023-01-02', '2023-01-03']
temps = [22.5, 24.3, 19.8]

# 转换日期格式
x = [datetime.strptime(d, '%Y-%m-%d') for d in dates]

# 创建画布
plt.figure(figsize=(10, 6))

# 绘制折线图
plt.plot(x, temps, 
        marker='s', 
        color='#FF6B6B',
        label='日平均温度')

# 添加标注
for i, txt in enumerate(temps):
    plt.annotate(f"{txt}°C", (x[i], temps[i]), 
                textcoords="offset points",
                xytext=(0,10), 
                ha='center')

# 图表装饰
plt.title("2023年1月温度变化趋势", pad=20)
plt.xlabel("日期")
plt.ylabel("温度(°C)")
plt.grid(alpha=0.3)
plt.legend()

# 导出文件
plt.savefig('temperature_trend.png')
plt.close()  # 释放内存

4.2 运行效果说明

生成10x6英寸的图表
显示带有方块标记的红色折线
每个数据点上方显示温度值
添加浅色网格线
最终导出为PNG文件

五、常见问题解决

5.1 中文显示问题

plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
plt.rcParams['axes.unicode_minus'] = False

5.2 图表元素重叠

调整画布大小：

plt.figure(figsize=(12, 7))

5.3 导出图片模糊

提高DPI参数：

plt.savefig('output.png', dpi=600)

六、扩展应用

6.1 结合Pandas使用

import pandas as pd

df = pd.DataFrame({
    'Month': ['Jan', 'Feb', 'Mar'],
    'Sales': [1200, 1800, 1500]
})

df.plot(x='Month', y='Sales', kind='line')
plt.savefig('sales.png')

6.2 动态更新图表

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
x, y = [], []

def update(frame):
    x.append(frame)
    y.append(frame**2)
    ax.clear()
    ax.plot(x, y)
    
ani = FuncAnimation(fig, update, frames=range(10))
ani.save('dynamic.gif', writer='pillow')

通过本文的学习，您应该已经掌握： 1. Python列表的基本操作方法 2. Matplotlib绘制折线图的完整流程 3. 图表导出为图片文件的技术细节 4. 实际应用中的问题解决方案

建议读者尝试修改示例代码中的参数，观察不同设置对图表效果的影响，这是掌握数据可视化的最佳实践方式。 “`

这篇文章共计约1350字，采用Markdown格式编写，包含： - 6个主要章节 - 15个代码示例 - 多级标题结构 - 重点内容强调 - 实际应用案例 - 常见问题解决方案

可根据需要调整代码示例的具体参数或补充其他可视化库（如Seaborn）的相关内容。