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
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08