折線圖是數據可視化中最常用的圖表類型之一，適用于展示數據隨時間或有序類別變化的趨勢。無論是分析銷售額波動、溫度變化，還是對比多組數據的趨勢差異，折線圖都能直觀呈現數據的變化規律。本文將詳細介紹如何用 Python 的 Matplotlib、Seaborn 和 Plotly 庫繪制各類折線圖，從基礎到進階，覆蓋常見場景及定制技巧。
一、準備工作：環境與工具
在開始繪圖前，需確保安裝必要的庫，并解決中文顯示問題（避免標題 / 標簽亂碼）。
1. 安裝依賴庫
常用的折線圖繪制庫包括：
- Matplotlib：Python 最基礎的繪圖庫，功能全面，可高度定制；
- Seaborn：基于 Matplotlib 的高級封裝，風格更美觀，適合統計可視化；
- Plotly：交互式繪圖庫，支持動態交互（懸停、縮放等）。
?安裝命令：
pip install matplotlib seaborn plotly pandas numpy2. 全局設置（解決中文顯示問題）
Matplotlib 默認不支持中文，需提前配置字體：
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd# 設置中文顯示
plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"] # 支持中文
plt.rcParams["axes.unicode_minus"] = False # 解決負號顯示問題
sns.set(font_scale=1.2) # Seaborn字體縮放二、基礎折線圖：單條與多條數據
1. 單條折線圖
適用于展示一組數據的變化趨勢（如某產品月度銷量）。
示例代碼：
# 生成數據：x為月份，y為銷量
x = np.arange(1, 13) # 1-12月
y = np.random.randint(50, 150, size=12) # 隨機生成50-150的銷量# 創建畫布
plt.figure(figsize=(10, 6)) # 畫布大小(寬, 高)# 繪制折線圖
plt.plot(x, y, # x軸、y軸數據color='skyblue', # 線條顏色marker='o', # 數據點標記（圓形）linestyle='-', # 線條樣式（實線）linewidth=2, # 線條寬度markersize=6) # 標記大小# 添加標題和標簽
plt.title('2023年某產品月度銷量趨勢', fontsize=15)
plt.xlabel('月份', fontsize=12)
plt.ylabel('銷量（件）', fontsize=12)# 設置x軸刻度（1-12月）
plt.xticks(x)# 添加網格線（輔助閱讀）
plt.grid(alpha=0.3) # alpha控制透明度# 顯示圖表
plt.show()關鍵技巧：通過label參數定義每條線的名稱，用plt.legend()顯示圖例；用不同顏色、標記區分多條線，提升可讀性。
三、進階折線圖：應對復雜場景
1. 帶誤差線的折線圖
當數據存在波動范圍（如實驗重復的標準差）時，誤差線可直觀展示數據的可靠性。
示例代碼：
# 生成數據（模擬實驗數據）
x = np.arange(1, 11) # 實驗次數
y = np.random.normal(50, 10, 10) # 均值50，標準差10的隨機數據
error = np.random.uniform(2, 5, 10) # 誤差范圍（2-5）plt.figure(figsize=(10, 6))# 繪制帶誤差線的折線圖
plt.errorbar(x, y, yerr=error, # y方向誤差fmt='-o', # 線條樣式（-實線+o標記）ecolor='gray', # 誤差線顏色elinewidth=1, # 誤差線寬度capsize=3) # 誤差線末端橫線長度plt.title('實驗數據趨勢與誤差范圍', fontsize=15)
plt.xlabel('實驗次數', fontsize=12)
plt.ylabel('測量值', fontsize=12)
plt.grid(alpha=0.3)
plt.show()效果：折線中每個數據點都帶有上下誤差線，清晰展示數據的波動范圍。
2. 時間序列折線圖
時間序列數據（如每日氣溫、每周銷售額）的 x 軸為日期，需特殊處理日期格式。
示例代碼：
import pandas as pd# 生成時間序列數據（2023年1-3月，共90天）
dates = pd.date_range(start='2023-01-01', end='2023-03-31', freq='D')
values = np.random.randint(10, 30, size=len(dates)) # 模擬每日溫度（10-30℃）plt.figure(figsize=(14, 6))# 繪制時間序列折線圖
plt.plot(dates, values, color='orange', linewidth=1.5)# 格式化x軸日期（避免重疊）
plt.gcf().autofmt_xdate() # 自動旋轉日期標簽
plt.xlabel('日期', fontsize=12)
plt.ylabel('溫度（℃）', fontsize=12)
plt.title('2023年1-3月每日溫度趨勢', fontsize=15)
plt.grid(alpha=0.3)
plt.show()關鍵技巧：用pandas.date_range生成日期序列；通過plt.gcf().autofmt_xdate()自動旋轉 x 軸日期標簽，避免文字重疊。
3. 雙 Y 軸折線圖
當兩組數據量級差異大（如 “銷售額” 和 “訂單量”）時，雙 Y 軸可避免其中一組數據趨勢被壓縮。
示例代碼：
# 生成數據（量級差異大的兩組數據）
x = np.arange(1, 13) # 月份
y1 = np.random.randint(1000, 5000, 12) # 銷售額（千級）
y2 = np.random.randint(20, 80, 12) # 訂單量（十級）# 創建畫布和第一個Y軸
fig, ax1 = plt.subplots(figsize=(12, 6))# 繪制第一組數據（銷售額）
ax1.plot(x, y1, color='blue', label='銷售額')
ax1.set_xlabel('月份', fontsize=12)
ax1.set_ylabel('銷售額（元）', color='blue', fontsize=12)
ax1.tick_params(axis='y', labelcolor='blue') # Y軸標簽顏色# 創建第二個Y軸（共享X軸）
ax2 = ax1.twinx()
ax2.plot(x, y2, color='red', label='訂單量')
ax2.set_ylabel('訂單量（單）', color='red', fontsize=12)
ax2.tick_params(axis='y', labelcolor='red')# 合并圖例
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')plt.title('月度銷售額與訂單量趨勢', fontsize=15)
plt.grid(alpha=0.3)
plt.show()效果：左側 Y 軸展示銷售額（千級），右側 Y 軸展示訂單量（十級），兩組數據趨勢均清晰可見。
4. 填充區域折線圖
在折線下方填充顏色，可增強數據的視覺聚焦效果（如突出累積趨勢）。
示例代碼：
# 生成數據（累積增長趨勢）
x = np.arange(1, 11)
y = np.cumsum(np.random.randint(5, 15, 10)) # 累積求和（模擬用戶增長）plt.figure(figsize=(10, 6))# 繪制折線并填充下方區域
plt.plot(x, y, color='purple', linewidth=2)
plt.fill_between(x, y, # x范圍、y上限（折線）、y下限（0）color='purple', alpha=0.2) # 透明度（0-1）plt.title('產品用戶累積增長趨勢', fontsize=15)
plt.xlabel('上線月份', fontsize=12)
plt.ylabel('累積用戶數', fontsize=12)
plt.grid(alpha=0.3)
plt.show()效果：折線下方被半透明紫色填充，突出數據的累積增長趨勢。
四、交互式折線圖（Plotly）
靜態折線圖無法交互，而 Plotly 可生成支持懸停查看數據、縮放、平移的動態圖表，適合網頁展示。
示例代碼：
import plotly.express as px# 生成數據（多組產品銷量）
df = pd.DataFrame({'月份': np.arange(1, 13),'產品A': np.random.randint(50, 100, 12),'產品B': np.random.randint(80, 150, 12),'產品C': np.random.randint(30, 80, 12)
})# 轉換為長格式（適合Plotly）
df_long = df.melt('月份', var_name='產品', value_name='銷量')# 繪制交互式折線圖
fig = px.line(df_long, x='月份', y='銷量', color='產品', # 按產品區分線條title='2023年三大產品月度銷量趨勢（交互式）',markers=True) # 顯示數據點標記# 顯示圖表（自動打開瀏覽器/IDE內置窗口）
fig.show()交互功能：
- 懸停在數據點上可查看具體數值（月份、產品、銷量）；
- 點擊圖例可隱藏 / 顯示對應產品的折線；
- 支持縮放（鼠標滾輪）、平移（拖拽）、下載圖片。
五、總結
折線圖是展示趨勢的核心工具，Python 的 Matplotlib、Seaborn 和 Plotly 庫可滿足不同需求：
- 基礎靜態圖：用 Matplotlib，靈活定制樣式；
- 統計風格圖：用 Seaborn，默認風格更美觀；
- 交互式圖表：用 Plotly，適合動態探索數據。
實際應用中，需根據數據特點選擇合適的折線圖類型：對比多組數據用多條折線，展示波動用誤差線，處理時間數據用時間序列圖，量級差異大用雙 Y 軸。通過合理定制樣式（顏色、標記、標簽），可讓折線圖更直觀地傳遞數據信息。
