各个事业部需要在工作表中生成利润走势图，来分析利润走向。

但是一共有52个部门，也就是需要给52个Excel表格绘图，同样的绘图操作要重复52遍，如果一个个操作实在浪费时间。

还有绘制什么样式的图也需要琢磨一下。既然是分析利润的走势，那么选择折线图就可以更好地展示数据的变化趋势。

代码实现：
 

import os
from openpyxl import load_workbook
from openpyxl.chart import LineChart, Reference

# 设置目标文件夹路径
path = './各部门利润表汇总/'

# 获取文件夹下的所有文件名
file_list = os.listdir(path)
# 遍历文件名列表，取得每一个文件名
for file_name in file_list:
    # 拼接文件路径
    file_path = path + file_name
    print('正在处理：' + file_name)
    # 读取工作簿
    wb = load_workbook(file_path)
    # 读取工作簿中的活跃工作表
    ws = wb.active
  
    # 实例化 LineChart 类，得到 LineChart 对象
    chart = LineChart()
    # 引用工作表的部分数据
    data = Reference(worksheet=ws, min_row=3, max_row=9, min_col=1, max_col=5)
    # 添加被引用的数据到 LineChart 对象
    chart.add_data(data, from_rows=True, titles_from_data=True)
    # 添加 LineChart 对象到工作表中，指定折线图的位置
    ws.add_chart(chart, "C12")

    # 引用工作表的表头数据
    cats = Reference(worksheet=ws, min_row=2, max_row=2, min_col=2, max_col=5)
    # 设置类别轴的标签
    chart.set_categories(cats)
    # 设置 x 轴的标题
    chart.x_axis.title = "季度"
    # 设置 y 轴的标题
    chart.y_axis.title = "利润"
    # 改变线条颜色
    chart.style = 48

    # 保存文件
    wb.save(file_path)
# 在终端提示表格绘图结束
print('恭喜你，工作表中的图绘制成功！')

运行效果：

功能拆解

在分析项目、功能拆解前，先认识一下Excel图的元素。

X、Y轴的标题：图的坐标轴分为X轴（水平轴）、Y轴（垂直轴），其标题说明了坐标轴的内容。如下图所示：

 

类别轴、值轴：坐标轴还可以分为类别轴和值轴。值轴用于描述数量，标签一般是数字；类别轴用于描述类别，标签一般为类别名，如下图的“第n季度”。

图例：说明图中数据系列的含义。在下图中，图例说明相应颜色折线的含义，比如：深褐色折线描述了项目A的利润变化。

简单了解Excel图的元素后，我们开始项目的分析和拆解。

先回顾一下如何使用Microsoft Excel为多个Excel文件绘制折线图。

首先，打开一个Excel文件，绘制利润走势折线图，过程分为两步：
一、折线图绘制；
二、折线图信息及样式的优化。

其中，折线图绘制包括三个步骤：确认图的类型；引用表格的数据；设置图在工作表的位置。

 

折线图信息及样式的优化包括三个步骤：修改类别轴的标签；添加X轴、Y轴的标题；修改图的样式。

 

最后，依次打开其他Excel文件，重复实现折线图绘制、折线图信息及样式的优化。

其实，利用Python绘制折线图时，也对应着这两步：折线图绘制、折线图信息及样式的优化。

由此，该项目可以拆解为四大功能块：循环打开Excel文件、折线图绘制、折线图信息及样式的优化、保存Excel文件。

 

项目的关键问题在于：LineChart对象、Reference对象的学习，实现折线图绘制、折线图信息及样式的优化。

然后，结合已学的知识for循环、os.listdir()完成循环打开Excel文件，工作簿对象.save()完成保存Excel文件。

最后，将四个功能块合并，就可以为52个事业部的Excel表格绘制折线图。

2. 折线图绘制

折线图绘制功能块包括三个步骤：确定图的类型、引用表格中的数据、设置图在工作表的位置。

接下来，我会讲解各步骤相关的知识点。最后，利用所学知识实现折线图绘制功能块。

 

确定图的类型

LineChart类

openpyxl 可以绘制条形图、折线图等图。在openpyxl.chart模块中，每个类型的图都有对应的类。

通过chart = LineChart()，得到LineChart对象（LineChart的意思是：折线图)，相当于确认图的类型为折线图。

同理，通过chart = BarChart()可以得到BarChart对象（BarChart的意思是：条形图)。

综上，LineChart对象、BarChart对象都可以称为图表对象。

需要注意的是，在实例化LineChart类前，不要忘了从openpyxl.chart中导入LineChart。

引用表格中的数据

这个步骤的实现，需要讲解较多的新知识：Reference类、LineChart对象.add_data()。

Reference 类

在Python中，通过实例化openpyxl.chart中的Reference类（Reference中文翻译为：引用），完成表格数据的引用。

例如：Reference(worksheet=ws, min_row=3, max_row=9, min_col=1, max_col=5)引用了工作表对象ws中第3行到第9行、第1列到第5列矩形区域的数据。

那Reference 类中的各参数代表什么意思？

参数worksheet比较好理解，指明被引用数据所在的工作表对象。

参数min_row、max_row、min_col、max_col：指明被引用数据的区域。

其中，min_row指明数据区域的起始行，max_row、min_col、max_col指明终止行、起始列、终止列。如下图所示。
【温馨提示】区域包括起始行、终止行、起始列、终止列

 通过实例化Reference类，引用“事业01部.xlsx”中第 3 行的数据。

 实现代码：

from openpyxl import load_workbook
from openpyxl.chart import Reference, LineChart
# 读取工作簿
wb = load_workbook('./事业01部.xlsx')
# 读取工作簿中的活跃工作表
ws = wb.active
# 实例化 LineChart 类
chart = LineChart()
# 实例化Reference类，创建Reference对象，赋值给变量data。引用第3行的数据。
data = Reference(worksheet=ws, min_row=3, max_row=3, min_col=1, max_col=6)

当取一行数据时，起始行和终止行是同一行。

LineChart对象.add_data()

通过实例化Reference类引用表格的数据后，还需要把被引用的数据添加到LineChart对象。

这时， LineChart对象.add_data()方法派上用场了。

例如，Linechart对象.add_data(data, from_rows=True, titles_from_data=True)，将被引用的数据data添加到LineChart对象中。

 

第一个参数是被引用的数据，它是Reference对象。

参数from_rows，参数titles_from_data又是什么意思呢？

参数from_rows的值可以是True或False，默认值是False。我们尝试给参数from_rows设置不同的值理解该参数的意义。

数from_rows小结：

一、from_rows（中文翻译为：来自行）。当from_rows设置为True时，引用区域的每行数据绘制一条折线。

二、当from_rows设置为False时，引用区域的每列数据绘制一条折线。

 

参数titles_from_data的值也只能是True或False，默认值是False。当设置不同的值，折线图会是怎么样的呢？

所以，当titles_from_data = False时，只需要引用绘制折线的数据。

当titles_from_data = True时，则需要多引用表格的数据来命名图例。

如下图中，多引用了表格的A列：项目A、项目B、项目C来命名图例。

引用表格中的数据步骤涉及的知识已讲解完：

1）Reference类：Reference(worksheet, min_row, max_row, min_col, max_col)
2）add_data()方法：LineChart对象.add_data(Reference对象，from_rows, titles_from_data)

了解了如何去引用数据来绘制折线图后，还需要确定好折线图在表格中放置的位置。

添图至表格的合适位置

工作表对象.add_chart()

绘制完图后，需要使用方法工作表对象.add_chart()将图添加至工作表，并设置图的位置。

add_chart()的使用很简单：工作表对象.add_chart(图表对象，参数anchor)。

第1个参数，指明被添加至工作表的图表对象，这里是LineChart对象。

第2个参数 anchor：设置图在工作表的位置。

例如，ws.add_chart(chart, "C12")，将绘制后的图表对象chart添加到工作表对象ws中，图的左上角位于单元格C12。

至此，我们已经可以在工作表上引用数据绘制出一个折线图，并放置在工作表的固定位置了。也就实现了功能块2：折线图绘制。

练习绘制折线图：

绘制项目A～项目G的利润变化，需要以项目名命名图例。

 

涉及到的知识点有：

 

 

 实现代码：

from openpyxl import load_workbook
from openpyxl.chart import LineChart, Reference

# 读取工作簿
wb = load_workbook('./事业01部.xlsx')
# 读取工作簿中的活跃工作表
ws = wb.active
# 实例化 LineChart 类，得到 LineChart 对象, 并赋值给变量chart
chart=LineChart()
# 实例化 Reference 类，引用工作表的部分数据。将Reference对象赋值给变量data
data=Reference(worksheet=ws,min_row=3,max_row=9,min_col=1,max_col=5)
# 添加被引用的数据到 LineChart 对象
chart.add_data(data,from_rows=True, titles_from_data=True)
# 添加 LineChart 对象到工作表中，折线图的左上角位于单元格 C12。
ws.add_chart(chart,'C12')

# 保存文件
wb.save('./事业01部.xlsx')

 运行效果：

 

 

 

 

matplotlib简介

matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。

它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。

在Linux下比较著名的数据图工具还有gnuplot，这个是免费的，Python有一个包可以调用gnuplot，但是语法比较不习惯，而且画图质量不高。

而 Matplotlib则比较强：Matlab的语法、python语言、latex的画图质量（还可以使用内嵌的latex引擎绘制的数学公式）。

绘图库Matplotlib的安装方法：点击这里

matplotlib绘制折线图

1. line chart

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)

y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1)

plt.plot(x, y2)

plt.title('line chart')

plt.xlabel('x')

plt.ylabel('y')

plt.show()

2. 图例

在plot的时候指定label，然后调用legend方法可以绘制图例。例如：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)

y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, label='y = sin(x)')

plt.plot(x, y2, label='y = cos(x)')

plt.legend()

plt.show()

legend方法可接受一个loc关键字参数来设定图例的位置，可取值为数字或字符串：

0: "best'

1: "upper right'

2: "upper left'

3: "lower left'

4: "lower right'

5: "right'

6: "center left'

7: "center right'

8: "lower center'

9: "upper center'

10: "center'

3. 线的样式

（1）颜色

plot方法的关键字参数color(或c)用来设置线的颜色。可取值为：

1、颜色名称或简写

b: blue

g: green

r: red

c: cyan

m: magenta

y: yellow

k: black

w: white

2、#rrggbb

3、(r, g, b) 或 (r, g, b, a)，其中 r g b a 取均为[0, 1]之间

4、[0, 1]之间的浮点数的字符串形式，表示灰度值。0表示黑色，1表示白色

（2）样式

plot方法的关键字参数linestyle(或ls)用来设置线的样式。可取值为：

-, solid

--, dashed

-., dashdot

:, dotted

'', ' ', None

（3）粗细

设置plot方法的关键字参数linewidth(或lw)可以改变线的粗细，其值为浮点数。

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 100)

y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, c='r', ls='--', lw=3)

plt.plot(x, y2, c='#526922', ls='-.')

plt.show()

4. marker

以下关键字参数可以用来设置marker的样式：

marker

markeredgecolor 或 mec

markeredgewidth 或 mew

markerfacecolor 或 mfc

markerfacecoloralt 或 mfcalt

markersize 或 ms

其中marker可取值为：

'.': point marker

',': pixel marker

'o': circle marker

'v': triangle_down marker

'^': triangle_up marker

'<': triangle_left marker

'>': triangle_right marker

'1': tri_down marker

'2': tri_up marker

'3': tri_left marker

'4': tri_right marker

's': square marker

'p': pentagon marker

'*': star marker

'h': hexagon1 marker

'H': hexagon2 marker

'+': plus marker

'x': x marker

'D': diamond marker

'd': thin_diamond marker

'|': vline marker

'_': hline marker

例如：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 10)

y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, marker='o', mec='r', mfc='w')

plt.plot(x, y2, marker='*', ms=10)

plt.show()

另外，marker关键字参数可以和color以及linestyle这两个关键字参数合并为一个字符串。例如：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 2 * np.pi, 10)

y1, y2 = np.sin(x), np.cos(x)

plt.plot(x, y1, 'ro-')

plt.plot(x, y2, 'g*:', ms=10)

plt.show()

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作能带来一定的帮助，如果有疑问大家可以留言交流，谢谢大家对脚本之家的支持。

本篇文章给大家带来的内容是关于Python绘制折线图和散点图的详细方法介绍（代码示例），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。

1、绘制折线图和散点图要用到matplotlib下的pylab，因此我们需要先引入，因为要用到数组实现，还要引入numpy。然后确定x轴和y轴的数据，最后将其呈现出来。import matplotlib.pylab as pyl

import numpy as np

x = [1, 3, 5, 6, 8, 13, 14, 16]

y = [5, 1, 6, 7, 9, 3, 2, 10]

pyl.plot(x, y)

pyl.show()

这样一个简单的折线图就绘制好了。

上面的plot()有三个参数，第一个参数为x轴坐标，第二个参数为y轴坐标，第三个参数为确定线型，可有可无，如果要将上面的折线图改为散点图，只需更改第三个参数为"o’。

如果让折线图和散点图叠加还可以突出每个点。

2.我们还可以改变线和点的颜色，只需修改plot()的第三个参数。c--cyan--青色

r--red--红色

m--magente--品红

g--green--绿色

b--blue--蓝色

y--yellow--黄色

k--black--黑色

w--white--白色

上述参数可以叠加。

3.我们还可以改变线型，也是修改plot的第三个参数。- 实线

-- 虚线

-. 形式即为-.

: 细小的虚线

4.我们还可以改变点型，同样是修改第三个参数。s--方形

h--六角形

H--六角形

*--*形

+--加号

x--x形

d--菱形

D--菱形

p--五角形

5.我们目前绘制的图形，无图像名称及横纵坐标轴的名称，我们需要在程序中添加如下语句pyl.title()

pyl.xlabel()

pyl.ylabel()

6.现在绘图的x,y轴的范围是系统自动生成的，我们要想自定义，需要加上下面的两条语句，括号内为取值范围pyl.xlim()

pyl.ylim()

7.如果要在同一幅图中绘制多个图像，只需在show()之前再定义另外两个变量即可

以上就是Python绘制折线图和散点图的详细方法介绍（代码示例）的详细内容，更多请关注php中文网其它相关文章！

本文转载于：segmentfault，如有侵犯，请联系a@php.cn删除