python如何绘制线状供求图

Python绘制线状供求图通常涉及使用Matplotlib库、Pandas库、Seaborn库。 其中Matplotlib是最常用的库，因为它提供了强大的绘图功能，Pandas则用于数据处理，Seaborn用于增强图形视觉效果。下面将详细介绍如何使用这些库绘制供求图，并提供代码示例和解释。

一、安装必要的库

首先，确保你已经安装了需要的Python库。如果没有安装，可以使用以下命令进行安装：

pip install matplotlib pandas seaborn

二、导入库和准备数据

在开始绘制图形之前，需要导入必要的库并准备绘图所需的数据。假设我们有一个包含供求数据的CSV文件，可以使用Pandas读取数据。

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
假设我们有一个名为'supply_demand.csv'的文件
data = pd.read_csv('supply_demand.csv')

三、绘制基础线状供求图

接下来，我们将使用Matplotlib绘制基本的供求图。

plt.figure(figsize=(10, 6))
绘制供给线
plt.plot(data['Time'], data['Supply'], label='Supply', color='b', marker='o')
绘制需求线
plt.plot(data['Time'], data['Demand'], label='Demand', color='r', marker='x')
添加标题和标签
plt.title('Supply and Demand Over Time')
plt.xlabel('Time')
plt.ylabel('Quantity')
添加图例
plt.legend()
显示图形
plt.show()

四、增强图形视觉效果

为了使图形更具视觉吸引力，可以使用Seaborn库进行增强。Seaborn库基于Matplotlib，提供了更高级的绘图功能和更美观的默认样式。

# 设置Seaborn风格
sns.set(style='whitegrid')
创建图形
plt.figure(figsize=(10, 6))
使用Seaborn绘制供给线
sns.lineplot(x='Time', y='Supply', data=data, label='Supply', marker='o')
使用Seaborn绘制需求线
sns.lineplot(x='Time', y='Demand', data=data, label='Demand', marker='x')
添加标题和标签
plt.title('Enhanced Supply and Demand Over Time')
plt.xlabel('Time')
plt.ylabel('Quantity')
添加图例
plt.legend()
显示图形
plt.show()

五、处理时间序列数据

在实际应用中，供求数据通常是时间序列数据。我们需要确保时间数据是正确的格式，并且图形能够正确显示时间序列。

# 假设时间列名为'Time'
data['Time'] = pd.to_datetime(data['Time'])
确保数据按时间排序
data = data.sort_values('Time')
重新绘制图形
plt.figure(figsize=(10, 6))
sns.lineplot(x='Time', y='Supply', data=data, label='Supply', marker='o')
sns.lineplot(x='Time', y='Demand', data=data, label='Demand', marker='x')
plt.title('Supply and Demand Over Time (Time Series)')
plt.xlabel('Time')
plt.ylabel('Quantity')
plt.legend()
plt.show()

六、添加注释和自定义样式

为了进一步增强图形的可读性和信息量，可以添加注释和自定义样式。例如，标注出供需平衡点或异常数据点。

plt.figure(figsize=(10, 6))
sns.lineplot(x='Time', y='Supply', data=data, label='Supply', marker='o')
sns.lineplot(x='Time', y='Demand', data=data, label='Demand', marker='x')
添加注释
假设我们要标注供需平衡点
balance_points = data[data['Supply'] == data['Demand']]
for index, row in balance_points.iterrows():
    plt.annotate('Balance', xy=(row['Time'], row['Supply']), xytext=(row['Time'], row['Supply']+10),
                 arrowprops=dict(facecolor='black', arrowstyle='->'))
添加标题和标签
plt.title('Supply and Demand Over Time with Annotations')
plt.xlabel('Time')
plt.ylabel('Quantity')
plt.legend()
plt.show()

七、处理缺失数据

在实际数据处理中，可能会遇到缺失数据。需要对缺失数据进行处理，以确保图形的准确性。

# 查看缺失数据
print(data.isnull().sum())
填充缺失数据（假设使用前向填充方法）
data = data.fillna(method='ffill')
重新绘制图形
plt.figure(figsize=(10, 6))
sns.lineplot(x='Time', y='Supply', data=data, label='Supply', marker='o')
sns.lineplot(x='Time', y='Demand', data=data, label='Demand', marker='x')
plt.title('Supply and Demand Over Time (After Handling Missing Data)')
plt.xlabel('Time')
plt.ylabel('Quantity')
plt.legend()
plt.show()

八、应用交互式图形

为了更好地探索数据，可以使用交互式图形工具，如Plotly库。Plotly支持交互式图形，可以在图形上悬停、放大、缩小等操作。

import plotly.express as px
创建交互式供求图
fig = px.line(data, x='Time', y=['Supply', 'Demand'], labels={'value':'Quantity', 'variable':'Legend'})
fig.update_layout(title='Interactive Supply and Demand Over Time')
fig.show()