画了1000次折线图后，我总结出一个套路……

每晚九点，我们准时相约  

大家好，我是朱小五

在我们从事数据分析工作中，折线图是最常用的图形之一。

一位资深的数据分析师，画折线图的次数应该有超过 1000 次了。

说起折线图，很多人都觉得非常简单，不就是一些点连成的线吗？用 Excel 几秒钟就能画出一张折线图。

真的就这么简单吗？

想一想：在普通的折线图中，如何自动地添加一条代表平均值的横线？如何添加一条带箭头的趋势线？如何快速地标注最大值和最小值？如何标注特殊事件？如何对折线图进行数据分析？

下面我们用一个具体的案例，演示折线图的分析过程和画图的方法。

1. 一个案例

根据某公司 2019 年 9 月份每天的销量数据，画出如下一张折线图：

通过观察可以看到，销量每隔几天就有一个波谷，对照日历，发现一个规律：这些销量比较低的日期，都是周末或节假日。

如果理解了业务的周期性，那么在分析数据时，就能排除一些干扰，更快地找到对业务真正有价值的信息。

排除周期性的因素之后，我们观察折线图中的最大值和最小值，看看它们是否在正常范围以内，如果不是的话，那么要分析背后的原因。

比如说，9 月 30 日的销量最高，明显高于平时的正常水平，经过与业务沟通和分析发现，是因为这一天做了打折促销的运营活动。

在折线图中，有一条代表平均值的横线，以及一条带箭头的趋势线，它们有助于对数据整体趋势的把握。

从上面的图中可以看出，中秋节放假之后，销量有所上升，结合广告费的投入数据进行分析，计算它们相关系数，发现销量与广告费之间具有比较强的正相关性，也就是说，中秋节之后，销量上升的主要原因，是公司加大了广告费的投入。

通过上面的分析解读，我们知道，折线图能直观地反映出数据随着时间变化的趋势，让数据更容易进行对比，发现数据背后规律性的知识，从而帮助管理者更好地做出决策。

画图不是为了炫技，而是为了提高信息传递的效率。你不妨反思一下自己画过的图，是不是提高了信息传递的效率呢？

2. 画图方法

能画折线图的软件工具有很多，本文采用的是 Python 中的 matplotlib 库。

在 Jupyter Lab 中运行以下 Python 代码，就可以画出上面那张折线图。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from datetime import timedelta

# 正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

# 正常显示负号
plt.rcParams['axes.unicode_minus'] = False  

# 读取每日销售数据
df = pd.read_excel('./data/2019年9月每日销售.xlsx')

# 定义画图的数据
x = df.日期
y = df.实际销量

# 定义颜色
color1 = '#0085c3'
color2 = '#7ab800'
color3 = '#dc5034'

# 设置图像大小
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111)

# 绘制折线图
ax.plot(x, y, marker='o', color=color1)

# 标注最大值
ax.text(x[y.idxmax()]+timedelta(hours=-12),
        y.max()+1, y.max(),
        color=color1, fontsize=15)

# 标注最小值
ax.text(x[y.idxmin()]+timedelta(hours=-9),
        y.min()-2, y.min(),
        color=color1, fontsize=15)

# 计算 7 天移动平均
y2 = y.rolling(7).mean()

# 绘制趋势线
ax.plot(x, y2, ls='--', color=color2, label='7 天移动平均')

# 绘制箭头
plt.annotate('', xy=(x[-1:], y2[-1:]),
             xytext=(x[-2:-1], y2[-2:-1]),
             arrowprops=dict(arrowstyle='->',
                             color=color2,
                             shrinkB=0))

# 绘制平均值线
ax.hlines(y.mean(), x[0], x[-1:],
          linestyles='-.', colors=color3)

# 标注平均值
ax.text(x[-1:]+timedelta(days=-7.5), y.mean()-2,
        '平均值: ' + str(round(y.mean(),1)),
        color=color3, fontsize=15)

# 标注特殊事件
ax.annotate('中秋节', xy=(x[y.idxmin()], y.min()), color=color1,
             xytext=(x[y.idxmin()]+timedelta(days=1.5), y.min()-2),
             arrowprops=dict(arrowstyle='->', color=color1), fontsize=15)

ax.annotate('打折促销', xy=(x[y.idxmax()], y.max()), color=color1,
             xytext=(x[y.idxmax()]+timedelta(days=-5), y.max()+2),
             arrowprops=dict(arrowstyle='->', color=color1), fontsize=15)

# 设置网格线
ax.grid(ls=':', color='gray', alpha=0.6)

# 设置图例的位置和大小
ax.legend(loc='upper left', fontsize=12)

# 设置坐标轴标签的角度和大小
plt.xticks(rotation=90, fontsize=12)
plt.yticks(fontsize=12)

# 设置 y 轴的刻度范围
ax.set_ylim(0, y.max()+5)

# 设置图表标题
_ = ax.set_title('2019年9月每日销量变化趋势', fontsize=25)

3. 小结

本文用一个案例，演示了折线图的数据分析过程以及画图的方法，并给出了完整的 Python 代码，其中详细注释了代码的主要功能。

你可以把上面的分析思路和方法当成一个套路，并根据实际的分析需求，适当修改 Python 代码中的数据源、颜色、文字等，估计能让你比 90% 的人更懂折线图。

以上，希望对你有所帮助，最好是能够自己动手实践，这就好比要学会游泳，必须得亲自下水。

近期文章，点击图片即可查看

后台回复关键词「进群」，即刻加入读者交流群~

五

大家还对什么图形感兴趣呢？

朱小五