本系列文章配套代码获取有以下两种途径：
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1jG-rGG4QMuZu0t0kEEl7SA?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/Data_Visualization-
离散时间序列数据：如每日库存量、每小时用户在线数等。 -
突变信号：如开关状态变化、价格突变等。 -
累积分布函数：统计学中常用于展示累积概率。
函数语法：
plt.step(x, y, *args, where='pre', data=None, **kwargs)-
x：数组或类数组对象，表示阶梯图的 x 轴数据（横坐标）。
-
y：数组或类数组对象，与 x 长度相同，表示阶梯图的 y 轴数据（纵坐标）。
-
where：控制阶梯的位置，可选值包括，‘pre’（默认，水平线段从每个x位置向左延伸）、‘post’（水平线段从每个x位置向右延伸）、‘mid’（阶梯在相邻数据点之间居中）。
-
data：可选的对象（如 DataFrame），如果提供，则 x 和 y 可以是该对象中的列名（字符串），用于直接从数据对象中提取数据。
-
*args：可变参数，用于传递额外的样式参数（如颜色、线型等），可简化写法（fmt 格式字符串）。例如 plt.step(x, y, ‘r–‘) 表示红色虚线。
-
**kwargs：关键字参数，用于精细化控制图形样式，常用参数包括，线条样式（color、linewidth、linestyle）、标记点样式（marker、markersize、markerfacecolor、markeredgecolor）、图例与标签（label）等。
# 创建示例数据
x = np.array([1, 2, 3, 4, 5, 6])
y = np.array([1, 4, 2, 5, 3, 6])
# 创建阶梯图
plt.figure(figsize=(10, 6))
# 绘制阶梯图
plt.step(x, # x轴数据
y, # y轴数据
where='pre', # 阶梯对齐方式
color='darkred', # 阶梯线的颜色
linewidth=2.5, # 阶梯线的宽度
marker='o', # 数据点标记样式
markersize=8, # 标记点的大小
markerfacecolor='yellow', # 标记点的填充色
markeredgecolor='darkred', # 标记点的边框色
label='数据序列' # 图例标签
)
plt.title('基本阶梯图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()
plt.grid(True, linestyle='--', alpha=0.7)
plt.show()
可视化结果如下图所示：
使用示例：
-
示例1：where参数
where参数是step()函数的核心参数，它决定了阶梯的样式，共有 3 个可选值：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
下面通过一个简单案例，直观对比 3 种where参数的效果：
# 生成测试数据
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 5, 3, 6, 4])
# 创建3个子图对比
fig, axes = plt.subplots(1, 3, figsize=(15, 4))
# 1. where='pre'（默认）
axes[0].step(x, y, where='pre', color='steelblue', linewidth=2, label='where="pre"')
axes[0].scatter(x, y, color='red', s=50) # 添加数据点标记
axes[0].set_title('where="pre"（垂直线段在x左侧）')
axes[0].legend()
axes[0].grid(alpha=0.3)
# 2. where='post'
axes[1].step(x, y, where='post', color='orange', linewidth=2, label='where="post"')
axes[1].scatter(x, y, color='red', s=50)
axes[1].set_title('where="post"（垂直线段在x右侧）')
axes[1].legend()
axes[1].grid(alpha=0.3)
# 3. where='mid'
axes[2].step(x, y, where='mid', color='green', linewidth=2, label='where="mid"')
axes[2].scatter(x, y, color='red', s=50)
axes[2].set_title('where="mid"（垂直线段在x中间）')
axes[2].legend()
axes[2].grid(alpha=0.3)
plt.tight_layout()
plt.show()
-
示例2：自定义样式
可通过颜色、线宽、标记点等参数来自定义图表样式。
可使用 fill_between() 函数填充阶梯图与 x 轴之间的区域，增强视觉层次感，尤其适合展示 “累积量” 或 “范围” 数据。
# 模拟网站访问量数据
np.random.seed(42)
days = np.arange(1, 31)
visitors = np.random.randint(100, 500, size=30)
plt.figure(figsize=(12, 6))
# 绘制阶梯图
plt.step(days, # x轴数据
visitors, # y轴数据
where='mid', # 阶梯对齐方式
color='steelblue', # 阶梯线颜色
linestyle='-.', # 线条样式
linewidth=3, # 线条宽度
marker='o', # 数据点标记样式
markersize=8, # 标记点大小
markerfacecolor='white',# 标记点填充色
markeredgecolor='#FF6B6B',# 标记点边框色
markeredgewidth=2, # 标记点边框宽度
label='阶梯图' # 图例标签
)
# 填充阶梯图下方区域，增强视觉效果
plt.fill_between(days, # x轴数据：与阶梯图保持一致
visitors, # y轴数据：填充区域的上边界（即阶梯图线条）
alpha=0.3, # 填充透明度
color='lightblue',# 填充颜色
step='mid', # 填充模式：与阶梯图的where参数保持一致（mid），确保填充区域对齐
label='填充区域'# 填充区域的图例标签
)
plt.title('网站每日访问量变化', fontsize=14)
plt.xlabel('日期', fontsize=12)
plt.ylabel('访问量', fontsize=12)
plt.grid(True, linestyle='--', alpha=0.7)
plt.xticks(np.arange(1, 31, 2))
plt.legend(loc='upper right')
plt.tight_layout()
plt.show()
更多内容可以前往官网查看：
https://matplotlib.org/stable/
本篇文章来源于微信公众号: 码农设计师
