折线图：绘制趋势

折线图是最基本且应用广泛的可视化图表类型之一。它们特别适合显示趋势，或显示变量之间顺序有重要意义的关系，例如随时间收集的数据点或序列中的步骤。折线图通过直线段连接各个数据点，从而方便地观察模式、增长、下降或波动。

Matplotlib 中创建折线图的主要函数是 plot()。此函数可以直接通过 pyplot 接口（通常作为 plt 导入）使用，也可以作为 Axes 对象上的方法使用。通常情况下，为求简单，pyplot 接口被广泛用于创建折线图，但其背后的命令始终影响着 Figure 和 Axes 对象。

创建基本折线图

要创建折线图，通常需要为 plot() 函数提供两个序列（如列表或 NumPy 数组）：一个用于 x 坐标，另一个用于 y 坐标。Matplotlib 会在每个 (x, y) 对处绘制点，然后用线连接这些点。

我们来显示一个简单的二次关系，$y = x^2$。

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x_values = np.array([0, 1, 2, 3, 4, 5])
y_values = x_values**2 # 计算 y = x^2

# 创建图表
plt.figure() # 可选：创建新图
plt.plot(x_values, y_values)

# 添加标签以使图表更清晰（这部分将在后续章节详细说明）
plt.xlabel("X 值")
plt.ylabel("Y 值 (X 的平方)")
plt.title("一个简单的折线图")

# 显示图表
plt.show()

执行此代码将生成一个显示图表的窗口。您将看到 x 轴范围从 0 到 5，y 轴相应地缩放以显示平方值。点 (0, 0)、(1, 1)、(2, 4)、(3, 9)、(4, 16) 和 (5, 25) 被计算并由蓝线顺序连接（Matplotlib 为第一条线设置的默认颜色）。

仅绘制 Y 值

如果您只向 plot() 提供一个列表或数组，会发生什么？

import matplotlib.pyplot as plt
import numpy as np

# 仅用于 y 轴的数据
data_points = np.array([3, 5, 2, 8, 6])

# 创建图表
plt.figure()
plt.plot(data_points) # 仅提供 y 值

# 添加标签
plt.xlabel("索引")
plt.ylabel("数据值")
plt.title("隐式 X 轴的绘制")

# 显示图表
plt.show()

在这种情况下，Matplotlib 假定您想绘制 data_points 数据点与其索引的关系。x 值被隐式地视为 [0, 1, 2, 3, 4]，对应于输入数组中每个值的位置。这对于快速显示一个序列很有用，其中 x 轴代表离散的步骤或仅仅是元素的顺序。

绘制多条线

在调用 plt.show() 之前，您可以通过多次调用 plot() 函数，轻松地在同一个 Axes 上绘制多条线。Matplotlib 会自动循环使用默认颜色来绘制每条新线，使它们易于区分。

import matplotlib.pyplot as plt
import numpy as np

# 准备两条线的数据
x = np.linspace(0, 10, 100) # 从 0 到 10 的 100 个点
y1 = np.sin(x)
y2 = np.cos(x)

# 创建图表
plt.figure()
plt.plot(x, y1) # 第一条线（例如，正弦波）
plt.plot(x, y2) # 第二条线（例如，余弦波）

# 添加标签和标题
plt.xlabel("X 值")
plt.ylabel("函数值")
plt.title("绘制多条线（正弦和余弦）")

# 显示图表
plt.show()

此代码生成一个图表，显示正弦和余弦函数在 0 到 10 的范围内的情况。第一次调用 plt.plot(x, y1) 会绘制正弦波（可能为蓝色），第二次调用 plt.plot(x, y2) 则会将余弦波（可能为橙色）添加到同一个 Axes 中。请注意两个图表如何共享相同的 x 轴和 y 轴。我们将在后续章节介绍如何添加图例，以便清楚地区分哪条线对应哪个数据集。

折线图是多种可视化图表类型的核心。它们非常适合显示随时间的变化（时间序列），呈现数学函数，或比较不同组或实验之间的趋势。随着学习的推进，您将学习如何大幅自定义其外观，包括更改颜色、线型和标记。