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。
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？
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。
读取数据
# 读取每日销售数据
df = pd.read_excel('2019年9月每日销售.xlsx')
df
日期 实际销量
0 2019-09-01 7
1 2019-09-02 16
2 2019-09-03 18
3 2019-09-04 16
4 2019-09-05 18
5 2019-09-06 16
6 2019-09-07 9
7 2019-09-08 7
8 2019-09-09 16
9 2019-09-10 15
10 2019-09-11 17
11 2019-09-12 16
12 2019-09-13 3
13 2019-09-14 6
14 2019-09-15 7
15 2019-09-16 25
16 2019-09-17 23
17 2019-09-18 22
18 2019-09-19 23
19 2019-09-20 21
20 2019-09-21 13
21 2019-09-22 12
22 2019-09-23 22
23 2019-09-24 23
24 2019-09-25 23
25 2019-09-26 22
26 2019-09-27 24
27 2019-09-28 13
28 2019-09-29 12
29 2019-09-30 29
开始分析和画图
# 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)
fig
# 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)
fig
# 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')
fig
# 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)
fig
# 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))
# 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)
fig
# 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)
fig
补充
Series.idxmax（self，axis = 0，skipna = True，* args，** kwargs ）返回最大值的行标签
代码合集
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)
