绘图和数据可视化工具包

发布时间:2021-06-07 发表于话题:k线图实例分析 点击:1025 当前位置:酷财经网 > 汽车 > 绘图和数据可视化工具包 手机阅读

一、Matplotlib介绍

  Matplotlib是一个强大的Python**绘图**和**数据可视化**的工具包。

# 安装方法 pip install matplotlib # 引用方法 import matplotlib.pyplot as plt # 绘图函数 plt.plot() # 展示图像 plt.show()

  执行后显示效果如下:

  

二、plot函数使用

  plot函数:用于绘制折线图。

1、绘制线型图

  线型linestyle:‘-’是实线、'--'是线虚线、‘-.’是线点虚线等、‘:’是点虚线。

import matplotlib.pyplot as plt plt.plot([1,2,3,4],[2,3,1,8]) # 绘制折线图 plt.show()

  显示效果如下所示:

  

2、绘制点型图

  点型marker:v、^、s、*、H、+、x、D、o.....

  其中是o是圆点、v是下三角、D是菱形、H是六边形等。

(1)绘制点图

plt.plot([1,2,3,4],[2,3,1,8], 'o') # 参数o,绘制点图 plt.show()

  显示效果如下所示:

  

(2)绘制点线图

plt.plot([1,2,3,4],[2,3,1,8], 'o-') # 参数o-,绘制点线图 plt.show()

  显示效果如下所示:

  

3、绘图颜色

  颜色color:b、g、r、y、k、w......

(1)方法一:配合线设置颜色

plt.plot([1,2,3,4],[2,3,2,7], 'o:r') # 红色线 plt.show()

  显示效果如下所示:

  

(2)方法二:用color参数设置颜色

plt.plot([1,2,3,4],[2,3,2,7], color='purple') # 紫色线 plt.show()

  显示效果如下所示:

  

4、plot函数绘制多条曲线

  生成几个plot.plot()就可以在一个图里绘制多少个曲线。

plt.plot([1,2,3,4],[2,3,2,7], color='red') plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o') plt.show()

  显示效果如下所示:

  

三、图像标注

  前面学习的plt.plot()和plt.show()函数只是绘图和显示图像。但如果要设置标题、名称等图像标注就需要用到其他函数了。

设置图像标题:plt.title()设置x轴名称:plt.xlabel()设置y轴名称:plt.ylabel()设置x轴范围:plt.xlim()设置y轴范围:plt.ylim()设置x轴刻度:plt.xticks()设置y轴刻度:plt.yticks()设置曲线图例:plt.legend()

1、设置图像标题

# 引用方法 import matplotlib.pyplot as plt # 绘图函数 plt.plot([1,2,3,4],[2,3,2,7], color='red') plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o') plt.title('Matplotlib Test Plot') # 设置图像标题 # 展示图像 plt.show()

  显示效果如下所示:

  

2、设置xy轴名称

# 引用方法 import matplotlib.pyplot as plt # 绘图函数 plt.plot([1,2,3,4],[2,3,2,7], color='red') plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o') plt.title('Matplotlib Test Plot') plt.xlabel('Xlabel') plt.ylabel('Ylabel') # 展示图像 plt.show()

  显示效果如下所示:

  

3、设置xy轴范围

# 引用方法 import matplotlib.pyplot as plt # 绘图函数 plt.plot([1,2,3,4],[2,3,2,7], color='red') plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o') plt.title('Matplotlib Test Plot') plt.xlabel('Xlabel') plt.ylabel('Ylabel') plt.xlim(0,5) # 设置x轴最小值0,最大值5 plt.ylim(0,10) # 设置y轴最小值0,最大值10 # 展示图像 plt.show()

  显示效果如下所示:

  

4、设置xy轴刻度

# 引用方法 import matplotlib.pyplot as plt import numpy as np # 绘图函数 plt.plot([1,2,3,4],[2,3,2,7], color='red') plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o') plt.title('Matplotlib Test Plot') plt.xlabel('Xlabel') plt.ylabel('Ylabel') plt.xlim(0,10) plt.ylim(0,10) # plt.xticks(0,2,4) # 设置x轴刻度 plt.xticks(np.arange(0,11,2)) # 用numpy设置x轴刻度 # 展示图像 plt.show()

  显示效果如下所示:

  

  刻度还可以自定义字段显示:

# 引用方法 import matplotlib.pyplot as plt import numpy as np # 绘图函数 plt.plot([1,2,3,4],[2,3,2,7], color='red') plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o') plt.title('Matplotlib Test Plot') plt.xlabel('Xlabel') plt.ylabel('Ylabel') plt.xlim(0,10) plt.ylim(0,10) # plt.xticks(0,2,4) # 设置x轴刻度 plt.xticks(np.arange(0,11,2), ['a','b','c','d','e','f']) # 用numpy设置x轴刻度 # 展示图像 plt.show()

 

  显示效果如下:

  

5、设置曲线图例

  在plt.plot()中设置label,即可使用plt.legend()函数设置曲线图例。

# 引用方法 import matplotlib.pyplot as plt import numpy as np # 绘图函数 plt.plot([1,2,3,4],[2,3,2,7], color='red', label='Line A') plt.plot([1,2,3,4],[3,5,6,9], color='black',marker='o', label='Line B') plt.title('Matplotlib Test Plot') plt.xlabel('Xlabel') plt.ylabel('Ylabel') plt.legend() # 曲线图例 # 展示图像 plt.show()

  显示效果如下:

  

四、Matplotlib应用实例 

1、pandas和matplotlib结合使用

import matplotlib.pyplot as plt import pandas as pd df = pd.read_csv('601318.csv', parse_dates=['date'], index_col='date')[['open','close','high','low']] # 读取csv文件,使用date作为索引列 df.plot() plt.show()

  显示效果如下所示:

  

2、绘制数学函数图像

  

# 引用方法 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-100,100,10000) # 起点、终点、分多少份 y1=x y2=x**2 y3=3*(x**3)+5*(x**2)+2*x+1 plt.plot(x, y1, color='red', label='y=x') plt.plot(x, y2, color='green', label='y=x**2') plt.plot(x, y3, color='purple', label='y=3*(x**3)+5*(x**2)+2*x+1') plt.ylim(-1000,1000) # 由于紫色线增长过快,图片显示会导致红色和绿色重合 plt.xlim(-100,100) plt.legend() # 展示图像 plt.show()

  显示效果如下所示:

  

五、matplotlib绘制常用图表

  Matplotlib提供了很多函数来支持不同的图类型,如下所示:

函数说明plt.plot(x,y,fmt,...)坐标图plt.boxplot(data,notch,position)箱型图

plt.bar(left,height,width,bottom)

条形图plt.barh(width,bottom,left,height)横向条形图plt.polar(theta, r)极坐标图plt.pie(data, explode)饼图plt.psd(x,NFFT=256,pad_to,Fs)功率谱密度图plt.specgram(x,NFFT=256,pad_to,F)谱图plt.cohere(x,y,NFFT=256,Fs)X-Y相关性函数 plt.scatter(x,y)散点图plt.step(x,y,where)步阶图 plt.hist(x,bins,normed)直方图 

 

 

 

 

 

 

 

 

 

 

 

 

  相关文档参见:matplotlib官网

 

 

 

 

 

 

 

1、画布和子图

(1)子图并行排列

import matplotlib.pyplot as plt import pandas as pd # 画布:figure fig = plt.figure() # 生成画布 # 图:subplot ax1 = fig.add_subplot(2,2,1) # 两行两列第一个图 ax1.plot([1,2,3,4],[5,6,7,8]) ax2 = fig.add_subplot(2,2,2) # 两行两列第二个图 ax2.plot([1,4,2,3],[2,6,3,8]) fig.show()

  显示效果如下所示:

  

(2)子图上下排列

import matplotlib.pyplot as plt import pandas as pd # 画布:figure fig = plt.figure() # 生成画布 # 图:subplot ax1 = fig.add_subplot(2,1,1) # 两行一列第一个图 ax1.plot([1,2,3,4],[5,6,7,8]) ax2 = fig.add_subplot(2,1,2) # 两行一列第二个图 ax2.plot([1,4,2,3],[2,3,4,6]) fig.show()

  显示效果如下所示:

  

(3)用subplots_adjust()调节子图间距

  subplots_adjust()函数源码如下所示:

def subplots_adjust(self, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None): """ Update the :class:`SubplotParams` with *kwargs* (defaulting to rc when *None*) and update the subplot locations. """ if self.get_constrained_layout(): self.set_constrained_layout(False) warnings.warn("This figure was using constrained_layout==True, " "but that is incompatible with subplots_adjust and " "or tight_layout: setting " "constrained_layout==False. ") self.subplotpars.update(left, bottom, right, top, wspace, hspace) for ax in self.axes: if not isinstance(ax, SubplotBase): # Check if sharing a subplots axis if isinstance(ax._sharex, SubplotBase): ax._sharex.update_params() ax.set_position(ax._sharex.figbox) elif isinstance(ax._sharey, SubplotBase): ax._sharey.update_params() ax.set_position(ax._sharey.figbox) else: ax.update_params() ax.set_position(ax.figbox) self.stale = True

  

2、柱状图和饼图

(1)柱状图基本示例

import matplotlib.pyplot as plt import numpy as np data = [32,48,21,100] labels = ['Jan', 'Feb', 'Mar', 'Apr'] # 柱状图 plt.bar(np.arange(len(data)), data , color='blue', width=0.5) plt.xticks(np.arange(len(data)), labels) plt.show()

  显示效果:

  

(2)饼图基本示例

import matplotlib.pyplot as plt plt.pie([10,20,28,42], labels=['England','German','USA','China'], autopct='%.2f%%',explode=[0,0.1,0,0.1]) # labels设置标签,autopct显示百分比,explode设置突出程度 # plt.axis('equal') # 设置图片朝向 plt.show()

  显示效果:

  

 

3、绘制K线图 

  matplotlib.finanace子包中有许多绘制金融相关图的函数接口。

  绘制K线图:matplotlib.finance.candlestick_ochl函数。

import matplotlib.finance as fin

  但是从matplotlib 2.2.0版本开始,matplotlib.finance已经从matplotlib中剥离了,需要单独安装mpl_finance这个包了。

  可以anaconda中下载mpl-finance包等方法下载。

import mpl_finance as fin

(1)candlestick_ochl()函数源码分析

def candlestick_ochl(ax, quotes, width=0.2, colorup='k', colordown='r', alpha=1.0): """ Plot the time, open, close, high, low as a vertical line ranging from low to high. Use a rectangular bar to represent the open-close span. If close >= open, use colorup to color the bar, otherwise use colordown Parameters ---------- ax : `Axes` # 图对象 an Axes instance to plot to quotes : sequence of (time, open, close, high, low, ...) se # 二维数组 As long as the first 5 elements are these values, the record can be as long as you want (e.g., it may store volume). time must be in float days format - see date2num # datetime要转化为小数类型时间戳 width : float # k线宽度 fraction of a day for the rectangle width colorup : color # 阳线颜色 the color of the rectangle where close >= open colordown : color # 阴线颜色 the color of the rectangle where close < open alpha : float # 矩形的透明度 the rectangle alpha level Returns ------- ret : tuple returns (lines, patches) where lines is a list of lines added and patches is a list of the rectangle patches added """ return _candlestick(ax, quotes, width=width, colorup=colorup, colordown=colordown, alpha=alpha, ochl=True)

(2)date2num函数用于将datetime对象转化为浮点数表示的时间戳

def date2num(d): """ Convert datetime objects to Matplotlib dates. Parameters ---------- d : `datetime.datetime` or `numpy.datetime64` or se of these Returns ------- float or sequence of floats Number of days (fraction part represents hours, minutes, seconds, ms) since 0001-01-01 00:00:00 UTC, plus one. Notes ----- The addition of one here is a historical artifact. Also, note that the Gregorian calendar is assumed; this is not universal practice. For details see the module docstring. """ if hasattr(d, "values"): # this unpacks pandas series or dataframes... d = d.values if not np.iterable(d): if (isinstance(d, np.datetime64) or (isinstance(d, np.ndarray) and np.issubdtype(d.dtype, np.datetime64))): return _dt64_to_ordinalf(d) return _to_ordinalf(d) else: d = np.asarray(d) if np.issubdtype(d.dtype, np.datetime64): return _dt64_to_ordinalf(d) if not d.size: return d return _to_ordinalf_np_vectorized(d)

(3)使用上述包绘制k线图示例

# import matplotlib.finance as fin import pandas as pd import matplotlib.pyplot as plt import mpl_finance as fin from matplotlib.dates import date2num # 用于将datetime对象转化为浮点数 # 读取csv文件中保存的行情数据,使用date作为索引列 # na_values将None字符串解释为缺失值 df = pd.read_csv('601318.csv', parse_dates=['date'], index_col='date', na_values=['None'])[['open','close','high','low']] # 添加time这一列 df['time'] = date2num(df.index.to_pydatetime()) # 将df转换为数组才能传递给candlestick_ochl()函数 arr = df[['time','open','close','high','low']].values # print(df) ''' open close high low time date 2007-03-01 21.878 None 22.302 20.040 732736.0 2007-03-02 20.565 None 20.758 20.075 732737.0 ''' # 由于candlestick_ochl函数中要求有Axes,因此创建画布和子图 fig = plt.figure() # 画布 ax = fig.add_subplot(1,1,1) # 子图 # candlestick_ochl()与candlestick_ohlc()的区别主要是执行顺序 fin.candlestick_ochl(ax, arr) # fig.grid() fig.show()

  显示效果如下所示:

  

 

本文来源:https://www.kucaijing.com/articles/44658.html

标签组:[数据可视化] [matplotlib] [函数图像] [plot

相关APP下载

扩展阅读文章

热门话题

汽车推荐文章

汽车热门文章