matplotlib股票數據繪圖

1. 03_Python 使用Matplotlib繪圖

不知不覺，已經進入第12周了，Python數據分析的學習現今也已經進入了中後期，在繼上周進行了Numpy的康威生命游戲的編寫之後；緊接或飢著進行的學習就是利用Python的Matplotlib模塊來練習繪圖。 這次由於涉及到圖像，所以衫嫌返引者陵用了一些丁燁老師的pdf的截圖。主要是進行用Matplotlib模塊來進行MATLAB能做的數據分析繪圖工作，並結合Numpy和Matplotlib來做一個掃雷小游戲。

matplotlib官網

2. python matplotlib數據作圖

一、使用numpy生成長度為100的等差序列作為自變數陵或跡，命名為x，並使用三角函數SiNx和cosx**2生成兩個因變數，命名為y和Z。

3. matplotlib繪圖入門詳解

matplotlib是受MATLAB的啟發構建的。MATLAB是數據繪圖領域廣泛使用的語言和工具。MATLAB語言是面向過程的。利用函數的調用，MATLAB中可以輕松的利用一行命令來繪制直線，然後再用一系列的函數調整結果。

matplotlib有一套完全仿照MATLAB的函數形式的繪圖介面，在matplotlib.pyplot模塊中。這套函數介面方便MATLAB用戶過度到matplotlib包

官網： http://matplotlib.org/

學習方式：從官網examples入門學習

Figure：面板(圖)，matplotlib中的所有圖像都是位於figure對象中，一個圖像只能有一個figure對象。

Subplot：子圖，figure對象下創建一個或多個subplot對象(即axes)用於繪制圖像。

axex: 設置坐標軸邊界和表面的顏色、坐標刻度值大小和網格的顯示
figure: 控制dpi、邊界顏色、圖形大小、和子區( subplot)設置
font: 字體集（font family）、字體大小和樣式設置
grid: 設置網格顏色和線性
legend: 設置圖例和其中的文本的顯示
line: 設置線條（顏色、線型、寬度等）和標記
patch: 是填充2D空間的圖形對象，如多邊形和圓。控制線寬、顏色和抗鋸齒設置等。
savefig: 可以對保存的圖形進行單獨設置。例如，設置渲染的文件的背景為白色。
verbose: 設置matplotlib在執行期間信息輸出，如silent、helpful、debug和debug-annoying。
xticks和yticks: 為x,y軸的主刻度和次刻度設置顏色、大小、方向，以及標簽大小。

如果這兩種顏色不夠用，還可以通過正禪兩種其他方式來定義顏色值：

1、使用HTML十六進制字元串 color=』#123456』 使用合法的HTML顏色名字（』red』,』chartreuse』等）。
2、也可以傳入一個歸一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)

通過向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()這樣的方法提供一個axisbg參數，可以指定坐標這的背景色。

subplot(111,axisbg=(0.1843,0.3098,0.3098)）

以下示例需要引入的庫包括

plot時可以設置的激清散屬性包括如下：

一個窗口多個圖

屬性設置同點圖、線圖中。明氏

屬性設置同點圖、線圖中。

原文：
https://blog.csdn.net/luanpeng825485697/article/details/78508819

最後，給大家分享我收藏的幾個不錯的 github 項目，內容都還是不錯的，如果覺得有幫助，可以順便給個 star。

4. Python實操：手把手教你用Matplotlib把數據畫出來

作者：邁克爾·貝耶勒（Michael Beyeler）

如需轉載請聯系華章 科技

如果已安裝Anaconda Python版本，就已經安裝好了可以使用的 Matplotlib。否則，可能要訪問官網並從中獲取安裝說明：

http://matplotlib.org

正如使用np作為 NumPy 的縮寫，我們將使用一些標準的縮寫來表示 Matplotlib 的引入：

在本書中，plt介面會被頻繁使用。

讓我們創建第一個繪圖。

假設想要畫出正弦函數sin(x)的線性圖。得到函數在x坐標軸上0≤x＜10內所有點的值。我們將使用 NumPy 中的 linspace 函數來在x坐標軸上創建一個從0到10的線性空間，以及100個采樣點：

可以使用 NumPy 中的sin函數得到所有x點的值，並通過調用plt中的plot函數把結果畫出來：

你親自嘗試了嗎？發生了什麼嗎？有沒有什麼東西出現？

實際情況是，取決於你在哪裡運行腳本，可能無法看到任何東西。有下面幾種可能性：

1. 從.py腳本中繪圖

如果從一個腳本中運行 Matplotlib，需要加上下面的這行調用：

在腳本末尾調用這個函數，你的繪圖就會出現！

2. 從 IPython shell 中繪圖

這實際上是互動式地執行Matplotlib最方便的方式。為了讓繪圖出現，需要在啟動 IPython 後使用所謂的%matplotlib魔法命令。

接下來，無須每次調用plt.show()函數，所有的繪圖將會自動出現。

3. 從 Jupyter Notebook 中繪圖

如果你是從基於瀏覽器的 Jupyter Notebook 中看這段代碼，需要使用同樣的%matplotlib魔法命令。然而，也可以直接在notebook中嵌入圖形，這會有兩種輸出選項：

在本書中，將會使用inline選項：

現在再次嘗試一下：

上面的命令會得到下面的繪圖輸出結果：

如果想要把繪圖保存下來留作以後使用，可以直接在 IPython 或者 Jupyter Notebook 使用下面的命令保存：

僅需要確保你使用了支持的文件後綴，比如.jpg、.png、.tif、.svg、.eps或者.pdf。

作為本章最後一個測試，讓我們對外部數據集進行可視化，比如scikit-learn中的數字數據集。

為此，需要三個可視化工具：

那麼開始引入這些包吧：

第一步是載入實際數據：

如果沒記錯的話，digits應該有兩個不同的數據域：data域包含了真正的圖像數據，target域包含了圖像的標簽。相對於相信我們的記此坦憶，我們還是應該對digits稍加 探索 。輸入它的名字，添加一個點號，然後按Tab鍵：digits.<TAB>，這個操作將向我們展示digits也包含了一些其他的域，比如一個名為images的域。images和data這兩個域，似乎簡單從形狀上就可以區分。

兩種情況中，第一維對應的都是數據集中的圖像數量。然而，data中所有像素都在一個大的向量中排列，而images保留了各個圖像8×8的空間排列。

因此，如果想要繪制出一副單獨的圖像，使用images將更加合適。首先，使用NumPy的數組切片從數據集中獲取一幅圖像：

這里是從1797個元素的數組中獲取了它的第一行數據，這行數據對應的是8×8=64個像素。下面就可以使用plt中的imshow函數來繪制這幅圖手模像：

上面的命令得到下面的輸出：

此外，這里也使用cmap參數指定了一個顏色映射。默認情況下，Matplotlib 使用MATLAB默認的顏色映射jet。然而，在灰度圖像的情況下，gray顏色映射更有效。

最後，可以使用plt的subplot函數繪制全部數字的樣例。subplot函數與MATLAB中的函數一樣，需要指定行數、列數以及當前的子繪圖索引（從1開始計算）。我們將使畢扒緩用for 循環在數據集中迭代出前十張圖像，每張圖像都分配到一個單獨的子繪圖中。

這會得到下面的輸出結果：

關於作者：Michael Beyeler，華盛頓大學神經工程和數據科學專業的博士後，主攻仿生視覺計算模型，用以為盲人植入人工視網膜（仿生眼睛），改善盲人的視覺體驗。 他的工作屬於神經科學、計算機工程、計算機視覺和機器學習的交叉領域。同時他也是多個開源項目的積極貢獻者。

本文摘編自《機器學習：使用OpenCV和Python進行智能圖像處理》，經出版方授權發布。

5. Python量化教程：不得不學的K線圖「代碼復制可用」

不管是對量化分析師還是普通的投資者來說，K線圖（蠟燭圖）都是一種很經典、很重要的工具。在K線圖中，它會繪制每天的最高價、最低價、開盤價和收盤價，這對於我們理解股票的趨勢以及每天的多空對比很有幫助。

一般來說，我們會從各大券商平台獲取K線圖，但是這種情況下獲得的K線圖往往不能靈活調整，也不能適應復雜多變的生產需求。因此我們有必要學習一下如何使用Python繪制K線圖。

需要說明的是，這里mpl_finance是原來的matplotlib.finance，但是現在獨立出來了（而且好像沒什麼人維護更新了），我們將會使用它提供的方法來繪制K線圖；tushare是用來在線獲取股票數據的庫；matplotlib.ticker中有個FuncFormatter()方法可以幫助我們調整坐標軸；matplotlib.pylab.date2num可以幫助我們將日期數據進行必要的轉化。

我們以上證綜指18年9月份以來的行情為例。

我們先使用mpl_finance繪制一下，看看是否一切正常。

可以看到，所有的節假日包括周末，在這里都會顯示為空白，這對於我們圖形的連續性非常不友好，因此我們要解決掉他們。

可以看到，空白問題完美解決，這里我們解釋一下。由於matplotlib會將日期數據理解為 連續數據 ，而連續數據之間的間距是有意義的，所以非交易日即使沒有數據，在坐標軸上還是會體現出來。連續多少個非交易日，在坐標軸上就對應了多少個小格子，但這些小格子上方並沒有相應的蠟燭圖。

明白了它的原理，我們就可以對症下葯了。我們可以給橫坐標（日期）傳入連續的、固定間距的數據，先保證K線圖的繪制是連續的；然後生成一個保存有正確日期數據的列表，接下來，我們根據坐標軸上的數據去取對應的正確的日期，並替換為坐標軸上的標簽即可。

上邊format_date函數就是這個作用。由於前邊我們給dates列生成了從0開始的序列連續數據，因此我們可以直接把它當作索引，從真正的日期列表裡去取對應的數據。在這里我們要使用matplotlib.ticker.FuncFormattter()方法，它允許我們指定一個格式化坐標軸標簽的函數，在這個函數里，我們需要接受坐標軸的值以及位置，並返回自定義的標簽。

你學會了嗎？

當然，一個完整的K線圖到這里並沒有結束，後邊我們會考慮加入均線、成交量等元素，感興趣的同學歡迎關注哦！

6. Matplotlib 繪制直方圖、散點圖

直方圖可以幫助我們直觀地發現數據在不同區間的分布和集中情況。高團轎下或運面，我們就先來學習一下 Matplotlib 直方圖的繪制~

首先，導入工具包並執行魔法指令：

繪制直方圖，除了需要傳遞數據之外，還需要我們設置一個 bins ，即區間的劃分：

繪制結果：

此外，我們還可以在一張圖中繪制兩組數據的直方圖，可以進行對比分析：

這里除了使用 plt.legend(loc='best') 添加了圖注之外，在 plt.hist 繪制直方圖時，我們設置了透明度 alpha=0.6 ，這樣重疊的區間也可區分出兩組數據了~

使用 plt.scatter 即可繪制散點圖：

其中數據集 x1 x2 x3 都是二維的矩陣，在繪制散點圖時我們將第一個維度的值作為橫坐標，第二個維度的值作為戚肆縱坐標。

繪制結果：

上述，無論是散點圖還是直方圖，在一個坐標系繪制多組數據時， Matplotlib 都會自動為我們指定顏色，還是很方便的。我們只需要添加圖注即可~

下面，我們來給散點圖標注點的坐標~首先，繪制一個簡單的散點圖：

繪制結果：

使用 annotate 在坐標系中添加註釋：

7. 標普100案例分析 —— 帶著Python玩金融（5）

本文將帶著你使用Python對標普100數據進行簡單的分析，你會學到：

標准普爾100指數 用來衡量大公司的股票表現，它由多個行業的100家主要公司構成。2017年標普100在各行業的比例如下圖所示。

本文將要分析的數據如下表所示，它由四列數據構成，分別是公司名（Name），行業（Sector），股價（Price）和每股盈餘（EPS）。

我們將這四列數據分別存儲在四個Python列表中。

先來用切片的方法觀察下數據。比如查看前四家公司的名稱。

或者輸出最後一家公司的所有信息。

市盈率 （衫好余Price to Earnings ratio），也或滾稱股價收益比率，由股價除以每年度每股盈餘（EPS）得到，它是用來衡量股價水平是否合理的指標之一。

為了方便計算市盈率，我們首先將數據從Python列表類型轉換為NumPy數組。

NumPy數組的優勢是它可以直接對數組進行運算，襪嘩而這一點Python列表是做不到的。比如計算市盈率 pe ，我們可以直接將數組 prices 除以數組 earnings 。

接下來我們就具體行業來進行分析，比如對於IT行業，我們首先需要篩選出哪些公司屬於這一行業。

用同樣的方法，篩選出必需消費品行業的公司和市盈率。

篩選出IT和必需消費品行業的數據後，我們來計算這兩個行業市盈率的均值和標准差。

首先用散點圖來觀察這兩個行業中每一家公司的市盈率。這里使用Python中常用的繪圖工具包 matplotlib 。

我們注意到，上圖的右上角有一IT公司的市盈率特別高。若某股票的市盈率高於同類股票，往往意味著該股有較高的增長預期。所以讓我們進一步來觀察IT行業的市盈率分布，在這里直方圖可以用來查看數據的分布情況。

現在可以更直觀的看到在直方圖的右側有一離群值，它具有很高的市盈率。我們可以使用布爾索引找到這家市盈率很高的公司。

註：本文是 DataCamp 課程 Intro to Python for Finance 的學習筆記。