Matplotlib是一个非常经典的绘图库，甚至有人将numpy+pandas+matplotlib称之为数据分析三剑客，足以说明这个库的重要性。虽然Peter钟情于Plotly，但掌握Matplotlib绘制技巧也非常重要。
基于Matplotlib的绘图技巧太多了，想深入学习的小伙伴建议直接官网：https://matplotlib.org/
从本文中你将学习到以下几点：
一般绘图的时候需要导入常见的库；在使用matplotlib绘制的时候还需要解决中文的问题
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号“-”显示为
plt.rcParams['axes.unicode_minus'] = False
x = [2,3,4]
y = [4,6,8]
plt.plot(x,y)
plt.show()
# 默认参数
x1 = np.array([1,3,5])
y1 = x1 + 4
plt.plot(x1,y1)
# 第二条红线
y2 = x1 * 2
plt.plot(x1,y2,color='red',linewidth=3,linestyle='--')
plt.show()
x = [2,3,4,5,6]
y = [4,6,8,10,12]
plt.bar(x,y)
plt.show()
x = np.random.rand(20) # 0-1之间的20个随机数
y = np.random.rand(20)
plt.scatter(x,y)
plt.show()
# 随机生成1000个服从正态分布的数据，均值为0，标准差为1
data = np.random.randn(1000)
plt.hist(data, bins=40, edgecolor='black')
plt.show()
主要是y轴发生了变化，全部是小数表示的
data = np.random.randn(1000)
# 区别：加上参数density=1
plt.hist(data, bins=40, density=1, edgecolor='black')
plt.show()
x = [2,3,4]
y = [4,6,8]
plt.plot(x,y)
#设置大小 8代表800像素
plt.rcParams['figure.figsize'] = (8,6)
plt.show()
文字说明包含标题、轴标签等
x = [2,3,4]
y = [4,6,8]
plt.plot(x,y)
# 添加标题和轴名称
plt.title('Title')
plt.xlabel('x axis')
plt.ylabel('y axis')
plt.show()
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(1,8)
plt.plot(x,marker='>')
plt.plot(x+4,marker='+')
plt.plot(x*2,marker='o')
plt.show()
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False
x=[1, 2, 3, 4]
y=[1, 4, 9, 16]
plt.plot(x,y)
plt.xlabel('x坐标轴')
plt.ylabel('y坐标轴')
plt.title('标题')
# 添加注释
plt.annotate('我是注释',
xy=(2,5),
xytext=(2, 10),
arrowprops=dict(facecolor='black',
shrink=0.01),
)
plt.show()
# 第一条
x1 = np.array([1,3,5])
y1 = x1 + 4
plt.plot(x1,y1,label='y=x+4 ')
# 第二条红线
y2 = x1 * 2
plt.plot(x1,y2,
color='red',
linewidth=3,
linestyle='--',
label='y=x*2')
# 设定位置
plt.legend(loc='upper left')
plt.show()
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(1,8)
#颜色的多种写法
plt.plot(x,color='r') # r表示red g表示green b表示blue
plt.plot(x+1,color='0.5')
plt.plot(x+2,color='#AF00FF')
plt.plot(x+3,color=(0.1,0.2,0.3))
plt.show()
# 1
x1 = np.array([1,3,5])
y1 = 50*x1 + 14
plt.plot(x1,y1,label='y=50 * x + 4 ')
plt.legend(loc='upper right') # 图例位置
# 重要代码：设置双轴
plt.twinx()
# 2
y2 = -x1 * 20 + 3
plt.plot(x1,y2,color='red',
linewidth=3,
linestyle='--',
label='y=-x * 20 + 3')
plt.legend(loc='upper left')
plt.show()
当某个轴的刻度值过长的时候，我们可以通过旋转的方式进行显示
x = ['Monday','Thursday','Wednesday']
y = [4,6,8]
plt.plot(x,y)
plt.xticks(rotation=45)
plt.show()
import matplotlib.pyplot as plt
# 绘制第1张子图：折线图
ax1 = plt.subplot(221)
plt.plot([1, 2, 3], [2, 4, 6])
# 绘制第2张子图：柱形图
ax2 = plt.subplot(222)
plt.bar([1, 2, 3], [2, 4, 6])
# 绘制第3张子图：散点图
ax3 = plt.subplot(223)
plt.scatter([1, 3, 5], [7, 9, 11])
# 绘制第4张子图：直方图
ax4 = plt.subplot(224)
plt.hist([2, 5, 2, 8, 4])
plt.show()
subplots函数主要是两个参数：nrows表示行数，ncols表示列数；同时设置大小figsize。
函数返回的是画布fig和子图合集axes
fig, axes = plt.subplots(nrows=2, ncols=2,figsize=(10,6))
# flatten表示将子图合集展开，得到每个子图
ax1,ax2,ax3,ax4 = axes.flatten()
ax1.plot([1, 2, 3], [2, 4, 6])
ax2.bar([1, 2, 3], [2, 4, 6])
ax3.scatter([1, 3, 5], [7, 9, 11])
ax4.hist([2, 5, 2, 8, 4])
plt.show()
我们从Tushare官网来获取股票的数据，首先安装：
pip install tushare
import tushare as ts
df = ts.get_k_data('000001',start='2020-05-08',end='2020-08-08')
df
为了方便后续的绘图，需要将日期date字段改成索引：
# 将日期设置成索引
df1 = df.set_index('date')
我们使用收盘价close来绘制默认的图形
fig = df1['close'].plot()
plt.show()
# Pandas直接绘图
fig = df['close'].plot(title='PingAn')
plt.show()
上面是使用Pandas内置的折线图方法来绘制，下面使用Matplobtlib来绘制：
# 使用Matplotlib绘图
# 获取数据
# import tushare as ts
# df = ts.get_k_data('000001',start='2018-08-08',end='2020-08-08')
# 调整时间
from datetime import datetime
df['date'] = df['date'].apply(lambda x:datetime.strptime(x,'%Y-%m-%d'))
# 绘制折线图
import matplotlib.pyplot as plt
%matplotlib inline
plt.plot(df['date'],df['close'])
# 标题
plt.title('PingAn')
# 旋转
plt.xticks(rotation=-45)
plt.show()
首先，我们了解一点基本的股票知识：股市的涨跌对K线图的影响
为了绘制k线图，我们需要安装一个库：
#安装库mpl_finance
pip install mpl_finance
df = ts.get_k_data('000001',start='2020-09-08',end='2021-03-08')
df.head()
定义一个将字符串形式的日期转成数字型的函数：
from matplotlib.pylab import date2num
import datetime
def date_to_number(dates):
number_time = []
for date in dates:
# 字符串转时间戳格式
date_time = datetime.datetime.strptime(date,'%Y-%m-%d')
# 时间戳格式转成数字格式
number_date = date2num(date_time)
number_time.append(number_date)
return number_time
下面进行的操作是取出上面数据中的values部分并转成numpy；同时调用上面的函数：
# DataFrame转成numpy数组格式
df1 = df.values
# 将二维数组的日期转成数字（使用上面的函数）
df1[:,0] = date_to_number(df1[:,0])
fig, ax = plt.subplots(figsize=(15,6))
mpf.candlestick_ochl(ax, # 绘图Axes的实例，画布中的子图
df1, # 带绘图的数据
width=0.5, # K线柱形的宽度
colorup='red', # 收盘价>开盘价
colordown='green', # 收盘价<开盘价
alpha=5) # 柱子的透明度
plt.grid(True) # 显示网格线
ax.xaxis_date() # 将x轴设置成常规的日期格式
下面的代码是添加5日和20日的均线数据：
fig, ax = plt.subplots(figsize=(15,6))
mpf.candlestick_ochl(ax, # 绘图Axes的实例，画布中的子图
df1, # 带绘图的数据
width=0.5, # K线柱形的宽度
colorup='red', # 收盘价>开盘价
colordown='green', # 收盘价<开盘价
alpha=5) # 柱子的透明度
# 添加均线
plt.plot(df1[:,0],df['MA5'], c='black')
plt.plot(df1[:,0],df['MA20'])
plt.grid(True) # 显示网格线
ax.xaxis_date() # 将x轴设置成常规的日期格式
# 添加标题
plt.title('PingAn')
plt.xlabel('date')
plt.ylabel('Price')
plt.show()
我们将K线图放在第一个子图位置，将成交量放在第二个位置即可：
#用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
# 画布、子图、共享x轴
fig, ax = plt.subplots(2,1,sharex=True,figsize=(15,6))
ax1,ax2 = ax.flatten()
# 第一个图
mpf.candlestick_ochl(ax1, # 绘图Axes的实例，画布中的子图
df1, # 带绘图的数据
width=0.5, # K线柱形的宽度
colorup='red', # 收盘价>开盘价
colordown='green', # 收盘价<开盘价
alpha=5) # 柱子的透明度
# 添加均线
ax1.plot(df1[:,0],df['MA5'], c='black')
ax1.plot(df1[:,0],df['MA20'])
# 显示网格线
ax1.grid(True)
# 将x轴设置成常规的日期格式
ax1.xaxis_date()
# 添加标题、轴名称等
ax1.set_title('平安股价走势图')
ax1.set_xlabel('时间')
ax1.set_ylabel('价格')
# --------------------------
# 第2个子图
ax2.bar(df1[:,0],df1[:,5])
ax2.set_xlabel('时间')
ax2.set_ylabel('成交量') # 成交量
ax2.grid(True)
ax2.xaxis_date()
plt.show()
联系客服
