【Python】機(jī)器學(xué)習(xí)繪圖神器Matplotlib首秀！

公眾號(hào)：尤而小屋
作者：Peter
編輯：Peter

Matplotlib是一個(gè)非常經(jīng)典的繪圖庫(kù)，甚至有人將numpy+pandas+matplotlib稱之為數(shù)據(jù)分析三劍客，足以說(shuō)明這個(gè)庫(kù)的重要性。雖然Peter鐘情于Plotly，但掌握Matplotlib繪制技巧也非常重要。

基于Matplotlib的繪圖技巧太多了，想深入學(xué)習(xí)的小伙伴建議直接官網(wǎng)：https://matplotlib.org/

從本文中你將學(xué)習(xí)到以下幾點(diǎn)：

• 基本圖形繪制：折線圖、柱狀圖、直方圖、雙軸線圖等
• 繪制小技巧：添加圖例、標(biāo)題、注釋、顏色等
• 實(shí)戰(zhàn)：股票趨勢(shì)圖和K線圖制作

導(dǎo)入庫(kù)

一般繪圖的時(shí)候需要導(dǎo)入常見(jiàn)的庫(kù)；在使用matplotlib繪制的時(shí)候還需要解決中文的問(wèn)題

import?pandas?as?pd
import?numpy?as?np

import?matplotlib.pyplot?as?plt
%matplotlib?inline

#?用來(lái)正常顯示中文標(biāo)簽
plt.rcParams['font.sans-serif']?=?['SimHei']??
#?解決負(fù)號(hào)“-”顯示為
plt.rcParams['axes.unicode_minus']?=?False??

折線圖

x?=?[2,3,4]
y?=?[4,6,8]

plt.plot(x,y)
plt.show()

多折線圖

#?默認(rèn)參數(shù)
x1?=?np.array([1,3,5])
y1?=?x1?+?4
plt.plot(x1,y1)

#?第二條紅線
y2?=?x1?*?2
plt.plot(x1,y2,color="red",linewidth=3,linestyle="--")
plt.show()

柱狀圖

x?=?[2,3,4,5,6]
y?=?[4,6,8,10,12]

plt.bar(x,y)
plt.show()

散點(diǎn)圖

x?=?np.random.rand(20)??#?0-1之間的20個(gè)隨機(jī)數(shù)
y?=?np.random.rand(20)

plt.scatter(x,y)
plt.show()

直方圖

#?隨機(jī)生成1000個(gè)服從正態(tài)分布的數(shù)據(jù)，均值為0，標(biāo)準(zhǔn)差為1
data?=?np.random.randn(1000)

plt.hist(data,?bins=40,?edgecolor="black")
plt.show()

頻率直方圖

主要是y軸發(fā)生了變化，全部是小數(shù)表示的

data?=?np.random.randn(1000)

#?區(qū)別：加上參數(shù)density=1
plt.hist(data,?bins=40,?density=1,?edgecolor="black")
plt.show()

繪圖技巧

技巧1：設(shè)置大小

x?=?[2,3,4]
y?=?[4,6,8]

plt.plot(x,y)
#設(shè)置大小??8代表800像素
plt.rcParams["figure.figsize"]?=?(8,6)

plt.show()

添加文字說(shuō)明

文字說(shuō)明包含標(biāo)題、軸標(biāo)簽等

x?=?[2,3,4]
y?=?[4,6,8]

plt.plot(x,y)
#?添加標(biāo)題和軸名稱
plt.title("Title")
plt.xlabel("x?axis")
plt.ylabel("y?axis")

plt.show()

修改線條樣式

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()

添加注釋

plt.rcParams['font.sans-serif']=['SimHei']?#用來(lái)正常顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus']=False

x=[1,?2,?3,?4]
y=[1,?4,?9,?16]

plt.plot(x,y)
plt.xlabel('x坐標(biāo)軸')
plt.ylabel('y坐標(biāo)軸')
plt.title('標(biāo)題')

#?添加注釋
plt.annotate('我是注釋',?
?????????????xy=(2,5),?
?????????????xytext=(2,?10),
????????????arrowprops=dict(facecolor='black',?
????????????????????????????shrink=0.01),
????????????)

plt.show()

添加圖例

#?第一條
x1?=?np.array([1,3,5])
y1?=?x1?+?4
plt.plot(x1,y1,label="y=x+4?")

#?第二條紅線
y2?=?x1?*?2
plt.plot(x1,y2,
?????????color="red",
?????????linewidth=3,
?????????linestyle="--",
?????????label="y=x*2")

#?設(shè)定位置
plt.legend(loc='upper?left')
plt.show()

調(diào)整顏色

import?numpy?as?np
import?matplotlib.pyplot?as?plt
%matplotlib?inline

x=np.arange(1,8)

#顏色的多種寫(xiě)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()

設(shè)置雙軸

#?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')?#?圖例位置

#?重要代碼：設(shè)置雙軸
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()

旋轉(zhuǎn)軸刻度

當(dāng)某個(gè)軸的刻度值過(guò)長(zhǎng)的時(shí)候，我們可以通過(guò)旋轉(zhuǎn)的方式進(jìn)行顯示

x?=?["Monday","Thursday","Wednesday"]
y?=?[4,6,8]

plt.plot(x,y)
plt.xticks(rotation=45)

plt.show()

繪制多圖-方法1

import?matplotlib.pyplot?as?plt

#?繪制第1張子圖：折線圖
ax1?=?plt.subplot(221)
plt.plot([1,?2,?3],?[2,?4,?6])

#?繪制第2張子圖：柱形圖
ax2?=?plt.subplot(222)
plt.bar([1,?2,?3],?[2,?4,?6])

#?繪制第3張子圖：散點(diǎn)圖
ax3?=?plt.subplot(223)
plt.scatter([1,?3,?5],?[7,?9,?11])

#?繪制第4張子圖：直方圖
ax4?=?plt.subplot(224)
plt.hist([2,?5,?2,?8,?4])

plt.show()

繪制多圖-方法2

subplots函數(shù)主要是兩個(gè)參數(shù)：nrows表示行數(shù)，ncols表示列數(shù)；同時(shí)設(shè)置大小figsize。

函數(shù)返回的是畫(huà)布fig和子圖合集axes

fig,?axes?=?plt.subplots(nrows=2,?ncols=2,figsize=(10,6))

#?flatten表示將子圖合集展開(kāi)，得到每個(gè)子圖
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()

實(shí)戰(zhàn)：繪制股票趨勢(shì)圖

我們從Tushare官網(wǎng)來(lái)獲取股票的數(shù)據(jù)，首先安裝：

pip?install?tushare

獲取數(shù)據(jù)

import?tushare?as?ts

df?=?ts.get_k_data("000001",start="2020-05-08",end="2020-08-08")
df

為了方便后續(xù)的繪圖，需要將日期date字段改成索引：

#?將日期設(shè)置成索引
df1?=?df.set_index("date")

默認(rèn)繪圖

我們使用收盤(pán)價(jià)close來(lái)繪制默認(rèn)的圖形

fig?=?df1["close"].plot()

plt.show()

添加標(biāo)題

#?Pandas直接繪圖
fig?=?df["close"].plot(title="PingAn")
plt.show()

上面是使用Pandas內(nèi)置的折線圖方法來(lái)繪制，下面使用Matplobtlib來(lái)繪制：

#?使用Matplotlib繪圖

#?獲取數(shù)據(jù)
#?import?tushare?as?ts
#?df?=?ts.get_k_data("000001",start="2018-08-08",end="2020-08-08")

#?調(diào)整時(shí)間
from?datetime?import?datetime
df["date"]?=?df["date"].apply(lambda?x:datetime.strptime(x,"%Y-%m-%d"))

#?繪制折線圖
import?matplotlib.pyplot?as?plt
%matplotlib?inline

plt.plot(df["date"],df["close"])
#?標(biāo)題
plt.title("PingAn")
#?旋轉(zhuǎn)
plt.xticks(rotation=-45)??
plt.show()

實(shí)戰(zhàn)進(jìn)階：繪制K線圖+成交量

首先，我們了解一點(diǎn)基本的股票知識(shí)：股市的漲跌對(duì)K線圖的影響

安裝庫(kù)

為了繪制k線圖，我們需要安裝一個(gè)庫(kù)：

#安裝庫(kù)mpl_finance
pip?install?mpl_finance

獲取代碼

df?=?ts.get_k_data("000001",start="2020-09-08",end="2021-03-08")
df.head()

• date：日期
• open：開(kāi)盤(pán)價(jià)
• close：收盤(pán)價(jià)
• high：最高價(jià)
• low：最低價(jià)
• volume：成交量
• code：股票代碼

日期格式轉(zhuǎn)化

定義一個(gè)將字符串形式的日期轉(zhuǎn)成數(shù)字型的函數(shù)：

from?matplotlib.pylab?import?date2num
import?datetime

def?date_to_number(dates):
????number_time?=?[]
????for?date?in?dates:
????????#?字符串轉(zhuǎn)時(shí)間戳格式
????????date_time?=?datetime.datetime.strptime(date,"%Y-%m-%d")
????????#?時(shí)間戳格式轉(zhuǎn)成數(shù)字格式
????????number_date?=?date2num(date_time)
????????number_time.append(number_date)
????return?number_time

下面進(jìn)行的操作是取出上面數(shù)據(jù)中的values部分并轉(zhuǎn)成numpy；同時(shí)調(diào)用上面的函數(shù)：

#?DataFrame轉(zhuǎn)成numpy數(shù)組格式
df1?=?df.values??

#?將二維數(shù)組的日期轉(zhuǎn)成數(shù)字（使用上面的函數(shù)）
df1[:,0]?=?date_to_number(df1[:,0])??

繪制K線圖

fig,?ax?=?plt.subplots(figsize=(15,6))

mpf.candlestick_ochl(ax,?#?繪圖Axes的實(shí)例，畫(huà)布中的子圖
?????????????????????df1,??#?帶繪圖的數(shù)據(jù)
?????????????????????width=0.5,??#?K線柱形的寬度
?????????????????????colorup="red",??#?收盤(pán)價(jià)>開(kāi)盤(pán)價(jià)
?????????????????????colordown="green",??#?收盤(pán)價(jià)<開(kāi)盤(pán)價(jià)
?????????????????????alpha=5)??#?柱子的透明度

plt.grid(True)??#?顯示網(wǎng)格線
ax.xaxis_date()?#?將x軸設(shè)置成常規(guī)的日期格式

添加均線

下面的代碼是添加5日和20日的均線數(shù)據(jù)：

繪制均線圖

fig,?ax?=?plt.subplots(figsize=(15,6))

mpf.candlestick_ochl(ax,?#?繪圖Axes的實(shí)例，畫(huà)布中的子圖
?????????????????????df1,??#?帶繪圖的數(shù)據(jù)
?????????????????????width=0.5,??#?K線柱形的寬度
?????????????????????colorup="red",??#?收盤(pán)價(jià)>開(kāi)盤(pán)價(jià)
?????????????????????colordown="green",??#?收盤(pán)價(jià)<開(kāi)盤(pán)價(jià)
?????????????????????alpha=5)??#?柱子的透明度

#?添加均線
plt.plot(df1[:,0],df["MA5"],?c="black")
plt.plot(df1[:,0],df["MA20"])

plt.grid(True)??#?顯示網(wǎng)格線
ax.xaxis_date()?#?將x軸設(shè)置成常規(guī)的日期格式

#?添加標(biāo)題
plt.title("PingAn")
plt.xlabel("date")
plt.ylabel("Price")
plt.show()

添加成交量

我們將K線圖放在第一個(gè)子圖位置，將成交量放在第二個(gè)位置即可：

#用來(lái)正常顯示中文標(biāo)簽
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

#?畫(huà)布、子圖、共享x軸
fig,?ax?=?plt.subplots(2,1,sharex=True,figsize=(15,6))?

ax1,ax2?=?ax.flatten()

#?第一個(gè)圖
mpf.candlestick_ochl(ax1,?#?繪圖Axes的實(shí)例，畫(huà)布中的子圖
?????????????????????df1,??#?帶繪圖的數(shù)據(jù)
?????????????????????width=0.5,??#?K線柱形的寬度
?????????????????????colorup="red",??#?收盤(pán)價(jià)>開(kāi)盤(pán)價(jià)
?????????????????????colordown="green",??#?收盤(pán)價(jià)<開(kāi)盤(pán)價(jià)
?????????????????????alpha=5)??#?柱子的透明度

#?添加均線
ax1.plot(df1[:,0],df["MA5"],?c="black")
ax1.plot(df1[:,0],df["MA20"])

#?顯示網(wǎng)格線
ax1.grid(True)??
#?將x軸設(shè)置成常規(guī)的日期格式
ax1.xaxis_date()?
#?添加標(biāo)題、軸名稱等
ax1.set_title("平安股價(jià)走勢(shì)圖")
ax1.set_xlabel("時(shí)間")
ax1.set_ylabel("價(jià)格")
#?--------------------------

#?第2個(gè)子圖
ax2.bar(df1[:,0],df1[:,5])
ax2.set_xlabel("時(shí)間")
ax2.set_ylabel("成交量")??#?成交量
ax2.grid(True)
ax2.xaxis_date()

plt.show()