Seaborn + Pandas帶你玩轉(zhuǎn)股市數(shù)據(jù)可視化分析

人人都可以簡單入門Python、爬蟲、數(shù)據(jù)分析
 簡說Python推薦 
來源：數(shù)據(jù)STUDIO
作者：云朵君

大家好，我是老表。

導(dǎo)讀： 前面探索性數(shù)據(jù)分析在介紹可視化探索特征變量時(shí)已經(jīng)介紹了多個(gè)可視化圖形繪制方法，本文繼續(xù)介紹兩大繪圖技巧，分布使用seaborn與pandas包繪制可視化圖形。旨在通過金融股市歷史價(jià)格數(shù)據(jù)學(xué)習(xí)可視化繪圖技巧。

在日常生活中，可視化技術(shù)常常是優(yōu)先選擇的方法。盡管在大多數(shù)技術(shù)學(xué)科（包括數(shù)據(jù)挖掘）中通常強(qiáng)調(diào)算法或數(shù)學(xué)方法，但是可視化技術(shù)也能在數(shù)據(jù)分析方面起到關(guān)鍵性作用。

除了折線圖和散點(diǎn)圖，你還知道哪些一行代碼就能繪制出的酷炫又實(shí)用的可視化圖形呢？下面我們就來一起探索吧。

導(dǎo)入相關(guān)模塊

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set(style="white", color_codes=True)

數(shù)據(jù)準(zhǔn)備

此處數(shù)據(jù)獲取及特征構(gòu)造可參見金融數(shù)據(jù)準(zhǔn)備。

折線圖看趨勢(shì)

折線圖在股市中地位是不可撼動(dòng)的，折線圖即股票走勢(shì)圖也就是K線圖，是股民們分析股市歷史數(shù)據(jù)即走勢(shì)的重要圖形，通常分為，日、周、月、季、年K線圖。

• 單條折線

fig, ax = plt.subplots()
fig.set_size_inches(12, 8)
sns.lineplot(dataset.index ,
             dataset['Adj Close'])

• 雙折線

sns.lineplot(x=dataset.index, 
             y="Adj Close", 
             hue="Increase_Decrease", data=dataset)

• 多條折線

# Plot Multi lines
sns.lineplot(data=dataset[
  ['Open', 'Low', 'High', 'Close']])

計(jì)數(shù)直方圖做對(duì)比

dataset['Increase_Decrease'].value_counts()

Decrease    812
Increase    759
Name: Increase_Decrease, dtype: int64

計(jì)數(shù)直方圖會(huì)自動(dòng)聚合求和?？梢杂靡员容^各個(gè)不同階段成交量或成交金額的有力工具。

sns.countplot(
        dataset['Increase_Decrease'],
        label="Count")   

散點(diǎn)圖看相關(guān)性

散點(diǎn)圖表示因變量（Y軸數(shù)值）隨自變量（X軸數(shù)值）變化的大致趨勢(shì)，從而選擇合適的函數(shù)對(duì)數(shù)據(jù)點(diǎn)進(jìn)行擬合；散點(diǎn)圖中包含的數(shù)據(jù)越多，比較的效果也越好。

可以使用散點(diǎn)圖提供關(guān)鍵信息：

1、變量之間是否存在數(shù)量關(guān)聯(lián)趨勢(shì)；
2、如果存在關(guān)聯(lián)趨勢(shì)，是線性還是曲線的；
3、如果有某一個(gè)點(diǎn)或者某幾個(gè)點(diǎn)偏離大多數(shù)點(diǎn)，也就是離群值，通過散點(diǎn)圖可以一目了然。從而可以進(jìn)一步分析這些離群值是否可能在建模分析中對(duì)總體產(chǎn)生很大影響。

# Scatterplot
dataset.plot(kind="scatter", 
             x="Open", 
             y="Close",
             figsize=(10,8))

二元散點(diǎn)圖和一元直方圖

用 sns.jointplot 可以同時(shí)看到兩個(gè)變量的聯(lián)合分布與單變量的獨(dú)立分布。

grid=sns.jointplot(x="Open", 
                   y="Close", 
                   data=dataset, 
                   size=5)
grid.fig.set_figwidth(8)
grid.fig.set_figheight(8)

聯(lián)合分布圖也可以自動(dòng)進(jìn)行 KDE 和回歸。

sns.jointplot(dataset.loc[:,'Open'], 
              dataset.loc[:,'Close'], 
              kind="reg", 
              color="#ce1414")

結(jié)構(gòu)化多繪圖網(wǎng)格

當(dāng)您想要在數(shù)據(jù)集的子集中分別可視化變量的分布或多個(gè)變量之間的關(guān)系時(shí)，FacetGrid^[1]類非常有用。一個(gè)FacetGrid可以與多達(dá)三個(gè)維度可以得出：row，col，和hue。前兩個(gè)與得到的軸陣列有明顯的對(duì)應(yīng)關(guān)系; 將色調(diào)變量視為沿深度軸的第三個(gè)維度，其中不同的級(jí)別用不同的顏色繪制。

基本工作流程是FacetGrid使用數(shù)據(jù)集和用于構(gòu)造網(wǎng)格的變量初始化對(duì)象。然后，可以通過調(diào)用FacetGrid.map()或?qū)⒁粋€(gè)或多個(gè)繪圖函數(shù)應(yīng)用于每個(gè)子集 FacetGrid.map_dataframe()。最后，可以使用其他方法調(diào)整繪圖，以執(zhí)行更改軸標(biāo)簽，使用不同刻度或添加圖例等操作。

grid = sns.FacetGrid(dataset,
                      col='Buy_Sell', 
                      hue="Increase_Decrease",
                      size=5) \
   .map(plt.scatter, "Open", "Close") \
   .add_legend()
grid.fig.set_figwidth(15)
grid.fig.set_figheight(6)

grid = sns.FacetGrid(dataset, 
                     col='Buy_Sell',
                     row='Buy_Sell_on_Open', 
                     hue="Increase_Decrease", 
                     size=6)
grid.map(sns.kdeplot, "Close") 
grid.add_legend()

箱圖可看離群值

# Boxplot
sns.boxplot(x='Increase_Decrease', 
            y=dataset['Close'], 
            data=dataset)

分類散點(diǎn)圖

按照不同類別對(duì)樣本數(shù)據(jù)進(jìn)行分布散點(diǎn)圖繪制。

ax = sns.boxplot(x='Increase_Decrease', 
                  y=dataset['Close'], 
                  data=dataset)
ax = sns.stripplot(x='Increase_Decrease', 
# 按照x軸類別進(jìn)行繪制
                   y=dataset['Close'], 
                   data=dataset, 
                   jitter=True, 
# 當(dāng)數(shù)據(jù)重合較多時(shí)，用該參數(shù)做一些調(diào)整，
# 也可以設(shè)置間距如，jitter = 0.1
                   edgecolor="gray")
# 可以通過hue參數(shù)對(duì)散點(diǎn)圖中的數(shù)值進(jìn)行分類

小提琴圖

小提琴圖是箱線圖與核密度圖的結(jié)合，箱線圖展示了分位數(shù)的位置，核密度圖則展示了任意位置的密度，通過小提琴圖可以知道哪些位置的數(shù)據(jù)點(diǎn)聚集的較多，因其形似小提琴而得名。

其外圍的曲線寬度代表數(shù)據(jù)點(diǎn)分布的密度，中間的箱線圖則和普通箱線圖表征的意義是一樣的，代表著中位數(shù)、上下分位數(shù)、極差等。細(xì)線代表  置信區(qū)間。

當(dāng)使用帶有兩種顏色的變量時(shí)，將split設(shè)置為 True 則會(huì)為每種顏色繪制對(duì)應(yīng)半邊小提琴。從而可以更容易直接的比較分布。

sns.violinplot(x='Increase_Decrease', 
               y=dataset['Volume'], 
               hue='Buy_Sell', 
               split=True,
               data=dataset, 
               size=6)

熱力圖

熱力圖在實(shí)際中常用于展示一組變量的相關(guān)系數(shù)矩陣，在展示列聯(lián)表的數(shù)據(jù)分布上也有較大的用途，通過熱力圖我們可以非常直觀地感受到數(shù)值大小的差異狀況。

sns.heatmap(dataset[['Open', 'High', 'Low', 'Adj Close',                      'Volume', 'Returns']].corr(), 
            annot=True, 
            linewidths=.5, 
            fmt= '.3f')

熱力圖的右側(cè)是顏色帶，上面代表了數(shù)值到顏色的映射，數(shù)值由小到大對(duì)應(yīng)色彩由暗到亮。

pairplot看特征間的關(guān)系

seaborn中pairplot函數(shù)可視化探索數(shù)據(jù)特征間的關(guān)系。

當(dāng)你需要對(duì)多維數(shù)據(jù)集進(jìn)行可視化時(shí)，最終都要使用散布矩陣圖**(pair plot)** 。如果想畫出所有變量中任意兩個(gè)變量之間的圖形，用矩陣圖探索多維數(shù)據(jù)不同維度間的相關(guān)性非常有效。

散布圖有兩個(gè)主要用途。其一，他們圖形化地顯示兩個(gè)屬性之間的關(guān)系。直接使用散布圖，或使用變換后屬性的散布圖，也可以判斷非線性關(guān)系。

其二，當(dāng)類標(biāo)號(hào)給出時(shí)，可以使用散布圖考察兩個(gè)屬性將類分開的程度。意思是用一條直線或者更復(fù)雜的曲線，將兩個(gè)屬性定義的平面分成區(qū)域，每個(gè)區(qū)域包含一個(gè)類的大部分對(duì)象，則可能基于這對(duì)指定的屬性構(gòu)造精確的分類器。

sns.pairplot(dataset.drop(
    ["Increase_Decrease", "Buy_Sell_on_Open", 
    "Buy_Sell"],axis=1), size=3,
             # diag_kind="kde"
            )

PairGrid 成對(duì)關(guān)系子圖

子圖網(wǎng)格，用于在數(shù)據(jù)集中繪制成對(duì)關(guān)系。

此類將數(shù)據(jù)集中的每個(gè)變量映射到多軸網(wǎng)格中的列和行?？梢允褂貌煌?code style="padding: 2px 4px;border-radius: 4px;margin-right: 2px;margin-left: 2px;background-color: rgba(27, 31, 35, 0.05);font-family: "Operator Mono", Consolas, Monaco, Menlo, monospace;word-break: break-all;color: rgb(205, 133, 63);">axes-level繪圖函數(shù)在上三角形和下三角形中繪制雙變量圖，并且每個(gè)變量的邊際分布可以顯示在對(duì)角線上。

它還可以使用hue參數(shù)表示條件化的附加級(jí)別，該參數(shù)以不同的顏色繪制不同的數(shù)據(jù)子集。這使用顏色來解析第三維上的元素，但僅在彼此之上繪制子集，而不會(huì)像axes-level函數(shù)接受色相那樣為特定的可視化效果定制色相參數(shù)。

sns.set(style="white")
df = dataset.loc[:,['Open','High','Low']]
g = sns.PairGrid(df, diag_sharey=False)
g.map_lower(sns.kdeplot, cmap="Blues_d")
g.map_upper(plt.scatter)
g.map_diag(sns.kdeplot, lw=3)

dataset.boxplot(by="Increase_Decrease", figsize=(12, 6))

pandas繪圖

條形圖

dataset['Volume'].resample('Y').mean().plot.bar()

pandas可視化^[2]中，可以使用Series和DataFrame上的plot方法，它只是一個(gè)簡單的包裝器 plt.plot()，另外還有一些有幾個(gè)繪圖功能在pandas.plotting 內(nèi)。

安德魯斯曲線

安德魯斯曲線^[3]允許將多元數(shù)據(jù)繪制為大量曲線，這些曲線是使用樣本的屬性作為傅里葉級(jí)數(shù)的系數(shù)而創(chuàng)建的。通過為每個(gè)類別對(duì)這些曲線進(jìn)行不同的著色，可以可視化數(shù)據(jù)聚類。屬于同一類別的樣本的曲線通常會(huì)更靠近在一起并形成較大的結(jié)構(gòu)。

from pandas.plotting import andrews_curves
andrews_curves(dataset[
    ['Open', 'Close', 'Increase_Decrease']],
        "Increase_Decrease")

平行坐標(biāo)

平行坐標(biāo)^[4]是一種用于繪制多元數(shù)據(jù)的繪制技術(shù) 。平行坐標(biāo)允許人們查看數(shù)據(jù)中的聚類，并直觀地估計(jì)其他統(tǒng)計(jì)信息。使用平行坐標(biāo)點(diǎn)表示為連接的線段。每條垂直線代表一個(gè)屬性。一組連接的線段代表一個(gè)數(shù)據(jù)點(diǎn)。趨于聚集的點(diǎn)將顯得更靠近。

from pandas.plotting import parallel_coordinates
parallel_coordinates(dataset[
    ['Open', 'High', 'Low', 'Increase_Decrease']], 
        "Increase_Decrease")

徑向坐標(biāo)可視化

RadViz是一種可視化多變量數(shù)據(jù)的方法。它基于簡單的彈簧張力最小化算法?；旧希谄矫嫔显O(shè)置了一堆點(diǎn)。在我們的情況下，它們?cè)趩挝粓A上等距分布。每個(gè)點(diǎn)代表一個(gè)屬性。然后，假設(shè)數(shù)據(jù)集中的每個(gè)樣本都通過彈簧連接到這些點(diǎn)中的每個(gè)點(diǎn)，彈簧的剛度與該屬性的數(shù)值成正比（將它們標(biāo)準(zhǔn)化為單位間隔）。樣本在平面上的沉降點(diǎn)（作用在樣本上的力處于平衡狀態(tài)）是繪制代表樣本的點(diǎn)的位置。根據(jù)樣本所屬的類別，其顏色會(huì)有所不同。

from pandas.plotting import radviz

radviz(dataset[
    ['Open','High', 'Low', 'Close', 'Increase_Decrease']], 
      "Increase_Decrease")

滯后圖

滯后圖用于檢查數(shù)據(jù)集或時(shí)間序列是否隨機(jī)。隨機(jī)數(shù)據(jù)在滯后圖中不應(yīng)顯示任何結(jié)構(gòu)。非隨機(jī)結(jié)構(gòu)意味著基礎(chǔ)數(shù)據(jù)不是隨機(jī)的。該lag參數(shù)可以傳遞，而當(dāng)lag=1時(shí)基本上是data[:-1]對(duì) data[1:]。

from pandas.plotting import lag_plot
lag_plot(dataset['Volume'].tail(250))

自相關(guān)圖

自相關(guān)圖通常用于檢查時(shí)間序列中的隨機(jī)性。通過在變化的時(shí)滯中計(jì)算數(shù)據(jù)值的自相關(guān)來完成此操作。如果時(shí)間序列是隨機(jī)的，則對(duì)于任何和所有時(shí)滯間隔，此類自相關(guān)應(yīng)接近零。如果時(shí)間序列不是隨機(jī)的，則一個(gè)或多個(gè)自相關(guān)將明顯為非零。圖中顯示的水平線對(duì)應(yīng)于95％和99％的置信帶。虛線是99％置信帶。

from pandas.plotting import autocorrelation_plot
autocorrelation_plot(dataset['Volume'])

參考資料

掃碼即可加我微信
觀看朋友圈，獲取最新學(xué)習(xí)資源

學(xué)習(xí)更多：
整理了我開始分享學(xué)習(xí)筆記到現(xiàn)在超過250篇優(yōu)質(zhì)文章，涵蓋數(shù)據(jù)分析、爬蟲、機(jī)器學(xué)習(xí)等方面，別再說不知道該從哪開始，實(shí)戰(zhàn)哪里找了