Python金融数据可视化汇总
通过本篇内容给大家介绍一下Python实现金融数据可视化中两列数据的提取、分别画、双坐标轴、双图、两种不同的图等代码写法和思路总结。
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(2000)
y = np.random.standard_normal((20,2))
# print(y)
'''
不同的求和
print(y.cumsum())
print(y.sum(axis=0))
print(y.cumsum(axis=0))
'''
# 绘图
plt.figure(figsize=(7,4))
plt.plot(y.cumsum(axis=0),linewidth=2.5)
plt.plot(y.cumsum(axis=0),'bo')
plt.grid(True)
plt.axis("tight")
plt.xlabel('index')
plt.ylabel('values')
plt.title('a simple plot')
plt.show()
2.下面分别提取两组数据，进行绘图。
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(2000)
date = np.random.standard_normal((20,2))
y = date.cumsum(axis=0)
print(y)
# 重点下面两种情况的区别
print(y[1]) # 取得是 第1行的数据 [-0.37003581 1.74900181]
print(y[:,0]) # 取得是 第1列的数据 [ 1.73673761 -0.37003581 0.21302575 0.35026529 ...
# 绘图
plt.plot(y[:,0],lw=2.5,label="1st",color='blue')
plt.plot(y[:,1],lw=2.5,label="2st",color='red')
plt.plot(y,'ro')
# 添加细节
plt.title("A Simple Plot",size=20,color='red')
plt.xlabel('Index',size=20)
plt.ylabel('Values',size=20)
# plt.axis('tight')
plt.xlim(-1,21)
plt.ylim(np.min(y)-1,np.max(y)+1)
# 添加图例
plt.legend(loc=0)
plt.show()
3.双坐标轴。
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(2000)
date = np.random.standard_normal((20,2))
y = date.cumsum(axis=0)
y[:,0]=y[:,0]*100
fig,ax1 = plt.subplots()
plt.plot(y[:,0],'b',label="1st")
plt.plot(y[:,0],'ro')
plt.grid(True)
plt.axis('tight')
plt.xlabel("Index")
plt.ylabel('Values of 1st')
plt.title("This is double axis label")
plt.legend(loc=0)
ax2=ax1.twinx()
plt.plot(y[:,1],'g',label="2st")
plt.plot(y[:,1],'r*')
plt.ylabel("Values of 2st")
plt.legend(loc=0)
plt.show()
4. 分为两个图绘画。
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(2000)
date = np.random.standard_normal((20,2))
y = date.cumsum(axis=0)
y[:,0]=y[:,0]*100
plt.figure(figsize=(7,5)) # 确定图片大小
plt.subplot(211) # 确定第一个图的位置 （行，列，第几个）两行一列第一个图
plt.plot(y[:,0],'b',label="1st")
plt.plot(y[:,0],'ro')
plt.grid(True)
plt.axis('tight')
plt.xlabel("Index")
plt.ylabel('Values of 1st')
plt.title("This is double axis label")
plt.legend(loc=0)
plt.subplot(212) # 确定第一个图的位置
plt.plot(y[:,1],'g',label="2st")
plt.plot(y[:,1],'r*')
plt.ylabel("Values of 2st")
plt.legend(loc=0)
plt.show()
5.在两个图层中绘制两种不同的图（直线图立方图）
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(2000)
date = np.random.standard_normal((20,2))
y = date.cumsum(axis=0)
y[:,0]=y[:,0]*100
plt.figure(figsize=(7,5)) # 确定图片大小
plt.subplot(121) # 确定第一个图的位置
plt.plot(y[:,0],'b',label="1st")
plt.plot(y[:,0],'ro')
plt.grid(True)
plt.axis('tight')
plt.xlabel("Index")
plt.ylabel('Values',size=20)
plt.title("1st date set")
plt.legend(loc=0)
plt.subplot(122) # 确定第一个图的位置
plt.bar(np.arange(len(y[:,1])),y[:,1],width = 0.5,color='g',label="2nd") # 直方图的画法
plt.grid(True)
plt.xlabel("Index")
plt.title('2nd date set')
plt.legend(loc=0)
plt.show()
以上就是本次交给大家的Python制作金融数据等用到的图形化界面代码写法。