使用Matplotlib绘制专业级房价趋势图

xiaoyu❅

于 2025-03-20 08:59:53 发布

阅读量445

点赞数 8

分类专栏： python 文章标签： matplotlib python 开发语言

本文链接：https://blog.csdn.net/qq_67342067/article/details/146387087

版权

python 专栏收录该内容

9 篇文章

订阅专栏

一、数据准备与理解

1.1 模拟房价数据集

我们生成包含日期、价格、交易量的综合数据，模拟2010-2023年房价变化：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 生成时间序列
dates = pd.date_range('2010-01', '2023-12', freq='ME')
n = len(dates)

# 生成趋势项（多项式趋势+周期性波动）
trend = np.linspace(100, 450, n) ** 1.1
seasonality = 50 * np.sin(np.linspace(0, 4*np.pi, n))
noise = np.random.normal(0, 15, n)

prices = trend + seasonality + noise
volume = np.random.lognormal(4, 0.3, n).astype(int)

# 创建DataFrame
df = pd.DataFrame({
    'Date': dates,
    'Price': prices.round(2),
    'Volume': volume
}).set_index('Date')

1.2 数据概览

print(f"数据集维度：{df.shape}")
print(df.describe())

二、基础趋势可视化

2.1 绘制基础折线图

plt.figure(figsize=(14, 7))

# 主趋势线
main_line = plt.plot(df.index, df['Price'], 
                    linestyle='-', 
                    linewidth=2.5,
                    color='#2c7bb6',
                    marker='o',
                    markersize=5,
                    markerfacecolor='white',
                    markeredgewidth=1.5,
                    label='月度房价')

# 图表装饰
plt.title('2010-2023年房价趋势分析', fontsize=16, pad=20)
plt.xlabel('日期', fontsize=12, labelpad=10)
plt.ylabel('价格（万元/㎡）', fontsize=12, labelpad=10)
plt.grid(True, linestyle='--', alpha=0.7)

# 坐标轴格式化
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))
plt.gca().xaxis.set_major_locator(mdates.YearLocator())
plt.xticks(rotation=45)

plt.tight_layout()
plt.show()

三、增强可视化效果

3.1 添加关键标注

plt.figure(figsize=(16, 8))

# 绘制主趋势线
ax = plt.gca()
ax.plot(df.index, df['Price'], linewidth=2.5, color='#2c7bb6')

# 标注历史最高点
max_price = df['Price'].max()
max_date = df['Price'].idxmax()
ax.annotate(f'历史峰值：{max_price}万',
            xy=(max_date, max_price),
            xytext=(max_date - pd.DateOffset(years=2), max_price - 80),
            arrowprops=dict(facecolor='red', shrink=0.05),
            fontsize=10,
            color='red')

# 添加趋势线
z = np.polyfit(mdates.date2num(df.index), df['Price'], 1)
p = np.poly1d(z)
ax.plot(df.index, p(mdates.date2num(df.index)), 
        '--', 
        color='orange',
        label='长期趋势线')

# 突出政策调控期
ax.axvspan(pd.to_datetime('2016-10'), pd.to_datetime('2017-03'), 
           color='grey', alpha=0.2)
ax.text(pd.to_datetime('2016-11'), 300, 
        '限购政策实施', 
        rotation=90,
        color='darkgrey')

# 设置双纵轴
ax2 = ax.twinx()
ax2.fill_between(df.index, df['Volume'], 
                color='green', alpha=0.1, label='交易量')
ax2.set_ylabel('月交易量（套）', fontsize=12)

plt.legend()
plt.show()

四、多维分析视图

4.1 复合图表分析

fig = plt.figure(figsize=(18, 10))
gs = fig.add_gridspec(2, 2)

# 主趋势区
ax1 = fig.add_subplot(gs[0, :])
ax1.plot(df['Price'], color='navy')
ax1.set_title('整体价格趋势', fontsize=14)

# 年度分布区
ax2 = fig.add_subplot(gs[1, 0])
year_groups = df.resample('YE').mean()
ax2.bar(year_groups.index.year, year_groups['Price'], 
       color='teal', alpha=0.7)
ax2.set_title('年度平均价格', fontsize=14)

# 季节波动区
ax3 = fig.add_subplot(gs[1, 1])
month_groups = df.groupby(df.index.month).mean()
ax3.plot(month_groups.index, month_groups['Price'], 
        marker='o', color='crimson')
ax3.set_title('月度季节波动', fontsize=14)

# 统一格式化
for ax in [ax1, ax2, ax3]:
    ax.grid(True, linestyle=':', alpha=0.5)
    ax.set_xlabel('')

plt.tight_layout()
plt.show()

五、高级可视化技巧

5.1 动态趋势图

from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots(figsize=(12, 6))
line, = ax.plot([], [], lw=2)
ax.set_xlim(df.index[0], df.index[-1])
ax.set_ylim(df['Price'].min()-50, df['Price'].max()+50)

def animate(i):
    data = df.iloc[:i+1]
    line.set_data(data.index, data['Price'])
    
    # 实时标注当前值
    if i % 12 == 0:
        ax.set_title(f'{data.index[i].year}年房价走势', fontsize=14)
    return line,

ani = FuncAnimation(fig, animate, frames=len(df), interval=50)
plt.close()

六、专业图表优化

6.1 样式定制

plt.rcParams.update({
    'font.family': 'SimHei',        # 中文字体支持
    'axes.titlesize': 14,
    'axes.labelsize': 12,
    'xtick.labelsize': 10,
    'ytick.labelsize': 10,
    'legend.fontsize': 10
})

# 保存高清图像
fig.savefig('price_trend.png', 
           dpi=300, 
           bbox_inches='tight',
           facecolor='white')