python绘图苹果_精品教学案例 | 利用Matplotlib和Seaborn对苹果股票价格进行可视化分析...

查看本案例完整的数据、代码和报告请登录数据酷客（http://cookdata.cn）案例板块。

本案例适合作为大数据专业数据可视化课程的配套教学案例。通过本案例，能够达到以下教学效果：

• 培养学生对真实数据进行可视化分析的能力。案例基于苹果公司2013-2018年的股票数据，进行股票数据涨跌的可视化分析。
• 帮助学生熟悉常用图表的绘制方法。例如：折线图、散点图、柱状图、直方图、核密度图和小提琴图等。
• 提高学生动手实践能力。案例中使用Python中的两个常用可视化工具Matplotlib和Seaborn，提高学生绘制常用图表的实践能力。

可视化分析在数据分析中扮演着相当重要的角色。可视化可以使数据更为清晰得传递信息，使数据分析更为生动具体。Matplotlib是一个Python库，用于2D绘图，而Seaborn是Python基于Matplotlib的数据可视化的库。Seaborn在Matplotlib的基础上进行了更高级的封装，从而使得作图更加简单方便，可以作出信息丰富且美观的图。本案例旨在帮助大家快速熟悉Matplotlib和Seaborn这两个可视化工具的操作。

1.数据载入及预处理

本案例我们将分析一个股票数据集，此数据集包含美国500家上市公司2013-2018年的股票数据，我们选择其中苹果公司的股票作为分析对象，来进行股票涨跌的分析。S&P 500 Index数据集中每一列数据对应的含义如下表所示：

首先，我们导入数据集并采样得到苹果公司股票（AAPL）2013-2018年的数据。为了便于之后的分析，我们从date列提取年和月的信息并添加year和month两列数据。

import pandas as pd
import numpy as np
df = pd.read_csv('./input/all_stocks_5yr.csv')
appl = df.loc[df['Name'] == 'AAPL']
appl = appl.set_index('date')
mon = []
year = []
for item in appl.index:
    mon.append(int(item[5:7]))
    year.append(int(item[0:4]))
appl['month'] = mon
appl['year'] = year
appl.head()

2.Matplotlib绘图

2.1 折线图

折线图用于绘制连续型数据，展示数据变化的趋势。

我们将数据以年为单位进行分组，以每年收盘价格的平均值绘图。

%matplotlib inline
import matplotlib.pyplot as plt
x = appl.groupby('year').close.mean().index
y = appl.groupby('year').close.mean().values
plt.plot(x,y)

分析：从图中我们可以看出，苹果公司2013-2018年的股票收盘价格变化趋势，总体趋势走高，但是我们注意到2015年，出现下降趋势，但2016股票行情回暖并大幅度走高。

此处我们用到了plot()函数，其用法很简单，x为横坐标数据，y为纵坐标数据。除此之外，Matplotlib还提供了丰富的线形及其颜色，还可以调节线的宽度（linewidth），数据点的大小（markersize）及设置坐标轴的名字等。同时，可以利用grid()函数绘制网格线；默认为False，利用legend()函数设置图例，使用其loc参数设置图例的位置等。另外，Matplotlib允许多条折线绘制在一张图中。

plt.plot(x,y,label='Close Price')
plt.grid(True)
plt.legend(loc = 'upper left')
plt.title('Average Close Price in 2013-2018')
plt.xlabel('Year')
plt.ylabel('Average Close Price')

绘制2013-2018年，每年成交量平均值的折线图。

x1 = appl.groupby('year').volume.mean().index
y1 = appl.groupby('year').volume.mean().values
plt.plot(x1, y1, color='red', marker='o', linestyle='dashed', linewidth=2, markersize=12)
#or
plt.plot(x1, y1, 'r--',label='Close Price', linewidth=2, markersize=12)
plt.legend(loc = 'upper right')
plt.title('Average volume in 2013-2018')
plt.xlabel('Year')
plt.ylabel('Average volume')
plt.grid(True)

分析：此图反映了2013-2018年间，苹果公司股票交易量的变化趋势，我们可以看出其交易量整体呈下降趋势，但2017年开始转变。结合上一个图，我们看出，虽然股票的价格升高，但是股票的成交量降低，所以由这两个图不能很明确的体现股票真正价值的变化，其股票价格的升高，可能是由于货币价值的变化，通货膨胀等，具体原因需要结合更多的数据集进行分析。

我们将数据以年为单位进行分组，把股票最低价格的平均值和最高价格的平均值绘制于同一个画布上。

x1 = appl.groupby('year').low.mean().index
y1 = appl.groupby('year').low.mean().values
y2 = appl.groupby('year').high.mean().values
plt.title('Average Price in 2013-2018')
plt.xlabel('Year')
plt.ylabel('Average Price')
plt.plot(x1,y1, 'go-', label='High', linewidth=2)
plt.plot(x1,y2, 'rs--',  label='Low',linewidth=2)
plt.legend(('High', 'Low'),loc='upper left')
plt.grid(True)

分析