Python金融大数据分析——第5章 数据可视化 笔记

#第5章 数据可视化
##5.1 二维绘图
###5.1.1 一维数据集
按照给定的x和y值绘图

import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline  # 如果是在控制台上执行代码，这行如果报错，下面的图片显示一张，关闭后再执行下一张的显示，不然都会画到一张图上
np.random.seed(1000)
# 生成20个标准正态分布（伪）随机数， 保存在一个NumPy ndarray中
y = np.random.standard_normal(20)
x = range(len(y))
plt.plot(x, y)
plt.title('5-1 按照给定的x和y值绘图')

按照给定的一维数组和附加方法绘图

# 按照给定的一维数组和附加方法绘图
plt.plot(y)
plt.title('5-2 按照一维数组给出的数据绘图')

按照给定的一维数组和附加方法绘图

# 按照给定的一维数组和附加方法绘图
plt.plot(y.cumsum())
plt.title('5-3 按照给定的一维数组和附加方法绘图')

带有网络和紧凑坐标轴的图表

# 带有网络和紧凑坐标轴的图表
plt.plot(y.cumsum())
plt.grid(True)
plt.axis('tight')
plt.title('5-4 带有网络和紧凑坐标轴的图表')

plt.axis选项

参数	描述
Empty	返回当前坐标轴限值
off	关闭坐标轴和标签
equat	使用等刻度
scaled	通过尺寸变化平衡度量
tight	所有数据可见（缩小限值）
image	是所有数据可见（使用数据限值）
[xmin,xmax,ymin,ymax]	将设置限值为给定的一组值

使用自定义坐标轴限值绘制图表

# 使用自定义坐标轴限值绘制图表
plt.plot(y.cumsum())
plt.grid(True)
plt.xlim(-1, 20)
plt.ylim(np.min(y.cumsum()) - 1, np.max(y.cumsum()) + 1)
plt.title('5-5 使用自定义坐标轴限值绘制图表')

带有典型标签的图表

# 带有典型标签的图表
plt.figure(figsize=(7, 4))
# the figsize parameter defines the size of the figure in (width,height)
plt.plot(y.cumsum(),'b',lw=1.5)
plt.plot(y.cumsum(),'ro')
plt.grid(True)
plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.title('A Simple Plot')

标准颜色缩写

字符	颜色
b	蓝
g	绿
r	红
c	青
m	品红
y	黄
k	黑
w	白

标准样式字符

字符	象征
-	实现样式
–	短划线样式
-.	点实线样式
:	虚线样式
.	点标记
,	像素标记
o	圆标记
v	向下三角形标记
^	向上三角形标记
<	向左三角形标记
>	向右三角形标记
1	Tri_down标记
2	Tri_up标记
3	Tri_left标记
4	Tri_right标记
s	方形标记
P	五边形标记
*	星号
h	六角形标记1
H	六角形标记2
+	加好
x	X标记
D	菱形标记
d	细菱形标记
|	垂直标记

###5.1.2 二维数据集
用两个数据集绘制图表

# 用两个数据集绘制图表
np.random.seed(2000)
y = np.random.standard_normal((20, 2)).cumsum(axis=0)
plt.figure(figsize=(7, 4))
plt.plot(y, lw=1.5)
plt.plot(y, 'ro')
plt.grid(True)
plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.title('A Simple Plot')

带有数据集的图表

# 带有数据集的图表
plt.figure(figsize=(7, 4))
plt.plot(y[:, 0], lw=1.5, label='1st')
plt.plot(y[:, 1], lw=1.5, label='2nd')
plt.grid(True