Python金融数据可视化汇总_Python

Python金融数据可视化汇总

2020-12-18 00:52hanbb Python

这篇文章主要介绍了Python金融数据可视化（两列数据的提取，分别画，双坐标轴，双图，两种不同的图）等内容。

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()

Python金融数据可视化汇总

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()

Python金融数据可视化汇总

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()

Python金融数据可视化汇总

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()

Python金融数据可视化汇总

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()