传送门：
- Python数据科学（一）- python与数据科学应用(Ⅰ)
- Python数据科学（二）- python与数据科学应用(Ⅱ)
- Python数据科学（三）- python与数据科学应用(Ⅲ)
- Python数据科学（四）- 数据收集系列
- Python数据科学（五）- 数据处理和数据采集
- Python数据科学（六）- 资料清理(Ⅰ)
- Python数据科学（七）- 资料清理(Ⅱ)
- Python数据科学（八）- 资料探索与资料视觉化
- Python数据科学（九）- 使用Pandas绘制统计图表
1.信息可视化
因为人对图像信息的解析效率比文字更高，所以可视化可以使数据更为直观，便于理解，使决策变得高效，所以信息可视化就显得尤为重要。
1.尝试做一个折线图
df.plot()方法的函数说明
- DataFrame还可以用于对列进行灵活处理的选项
用折线图对比各个指数的实时的开盘点位，并设置图像大小
df['open'].plot(kind='line', figsize=[5,5], legend=True, title='code')
# 如果需要加入折线，设置参数grid=True即可
df['open'].plot(kind='line', figsize=[10,5], legend=True, title='code', grid=True)
2.绘制移动平均线
- 获取上证指数5.21日分笔历史数据
import tushare as ts
df = ts.get_tick_data('000001', date='2018-05-21')
返回值说明：
- time：时间
- price：成交价格
- change：价格变动
- volume：成交手
- amount：成交金额(元)
- type：买卖类型【买盘、卖盘、中性盘】
- 绘制当日前20条数据成交金额变动折线图
df = df.head(200)
df['amount'].plot(kind='line', figsize=[15,3], legend=True, title='code', grid=True)
- 绘制移动平均线
移动平均线，Moving Average，简称MA，MA是用统计分析的方法，将一定时期内的证券价格（指数）加以平均，并把不同时间的平均值连接起来，形成一根MA，用以观察证券价格变动趋势的一种技术指标。
DataFrame.rolling（*window*，*min_periods = None*，*center = False*，
*win_type = None*，*on = None*，*axis = 0*，*closed = None *）[[source]]
参数说明：
- window：int或偏移量移动窗口的大小，这仅适用于日期时间类型的索引。
- min_periods：int，默认无窗口中需要有最小数量的观测数据（否则结果为NA）。对于由偏移量指定的窗口，这将默认为1。
- center：布尔值，默认为False将标签设置在窗口的中心。
- win_type：字符串，默认无提供一个窗口类型。如果None，所有点均匀加权。
- on：字符串，可选用于计算滚动窗口的DataFrame列，而不是索引
- closed：字符串，默认无在'右'，'左'，'双'或'既非'端点上关闭间隔。
- axis： 轴，int或字符串，默认为0
df['mvg2']=df['amount'].rolling(window=2).mean()
df[['amount', 'mvg2']].plot(kind='line',figsize=[10,5])
3.绘制直方图
- 我们找出5.21号14:55 - 14:57 这两分钟内的上证指数数据，观察它的成交金额变化
df.ix[(df.time>='14:55:00')&(df.time<='14:57:00'),'amount'].plot(kind='bar', figsize=[10,5], legend=True, title='amount')
4.绘制圆饼图
import tushare
# 获取大盘指数实时行情列表
df = ts.get_index()
df['diff'] = df['close'] - df['open']
df['rise'] = df['diff'] > 0 # 涨
df['fall'] = df['diff'] < 0 # 跌
# counterclock 布尔值，可选参数，默认为：None。指定指针方向，顺时针或者逆时针
# startangle浮点类型，可选参数，默认：None。如果不是None，从x轴逆时针旋转饼图的开始角度。
df[['rise', 'fall']].sum().plot(kind='pie', figsize=[5,5], counterclock=True,
startangle=90, legend=True, title='diff')
如果你觉得我的文章还可以，可以关注我的微信公众号：Python攻城狮
可扫描二维码，添加关注