数据处理：matplotlib应用4--实际应用作图

第一部分：实际应用作图

一.函数积分图

函数：y = -(x-2)*(x-8)+40

# object-oriented面向对象方式
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
import numpy as np

def func(x):
    return -(x-2)*(x-8)+40

x = np.linspace(0,10)
y = func(x)

fig = plt.figure()
ax = fig.add_subplot(111)

# 设置x轴标记点和名称
ax.set_xticks([2,9])
ax.set_xticklabels(['a=2','b=9'])

# 设置x轴和y轴标签,参数分别为占x轴比例、占y轴比例，标签
plt.figtext(0.9,0.07,'$x$')
plt.figtext(0.12,0.9,'$y$')

# 用多边形ploygon的方法画出积分面积,a=2,b=9
# 找出多边形一周的顶点
verts = [(2,0)] + list(zip(np.linspace(2,9),func(np.linspace(2,9))))+[(9,0)]
polygon = mpatches.Polygon(verts,facecolor='0.9',edgecolor='0.5')

ax.plot(x,y,'r',linewidth=2)
ax.add_patch(polygon)
ax.text(2.5,30,r'$ \int_a^b(-(x-2)*(x-8)+40) dx $',fontsize=13)
plt.show()

二.散点-条形图

对于不同大小的子图，不能使用figure.add_subplot()，应该使用figure.add_axes([left,bottom,width,height])

# object-oriented面向对象方式
import matplotlib.pyplot as plt
import numpy as np
plt.style.use('ggplot')

# 设置边界、间隔、高、宽所占figure的比例
border = 0.1
between = 0.05
height = 0.2
width = 0.6

# 生成数据
x = np.random.normal(loc=0,scale=1.5,size=200)
y = -x + np.random.normal(loc=0,scale=1.5,size=200)*0.3

# 设置三个图形的参数,列表表示，左下点的x、y坐标、高度、宽度
left_1 = border
bottom_1 = border
width_1 = width
height_1 = width

left_2 = border
bottom_2 = border + width + between
width_2 = width
height_2 = height

left_3 = border + width + between
bottom_3 = border
width_3 = height
height_3 = width


# 创建figure和三个矩形图的参数列表
fig = plt.figure(1,figsize=(6,6))
rect_1 = [left_1,bottom_1,width_1,height_1]
rect_2 = [left_2,bottom_2,width_2,height_2]
rect_3 = [left_3,bottom_3,width_3,height_3]

# 创建三个图形
axScatter = fig.add_axes(rect_1)
axHistx = fig.add_axes(rect_2)
axHisty = fig.add_axes(rect_3)

# 清除不必要的坐标轴坐标
axHistx.set_xticks([])
axHisty.set_yticks([])

# 绘制三个图
axScatter.scatter(x,y,color='c',s=5,alpha=0.8)
axHistx.hist(x,bins=20,normed=True,color='b')
axHisty.hist(y,bins=20,orientation='horizontal',normed=True,color='c')

# 把两个直方图的坐标与散点图对齐
axHistx.set_xlim(axScatter.get_xlim())
axHisty.set_ylim(axScatter.get_ylim())

plt.show()

三.球员能力图

球员能力为随机数生成，不具备实际参考价值。
步骤：
1.导入numpy和matplotlib.pyplot模块，中文字体需要导入字体模块FontProperties；
2.设置六个能力标签，并随机生成四名球员的能力数值；
3.创建四个极坐标子图，并依次作图和填充颜色、更改坐标轴刻度及标签。

# -*- coding:utf-8 _*-

import matplotlib.pyplot as plt
import numpy as np
# 导入字体库
from matplotlib.font_manager import FontProperties

plt.style.use('ggplot')

# 能力标签设置
ability_label = [u'进攻',u'防守',u'盘带',u'速度',u'体力',u'射门']
ability_size = len(ability_label)

# 球员具体能力设置，并在最后添加一项与第一项相同，以保证闭合图形
player = {
    'M':np.random.randint(low=60,high=99,size=ability_size),
    'H':np.random.randint(low=60,high=99,size=ability_size),
    'P':np.random.randint(low=60,high=99,size=ability_size),
    'Q':np.random.randint(low=60,high=99,size=ability_size)
}
for key,array in player.items():
    player[key] = np.append(array,array[0])

# 设置四个子图
ax1 = plt.subplot(221,projection='polar')
ax2 = plt.subplot(222,projection='polar')
ax3 = plt.subplot(223,projection='polar')
ax4 = plt.subplot(224,projection='polar')

# 依次进行作图
theta = np.linspace(0,2*np.pi,7)
ax1.plot(theta,player['M'],color='r')
ax1.fill(theta,player['M'],facecolor='r',alpha=0.3)
ax2.plot(theta,player['H'],color='g')
ax2.fill(theta,player['H'],facecolor='g',alpha=0.3)
ax3.plot(theta,player['P'],color='b')
ax3.fill(theta,player['P'],facecolor='b',alpha=0.3)
ax4.plot(theta,player['Q'],color='y')
ax4.fill(theta,player['Q'],facecolor='y',alpha=0.3)

# 设定图形中的标签字体
font = FontProperties(fname=r'c:\Windows\Fonts\msyh.ttc',size=12)

#修改极坐标轴刻度、标签，并设置子图标题
ax1.set_xticks(theta[:-1])
ax1.set_xticklabels(labels=ability_label,fontproperties=font)
ax1.set_title(label=u'梅西',position=(0.5,0.97),fontproperties=font,size=12,color='r')
ax2.set_xticks(theta[:-1])
ax2.set_xticklabels(labels=ability_label,fontproperties=font)
ax2.set_title(label=u'哈维',position=(0.5,0.97),fontproperties=font,size=12,color='g')
ax3.set_xticks(theta[:-1])
ax3.set_xticklabels(labels=ability_label,fontproperties=font)
ax3.set_title(label=u'皮克',position=(0.5,0.97),fontproperties=font,size=12,color='b')
ax4.set_xticks(theta[:-1])
ax4.set_xticklabels(labels=ability_label,fontproperties=font)
ax4.set_title(label=u'切赫',position=(0.5,0.97),fontproperties=font,size=12,color='y')

plt.show()

四.股票k线图

1.mplfinance是python中可以用来画出蜡烛图、线图的分析工具，目前已经从matplotlib中独立出来，需要下载并更新，在anaconda或者python(取决于自己使用的解释器)命令行中输入：

pip install  https://github.com/matplotlib/mpl_finance/archive/master.zip

安装完毕后进行更新：

pip install --upgrade mplfinance

之后导入mplfinance模块即可----import mplfinance

2.步骤：
1)导入matplotlib相应模块、时间模块和股票数据获取模块；
2)获得股票数据----pandas_datareader.data.DataReader(股票，网址，开始时间，结束时间)；
3)用面向对象的方法创建两个子图；
4)用折线图和填充的方式绘制成交量volume的图；
5)用mpl_finance.candlestick2_ohlc(子图,o,h,l,c)绘制股票K型线图。
注意：
1.股票k线图中，红色表示当日上涨，绿色表示当日下降：

2.本次股票k线图使用的是mpl_finance中的candlestick2_ohlc函数，现在更推荐将mpl_finance更新为mplfinance模块，用于股票k线图。

# -*- coding:utf-8 _*-

import matplotlib.pyplot as plt
import mpl_finance as mpf
from datetime import datetime

plt.style.use('ggplot')

# 导入股票数据获取模块
import pandas_datareader.data as web

#从雅虎财经读取谷歌google（股票代码：GOOG ）
start = datetime(2019,7,1)
end = datetime.today()
google = web.DataReader('GOOG', 'yahoo',start,end)

# 创建两个子图
fig = plt.figure()
left,width = 0.13,0.8
rect_down = [left,0.1,width,0.27]
rect_up = [left,0.4,width,0.5]
ax_down = fig.add_axes(rect_down)
ax_up = fig.add_axes(rect_up)

# 下子图成交量的绘制，用填充的方法
dates = google.index
volume = google['Volume']
ax_down.plot(volume,color='r',alpha=0.5)
ax_down.fill_between(dates,volume,color='y',alpha=0.7)

# 下子图横坐标日期格式的转换和倾斜字设置
ax_down.xaxis_date()
plt.setp(ax_down.get_xticklabels(),rotation=30,horizontalalignment='right')

# 上子图绘制
mpf.candlestick2_ohlc(ax_up,google['Open'],google['High'],google['Low'],google['Close'],
                      width=0.5,colorup='r',colordown='g')

# 上子图横坐标去除
ax_up.set_xticklabels([])

# 设置标题
ax_up.set_title('Google Price and Volume')

plt.show()

备注

一.如果要添加多张子图

1.如果子图大小均相等：
1)可以先创建figure----fig = plt.figure()；
在figure中添加子图----ax1 = fig.add_subplot(221,projection=‘polar’)，见函数积分图；
2)直接在plt中创建子图----plt.subplot(221)，见球员能力图；
2.如果子图大小不相等：
先创建figure----fig = plt.figure()；
再设置每个子图的参数rect_1 = [left_1,bottom_1,width_1,height_1]，分别包括左下角的坐标+宽度+高度；
然后再添加子图----ax1 = fig.add_axes(rect_1)，见散点-条形图。

二.常见词汇

quote----引用
corporation----公司
deprecated----不推荐使用
rotation----回转，逆时针转
alignment----对准
horitontalalignment----水平对准
volume----体积，量，股票成交量

三.标题title和text的区别

1.标题title指一张图的标题：
1)面向对象的方式，在子图ax中添加标题：ax.set_title('title')
2)直接用plt作图的方式，在图中添加标题：plt.title('title')
2.文字text指插入一段文字：必须指明位置x、y和字符串s
1)面向对象的方式，在子图ax中添加文字：ax.text(x=x,y=y,s='title')
2)直接用plt作图的方式，在图中添加文字：plt.text(x=x,y=y,s='title')