Matplotlib绘制点图,条形图和3D图表

散点图在金融图表中也经常用到,来对金融时间序列数据进行可视化

import matplotlib as mpl
import tushare as ts
import matplotlib.pyplot as plt
%matplotlib inline

# tushare 获取最新的数据
meiling = ts.get_hist_data('000521','2012-01-01')
meiling.info()

# 价格变化和成交量,颜色变化代表这换手率,
plt.figure(figsize=(10,6))
plt.scatter(meiling['price_change'], meiling['volume'],c= meiling['turnover'], marker='o')
plt.colorbar()
plt.grid(True)
plt.xlabel('price_change')
plt.ylabel('Volume')
plt.title('Scatter Plot')

# 直方图,收盘和5日平均价格
mat_meiling = meiling.as_matrix()
plt.figure(figsize=(10,6))
plt.hist(mat_meiling[:,[2,7]], label=['close','ma20'], bins=50)
plt.grid(True)
plt.xlabel('Price')
plt.ylabel('Frequency')
plt.legend(loc=0)

plt.hist()参数
x, 必须是列表对象或者ndarray对象
bins, 数据组的数量
range, 数据组上下界
normed, 规范化为整数一
weights, x轴上每个值的权重
cumulative, 每个数据组包含前数据组的计数
histtype, 可选'bar','barstacked','step','stepfilled'
align, 可选'left','mid','right'
orientation, 可选'horizontal','vertical'
rwidth 矩形相对宽度
log 对数刻度
color, 数据集的颜色
label, 数据集的标签列表
stacked, 堆叠多个数据默认为False

# 堆叠直方图
plt.figure(figsize=(10,6))
plt.hist(mat_meiling[:,[2,7]], label=['close','ma20'], color=['b','g'], stacked=True, bins=50)
plt.grid(True)
plt.legend(loc=0)
plt.xlabel('Price')
plt.ylabel('Frequency')

箱形图,可以简洁的概括出数据的特点

#开盘价格,5,10,20日平均价格
fig, ax = plt.subplots(figsize=(10,6))
plt.boxplot(mat_meiling[:,[2,7,8,9]])
plt.setp(ax, xticklabels=['close','ma5','ma10','ma20'])
plt.ylabel('Price')
plt.grid(True)
plt.title('Boxplot')
# plt.step()用来设置图表实例的一些属性
# 例如,line = plt.plot(data,'r'), plt.step(line, linestyle='-')
# x轴刻度也可以通过ax.set_xticklabels=[]来设置

3D绘图

import matplotlib as mpl
import numpy as np
import tushare as ts
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
%matplotlib inline

data = ts.get_hist_data('000520','2017-05-01')
data[:3]

	open	high	close	low	volume	price_change	p_change	ma5	ma10	ma20	v_ma5	v_ma10	v_ma20	turnover
date
2017-06-22	6.05	6.12	5.93	5.93	208646.98	-0.24	-3.89	5.994	6.016	5.896	184798.66	137050.85	117687.91	2.06
2017-06-21	5.86	6.45	6.17	5.86	417674.03	0.31	5.29	6.024	6.017	5.882	160692.81	125899.51	113080.97	4.13
2017-06-20	5.88	5.96	5.86	5.84	108470.15	-0.08	-1.35	6.002	5.997	5.869	97083.63	100541.90	95995.89	1.07

mat_data = data.as_matrix()
ma5 = mat_data[:, 7]
ma10 = mat_data[:, 8]
close = mat_data[:, 2]
# 使用Numpy的mesggrid函数,将两个一维的ndarray对象,生成二维坐标系
m5, m10 = np.meshgrid(ma5, ma10)
m5

array([[ 5.994,  6.024,  6.002, ...,  6.414,  6.412,  6.406],
       [ 5.994,  6.024,  6.002, ...,  6.414,  6.412,  6.406],
       [ 5.994,  6.024,  6.002, ...,  6.414,  6.412,  6.406],
       ..., 
       [ 5.994,  6.024,  6.002, ...,  6.414,  6.412,  6.406],
       [ 5.994,  6.024,  6.002, ...,  6.414,  6.412,  6.406],
       [ 5.994,  6.024,  6.002, ...,  6.414,  6.412,  6.406]])

fig = plt.figure(figsize=(10,6))
ax = fig.gca(projection='3d')
surf = ax.plot_surface(m5, m10, close, cmap=plt.cm.coolwarm, linewidth=0.5, antialiased=True)

ax.set_xlabel('ma5')
ax.set_ylabel('ma10')
ax.set_zlabel('close')
fig.colorbar(surf, shrink=0.5, aspect=5)

matplotlib展厅:http://matplotlib.org/gallery.html

matplotlib2D绘图教程:http://matplotlib.org/users/pyplot_tutorial.html

matplotlib3D绘图教程:http://matplotlib.org/mpl_toolkits/mplot3d/tutorial.html