Python数据分析学习系列一——Matplotlib入门学习

1 Matplotlib-介绍

• Matplotlib是一个强大的Python绘图和数据可视化的工具包。
• 安装方法：pip install matplotlib
• 引用方法： import matplotlib.pyplot as plt
• 绘图函数：plt.plot()
• 显示函数：plt.show()

import matplotlib.pyplot as plt

1.1 Plot-简单使用

plt.plot() # 画图，主要是折线图
plt.show() # 展示图形

plt.plot([1, 2, 3, 4], [2, 3, 1, 7]) # 两个参数，x和y，可以是列表，也可以是numpy的array
plt.show()

plt.plot([1, 2, 3, 4], [2, 3, 1, 7], 'o-') #“o”代表点，“-”代表线
plt.show()

• plot函数：绘制折线图
  • 线型linestyle（-,-.,–,:）
  • 点型marker（v.^,S,* ,H,+,x,D,o,…)
  • 颜色color（b,g,r,y,k,w,…)
• plot函数可以同时绘制多条曲线
• pandas包对plot的支持

plt.plot([1, 2, 3, 4], [2, 3, 1, 7], 'H-') #“H”代表六边形，“-”代表线
plt.show()

plt.plot([1, 2, 3, 4], [2, 3, 1, 7], '+:') #“:”代表线虚线
plt.show()

Markers

character	description
'.'	point marker
','	pixel marker
'o'	circle marker
'v'	triangle_down marker
'^'	triangle_up marker
'<'	triangle_left marker
'>'	triangle_right marker
'1'	tri_down marker
'2'	tri_up marker
'3'	tri_left marker
'4'	tri_right marker
's'	square marker
'p'	pentagon marker
'*'	star marker
'h'	hexagon1 marker
'H'	hexagon2 marker
'+'	plus marker
'x'	x marker
'D'	diamond marker
'd'	thin_diamond marker
``’	'``
'_'	hline marker

Line Styles

character	description
'-'	solid line style
'--'	dashed line style
'-.'	dash-dot line style
':'	dotted line style

Colors

The supported color abbreviations are the single letter codes

character	color
'b'	blue
'g'	green
'r'	red
'c'	cyan
'm'	magenta
'y'	yellow
'k'	black
'w'	white

Example format strings::

'b'    # blue markers with default shape
'or'   # red circles
'-g'   # green solid line
'--'   # dashed line with default color
'^k:'  # black triangle_up markers connected by a dotted line

1.2 plot-函数周边

# 同时画两条线
plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o')
plt.show()

• 设置图像标题：plt.title()
• 设置x轴名称：plt.xlabel()
• 设置y轴名称：plt.ylabel()
• 设置x轴范围：plt.xlim()
• 设置y轴范围：plt.ylim()
• 设置x轴刻度：plt.xticks()
• 设置y轴刻度：plt.yticks()
• 设置曲线图例：plt.legend()

plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('xlabel')
plt.ylabel('ylabel')
plt.show()

# 绘图显示中文乱码解决办法
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.show()

plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.xlim(0, 5) # 设置x轴范围
plt.ylim(0, 10) # 设置y轴范围
plt.show()

plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.xlim(0, 5) # 设置x轴范围
plt.ylim(0, 10) # 设置y轴范围
plt.xticks([0,2,4,6]) #设置x轴刻度，输入参数需要是列表或array数组
plt.yticks([0,3,6,9]) #设置y轴刻度，输入参数需要是列表或array数组
plt.show()

import numpy as np

plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.xlim(0, 5) # 设置x轴范围
plt.ylim(0, 10) # 设置y轴范围
plt.xticks(np.arange(5)) #设置x轴刻度，输入参数需要是列表或array数组
plt.yticks(np.arange(10)) #设置y轴刻度，输入参数需要是列表或array数组
plt.show()

plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o')
plt.title('Matplotlib Test Plot')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.xlim(0, 5) # 设置x轴范围
plt.ylim(0, 10) # 设置y轴范围
plt.xticks(np.arange(5), ['a','b','c','d','e']) #可以把刻度转换成标签
plt.yticks(np.arange(10))
plt.show()

# 设置图例
plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red', label='Line A')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o', label='Line B')
plt.title('Matplotlib Test Plot')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.xlim(0, 5) # 设置x轴范围
plt.ylim(0, 10) # 设置y轴范围
plt.xticks(np.arange(5), ['a','b','c','d','e']) #可以把刻度转换成标签
plt.yticks(np.arange(10))
plt.legend()
plt.show()

plt.legend?

# 设置图例位置
plt.plot([1, 2, 3, 4], [2, 3, 1, 7], color='red', label='Line A')
plt.plot([1, 2, 3, 4], [3, 5, 6, 9], color='blue', marker='o', label='Line B')
plt.title('Matplotlib Test Plot')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.xlim(0, 5) # 设置x轴范围
plt.ylim(0, 10) # 设置y轴范围
plt.xticks(np.arange(5), ['a','b','c','d','e']) #可以把刻度转换成标签
plt.yticks(np.arange(10))
plt.legend(loc='lower right') 
# 图的四个角落'upper left', 'upper right', 'lower left', 'lower right'
# 上下左右边缘的中间'upper center', 'lower center', 'center left', 'center right'
plt.show()

1.3 pandas-画图

import pandas as pd
df = pd.read_csv('399300.csv', parse_dates=['日期'], index_col='日期')[['开盘价','最高价','最低价','收盘价']]
df.head()

	开盘价	最高价	最低价	收盘价
日期
2021-01-29	5413.9684	5430.2015	5288.0955	5351.9646
2021-01-28	5450.3695	5462.2352	5360.3766	5377.1427
2021-01-27	5505.7708	5534.9928	5449.6385	5528.0034
2021-01-26	5600.9017	5600.9017	5505.9962	5512.9678
2021-01-25	5564.1237	5655.4795	5543.2663	5625.9232

# DataFrame画图
df.plot()
plt.title('399300')
plt.show()

# Series画图
sr = df['收盘价']
sr.plot()
plt.show()

import numpy as np
x = np.linspace(-5,5,1000)
y1 = x
y2 = x**2
y3 = x**3
plt.plot(x,y1,'r',label='y=x')
plt.plot(x,y2,'g',label='y=x^2')
plt.plot(x,y3,'b',label='y=x^3')
plt.show()

1.4 Matplotlib-画布与子图

• 画布：figure
  • fig = plt.figure()
• 子图：subplot
  • ax1 = fig.add_subplot(2,2,1)
• 调节子图间距：
  • subplots_adjust(left, bottom, right, top, wspace, hspace)

fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1) # 2行2列中的第1个位置
ax1.plot([1, 2, 3, 4], [5, 4, 7, 5])
plt.show()

fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1) # 2行2列中的第1个位置
ax1.plot([1, 2, 3, 4], [5, 4, 7, 5])
ax2 = fig.add_subplot(2, 2, 2) # 2行2列中的第2个位置
ax2.plot([1, 2, 3, 4], [4, 6, 3, 5])
plt.show()

fig = plt.figure()
ax1 = fig.add_subplot(2, 1, 1) # 2行1列中的第1个位置
ax1.plot([1, 2, 3, 4], [5, 4, 7, 5])
ax2 = fig.add_subplot(2, 1, 2) # 2行1列中的第2个位置
ax2.plot([1, 2, 3, 4], [4, 6, 3, 5])
plt.show()

1.5 Matplotlib-支持的图形

函数	说明
plt.plot(x,y,fmt,…)	坐标图
plt.boxplot(data,notch,position)	箱型图
plt.bar(left,height,width,bottom)	条形图
plt.barh(width,bottom,left,height)	横向条形图
plt.polar(theta,r)	极坐标图
plt.ple(data,explore)	饼图
plt.psd(x,NFFT=256,pad_to,Fs)	功率密度图
plt.specgram(x,NFFT=256,pad_to,Fs)	谱图
plt.cohere(x,y,NFFT=256,Fs)	X-Y相关性函数
plt.scatter(x,y)	散点图
plt.step(x,y,where)	步阶图
plt.hist(x,bins,normed)	直方图

plt.bar([0,1,2,3], [5,6,7,8]) #[0,1,2,3]是位置，[5,6,7,8]是高度
plt.show()

plt.bar([0,1,2,4], [5,6,7,8])
plt.show()

data = [32, 48,21, 100]
labels = ['Jan','Feb','Mar','Apr']
plt.bar(np.arange(len(data)), data, color = 'green')
plt.xticks(np.arange(len(data)), labels)
plt.show()

data = [32, 48,21, 100]
labels = ['Jan','Feb','Mar','Apr']
plt.bar(labels, data, color = 'green')
plt.show()

data = [32, 48,21, 100]
labels = ['Jan','Feb','Mar','Apr']
plt.bar(labels, data, color = ['green','red','blue','yellow'])
plt.show()

data = [32, 48,21, 100]
labels = ['Jan','Feb','Mar','Apr']
plt.bar(labels, data, color = ['green','red','blue','yellow'], width=0.2)
plt.show()

data = [32, 48,21, 100]
labels = ['Jan','Feb','Mar','Apr']
plt.bar(labels, data, color = ['green','red','blue','yellow'], width=[0.2,0.3,0.4,0.5])
plt.show()

plt.pie([10, 20, 30, 40])
plt.show()

plt.pie([10, 20, 30, 40], labels=['a','b','c','d'], autopct='%.2f%%') #后面要打2个百分号
plt.show()

plt.pie([10, 20, 30, 40], labels=['a','b','c','d'], autopct='%.2f%%', explode = [0.2,0,0,0]) #explode是把特定部分突出
plt.show()

1.6 Matplotlib-绘制K线图

• mlpfinance包中有许多绘制金融相关图的函数接口
• 绘制K线图：mlpfinance.plot函数

import mplfinance as mpf
import pandas as pd

df = pd.read_csv('399300.csv', parse_dates=['日期'], index_col='日期')[['开盘价','最高价','最低价','收盘价','成交量']]
df.head()

	开盘价	最高价	最低价	收盘价	成交量
日期
2021-01-29	5413.9684	5430.2015	5288.0955	5351.9646	18217878400
2021-01-28	5450.3695	5462.2352	5360.3766	5377.1427	17048558500
2021-01-27	5505.7708	5534.9928	5449.6385	5528.0034	16019084100
2021-01-26	5600.9017	5600.9017	5505.9962	5512.9678	17190459000
2021-01-25	5564.1237	5655.4795	5543.2663	5625.9232	19704701900

# 对数据进行改名，mplfinance名字必须是Date, Open, High, Low, Close, Volume
df.rename(columns={'日期':'Date', '开盘价':'Open', '最高价':'High', '最低价':'Low', '收盘价':'Close', '成交量':'Volume'}, inplace=True)

df.sort_index(ascending=True, inplace=True)

mpf.plot(df, type='candle',mav=(5,10,20), volume=True)

df1 = df['2020-10-01':]

mpf.plot(df1, type='candle',mav=(5,10,20), volume=True)
mpf.show()

my_color = mpf.make_marketcolors(up='cyan', down='red', edge='black', wick='black', volume='blue')
my_style = mpf.make_mpf_style(marketcolors=my_color, gridaxis='both', gridstyle='-.')
mpf.plot(df1, type='candle',mav=(5,10,20), volume=True, style=my_style)
mpf.show()

• make_marketcolors() 设置k线颜色

  • up 设置阳线柱填充颜色
  • down 设置阴线柱填充颜色
  • edge 设置蜡烛线边缘颜色 ‘i’ 代表继承k线的颜色
  • wick 设置蜡烛上下影线的颜色
  • volume 设置成交量颜色
  • inherit 是否继承, 如果设置了继承inherit=True，那么edge即便设了颜色也会无效

• make_mpf_style() 设置mpf样式

  • gridaxis:设置网格线位置,both双向
  • gridstyle:设置网格线线型
  • y_on_right:设置y轴位置是否在右
    注：在设置样式前要先设置格式

• plot绘图的部分参数

  • type设置图像类型’ohlc’/‘candle’/‘line/renko’
  • mav 绘制平局线
  • show_nontrading= True 显示非交易日（k线之间有间隔）,False 不显示交易日，k线之间没有间隔
  • title:设置标题
  • ylabel=设置主图Y轴标题
  • ylabel_lower 设置成交量一栏Y坐标标题
  • figratio:设置图形纵横比
  • figscale 设置图像的缩小或放大,1.5就是放大50%，最大不会超过电脑屏幕大小
  • style 设置整个图表样式，可以使用前面设置的样式my_style,只能在plot函数中使用指定整个图表样式，不能在make_addplot中使用。
  • savefig:导出图片，填写文件名及后缀