【python】matplotlib模块

重点研究matplotlib在量化投资中的应用

---

1.安装

pip install matplotlib

2.介绍

Matplotlib的基础知识如下：

1. Matplotlib中基本图表的元素包括x轴和y轴、水平和垂直的轴线。
   x轴和y轴使用刻度对坐标轴进行分隔，包括最小刻度和最大刻度；
2. hold属性默认为True，允许在一副图中绘制多条曲线。
3. 使用grid方法为图添加网格线，方法为设置grid参数（参数和plot()函数相同），lw代表linewidth(线的粗细)，Alpha(表示线的明暗程度)。
4. axis方法如果没有任何参数，返回当前坐标轴的上下限
5. 除了plt.axis方法，还可以通过xlim,ylim方法设置坐标轴的范围
6. legend方法如下

3.基本图表绘制

3.1 单图绘制

在同一个图中绘制cos和sin曲线，并且美化图形。

import numpy as np
import matplotlib.pyplot as plt

# 设置x取值范围
x = np.linspace(-np.pi,np.pi,256)
C,S = np.cos(x),np.sin(x)

# 绘图
plt.plot(x,C)
plt.plot(x,S)

让我们给它添加一个标题，更改线条样式，设置x，y轴上下限，设置曲线标记。

# 创建一个9x7的点阵图，设置分辨率为80个像素
plt.figure(figsize=(9,7),dpi=80)
# 创建一个新的1*1的子图，接下来的图形会绘制在其中第一块
plt.subplot(1,1,1)
# 绘制余弦曲线，使用蓝色的，连续的，宽度为1像素的线条
plt.plot(x,C,color="blue",linewidth=1.0,linestyle='-')
# 绘制正弦曲线，使用绿色的，连续的，宽度为1像素的线条
plt.plot(x,S,color="green",linewidth=1.0,linestyle='-')
# 设置横轴上下限
plt.xlim(-3.0,3.0)
# 设置纵轴上下限
plt.ylim(-1.0,1.0)
# 设置横轴记号
plt.xticks(np.linspace(-3,3,5,endpoint=True))
# 设置纵轴记号
plt.yticks(np.linspace(-1,1,4,endpoint=True))
# 设置标题
plt.title("demo")
# 以分辨率72像素来保存图片
plt.savefig("demo.jpg",dpi=72)

3.2 多图绘制

如果要绘制多个图表，可以给figure()传递一个整数参数来指定figure对象的序号，如果序号所指定的对象已经存在，只需要让它成为当前的figure对象即可。

代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 创建图表1和图表2
plt.figure(1)
plt.figure(2)
# 在图表2中创建子图1和子图2
ax1 = plt.subplot(2,1,1)
ax2 = plt.subplot(2,1,2)
x = np.linspace(1,3,100)
for i in range(5):
    # 选择图表1
    plt.figure(1)
    plt.plot(x,np.exp(i*x/3))
   
    # 选择图表2的子图1
    plt.sca(ax1)
    plt.plot(x,np.sin(i*x))
   
    # 选择图表2的子图2
    plt.sca(ax2)
    plt.plot(x,np.cos(i*x))

Matplotlib的图像都位于一个figure画布中，可以使用plt.figure创建一个新画布

fig = plt.figure(figsize=(8,6),dpi=80)
ax = {}
for i in [1,2,3]:
    ax[i] = fig.add_subplot(2,2,i)
    
from numpy.random import randn
ax[1].hist(randn(100),bins=25,color='k',alpha=0.4);
ax[2].scatter(np.arange(50),np.arange(50)+3*randn(50))
ax[3].plot(randn(50).cumsum(),'k--')

在一张图中显示多个子图

x = np.arange(-10,10,0.1)
plt.figure(figsize=(12,6))
# 1行3列的第一个子图
axes = plt.subplot(1,3,1)
axes.plot(x,np.sin(x))
# 设置网格颜色宽度样式
axes.grid(color='r',linewidth=1,linestyle='--')
# 1行3列的第二个子图
axes = plt.subplot(1,3,2)
axes.plot(x,np.cos(x))
# 设置网格颜色宽度样式
axes.grid(color='k',linewidth=1,linestyle='-.')
# 1行3列的第三个子图
axes = plt.subplot(1,3,3)
axes.plot(x,np.exp(x))
# 设置网格颜色宽度样式
axes.grid(color='g',linewidth=1,linestyle=':')

4. 绘制K线图

4.1 安装tushare和mpl_finance

• Tushare官网地址是财经数据接口包，拥有丰富的数据内容，如股票、基金、期货、数字货币等行情数据，公司财务、基金经理等基本面数据
• 提供多种数据储存方式，如Oracle、MySQL，MongoDB、HDF5、CSV等，为数据获取提供了性能保证
• SDK开发包支持语言，同时提供HTTP Restful接口，最大程度方便不同人群的使用

pip install tushare

mpl_finance是python中用来绘制蜡烛图、线图的分析工具，目前已经从Matplotlib中独立出来。

pip install mpl_finance

4.2 绘制K线图示例

import warnings
warnings.filterwarnings("ignore")

import tushare as ts
import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec
from matplotlib.pylab import date2num
import mpl_finance as mpf
import datetime

# 下面输入想要的股票代码并下载数据
pro = ts.pro_api("Your Token")
df = pro.daily(ts_code='000001.SZ', start_date='20180701', end_date='20190318')

# 将trade_date转化为时间戳数字
df["trade_date"] = df["trade_date"].map(lambda date:date2num(datetime.datetime.strptime(date,'%Y%m%d')))
# 需要按照约定的顺序来排列数据，即 matrix_data 每一行中前五个数据必须是：时间、开盘价、收盘价、最高价、最低价。
df1 = df[["trade_date","open","close","high","low"]]

# 绘制k线图
# 画布大小
Fig,(ax0,ax1) = plt.subplots(2,sharex=True,figsize=(15,8))
# 调整两个字画布大小
ax0 = plt.subplot2grid((3,1),(0,0),rowspan=2)
ax1 = plt.subplot2grid((3,1),(2,0))
# 调整上下间隔
plt.subplots_adjust(hspace=0.25)
# 在第一个子画布上画k线，第二个子画布上画柱线
mpf.candlestick_ochl(ax0,df1.values,width=1,colorup='r',colordown='g',alpha=1.0);
ax0.set_title('000001')
ax0.set_ylabel("Price")
ax0.grid(True)
plt.bar(df["trade_date"]-0.4,df["vol"],width=0.8);
ax1.xaxis_date()
ax1.set_ylabel("Volume")
plt.show()