TUSHARE??金融與技術學習興趣小組?

翻譯整理、編輯 | 一只小綠怪獸

譯者簡介：北京第二外國語學院國際商務專業研一在讀，目前在學習Python編程和量化投資相關知識。

作者：DataCamp

時間序列數據在數據科學領域無處不在，在量化金融領域也十分常見，可以用于分析價格趨勢，預測價格，探索價格行為等。

學會對時間序列數據進行可視化，能夠幫助我們更加直觀地探索時間序列數據，尋找其潛在的規律。

本文會利用Python中的matplotlib【1】庫，并配合實例進行講解。matplotlib庫是?個?于創建出版質量圖表的桌?繪圖包(2D繪圖庫)，是Python中最基本的可視化工具。

【工具】Python 3

【數據】Tushare

【注】示例注重的是方法的講解，請大家靈活掌握。

01

單個時間序列

首先，我們從tushare.pro獲取指數日線行情數據，并查看數據類型。

import?tushare?as?ts
import?pandas?as?pd


pd.set_option('expand_frame_repr',?False)??#?顯示所有列
ts.set_token('your?token')
pro?=?ts.pro_api()

df?=?pro.index_daily(ts_code='399300.SZ')[['trade_date',?'close']]
df.sort_values('trade_date',?inplace=True)?
df.reset_index(inplace=True,?drop=True)

print(df.head())

??trade_date????close
0???20050104??982.794
1???20050105??992.564
2???20050106??983.174
3???20050107??983.958
4???20050110??993.879

print(df.dtypes)

trade_date?????object
close?????????float64
dtype:?object

交易時間列'trade_date'?不是時間類型，而且也不是索引，需要先進行轉化。

df['trade_date']?=?pd.to_datetime(df['trade_date'])
df.set_index('trade_date',?inplace=True)

print(df.head())

??????????????close
trade_date?????????
2005-01-04??982.794
2005-01-05??992.564
2005-01-06??983.174
2005-01-07??983.958
2005-01-10??993.879

接下來，就可以開始畫圖了，我們需要導入matplotlib.pyplot【2】，然后通過設置set_xlabel()和set_xlabel()為x軸和y軸添加標簽。

import?matplotlib.pyplot?as?plt


ax?=?df.plot(color='')
ax.set_xlabel('trade_date')
ax.set_ylabel('399300.SZ?close')
plt.show()

matplotlib庫中有很多內置圖表樣式可以選擇，通過打印plt.style.available查看具體都有哪些選項，應用的時候直接調用plt.style.use('fivethirtyeight')即可。

print(plt.style.available)

['bmh',?'classic',?'dark_background',?'fast',?'fivethirtyeight',?'ggplot',?'grayscale',?'seaborn-bright',?'seaborn-colorblind',?'seaborn-dark-palette',?'seaborn-dark',?'seaborn-darkgrid',?'seaborn-deep',?'seaborn-muted',?'seaborn-notebook',?'seaborn-paper',?'seaborn-pastel',?'seaborn-poster',?'seaborn-talk',?'seaborn-ticks',?'seaborn-white',?'seaborn-whitegrid',?'seaborn',?'Solarize_Light2',?'tableau-colorblind10',?'_classic_test']

plt.style.use('fivethirtyeight')
ax1?=?df.plot()
ax1.set_title('FiveThirtyEight?Style')
plt.show()

02

設置更多細節

上面畫出的是一個很簡單的折線圖，其實可以在plot()里面通過設置不同參數的值，為圖添加更多細節，使其更美觀、清晰。

figsize(width, height)設置圖的大小，linewidth設置線的寬度，fontsize設置字體大小。然后，調用set_title()方法設置標題。

ax?=?df.plot(color='blue',?figsize=(8,?3),?linewidth=2,?fontsize=6)
ax.set_title('399300.SZ?close?from?2005-01-04?to?2019-07-04',?fontsize=8)
plt.show()

如果想要看某一個子時間段內的折線變化情況，可以直接截取該時間段再作圖即可，如df['2018-01-01': '2019-01-01']

df_subset_1?=?df['2018-01-01':'2019-01-01']
ax?=?df_subset_1.plot(color='blue',?fontsize=10)
plt.show()

如果想要突出圖中的某一日期或者觀察值，可以調用.axvline()和.axhline()方法添加垂直和水平參考線。

ax?=?df.plot(color='blue',?fontsize=6)
ax.axvline('2019-01-01',?color='red',?linestyle='--')
ax.axhline(3000,?color='green',?linestyle='--')
plt.show()

也可以調用axvspan()的方法為一段時間添加陰影標注，其中alpha參數設置的是陰影的透明度，0代表完全透明，1代表全色。

ax?=?df.plot(color='blue',?fontsize=6)
ax.axvspan('2018-01-01',?'2019-01-01',?color='red',?alpha=0.3)
ax.axhspan(2000,?3000,?color='green',?alpha=0.7)
plt.show()

03

移動平均時間序列

有時候，我們想要觀察某個窗口期的移動平均值的變化趨勢，可以通過調用窗口函數rolling來實現。下面實例中顯示的是，以250天為窗口期的移動平均線close，以及與移動標準差的關系構建的上下兩個通道線upper和lower。

ma?=?df.rolling(window=250).mean()
mstd?=?df.rolling(window=250).std()

ma['upper']?=?ma['close']?+?(mstd['close']?*?2)
ma['lower']?=?ma['close']?-?(mstd['close']?*?2)

ax?=?ma.plot(linewidth=0.8,?fontsize=6)
ax.set_xlabel('trade_date',?fontsize=8)
ax.set_ylabel('399300.SZ?close?from?2005-01-04?to?2019-07-04',?fontsize=8)
ax.set_title('Rolling?mean?and?variance?of?399300.SZ?cloe?from?2005-01-04?to?2019-07-04',?fontsize=10)
plt.show()

04

多個時間序列

如果想要可視化多個時間序列數據，同樣可以直接調用plot()方法。示例中我們從tushare.pro上面選取三只股票的日線行情數據進行分析。

#?獲取數據
code_list?=?['000001.SZ',?'000002.SZ',?'600000.SH']
data_list?=?[]
for?code?in?code_list:
????print(code)
????df?=?pro.daily(ts_code=code,?start_date='20180101',?end_date='20190101')[['trade_date',?'close']]
????df.sort_values('trade_date',?inplace=True)
????df.rename(columns={'close':?code},?inplace=True)
????df.set_index('trade_date',?inplace=True)
????data_list.append(df)
df?=?pd.concat(data_list,?axis=1)
print(df.head())

000001.SZ
000002.SZ
600000.SH
????????????000001.SZ??000002.SZ??600000.SH
trade_date?????????????????????????????????
20180102????????13.70??????32.56??????12.72
20180103????????13.33??????32.33??????12.66
20180104????????13.25??????33.12??????12.66
20180105????????13.30??????34.76??????12.69
20180108????????12.96??????35.99??????12.68

#?畫圖
ax?=?df.plot(linewidth=2,?fontsize=12)
ax.set_xlabel('trade_date')
ax.legend(fontsize=15)
plt.show()

調用.plot.area()方法可以生成時間序列數據的面積圖，顯示累計的總數。

ax?=?df.plot.area(fontsize=12)
ax.set_xlabel('trade_date')
ax.legend(fontsize=15)
plt.show()

如果想要在不同子圖中單獨顯示每一個時間序列，可以通過設置參數subplots=True來實現。layout指定要使用的行列數，sharex和sharey用于設置是否共享行和列，colormap='viridis'?為每條線設置不同的顏色。

df.plot(subplots=True,
??????????layout=(2,?2),
??????????sharex=False,
??????????sharey=False,
??????????colormap='viridis',
??????????fontsize=7,
??????????legend=False,
??????????linewidth=0.3)

plt.show()

05

總結

本文主要介紹了如何利用Python中的matplotlib庫對時間序列數據進行一些簡單的可視化操作，包括可視化單個時間序列并設置圖中的細節，可視化移動平均時間序列和多個時間序列。

相關的官方文檔和參考資料已附下面，感興趣的話可以自行查閱更多內容！

END

更多內容請關注“挖地兔”公眾號。

【參考鏈接】

https://matplotlib.org/【1】

https://matplotlib.org/api/_as_gen/matplotlib.pyplot.html#module-matplotlib.pyplot【2】

https://www.datacamp.com/courses/visualizing-time-series-data-in-python【Datacamp】【擴展閱讀】

Pandas必備技能之“分組聚合操作”

Pandas必備技能之“花式拼接表格”

Pandas必備技能之“時間序列數據處理”

Python+SQL無敵組合，值得你Pick！

如何正確使用Pandas庫提升項目的運行速度？

總結

以上是生活随笔為你收集整理的python 画图 线标注_最简洁的Python时间序列可视化实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。