Python金融大数据分析——第五章数据可视化（1）二维绘图

本文链接：https://blog.youkuaiyun.com/qq_33313532/article/details/106944798

本文详细介绍了Python在金融大数据分析中进行二维数据可视化的技巧，包括一维数据集的绘制、二维数据集的累计总和展示、散点图、直方图和箱型图的使用。通过实例展示了如何自定义图表样式、设置坐标轴范围、添加网格以及使用legend和多轴来清晰区分多条曲线。同时，文章还提到了散点图的颜色映射、直方图的堆叠展示以及如何在图表中插入Latex公式。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

第五章数据可视化

5.1 二维绘图

5.1.1 一维数据集

生成20个标准正态分布（伪）随机数，保存在Numpy ndarray中。

'''
生成20个标准正态分布（伪）随机数，保存在Numpy ndarray中。
'''
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

np.random.seed(1000)
y = np.random.standard_normal(20)
x = range(len(y))
plt.plot(x, y)
plt.show()

plot会注意何时传递ndarray对象，此时没必要单独提供x值信息，只需要提供y值，plot就会以索引值作为对应的x值。如下：

'''
生成20个标准正态分布（伪）随机数，保存在Numpy ndarray中。
'''
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

np.random.seed(1000)
y = np.random.standard_normal(20)

plt.plot(y)
plt.show()

通过调用ndarray对象上的cumsum方法，可以获得这些数据的总和。

# 通过调用ndarray对象上的cumsum方法，可以获得这些数据的总和
plt.plot(y.cumsum())
plt.show()

默认绘图样式不能满足报表，一般都需要自定义样式。可以修改轴的范围，添加网格等，

# 上述默认绘图样式不能满足报表，一般都需要自定义样式。
plt.plot(y.cumsum())
plt.grid(True)  # 添加网格
plt.axis('tight')  # 修改轴范围,tight使所有数据可见
plt.show()

设置坐标轴的最小值最大值范围，通过xlim，ylim进行设置

# 可以设置坐标轴的最小值和最大值
plt.plot(y.cumsum())
plt.grid(True)
plt.xlim(-1, 20)
plt.ylim(np.min(y.cumsum()) - 1,
         np.max(y.cumsum()) + 1)
plt.show()

为了让图表更容易理解，可以添加附加的信息。

# 为了让图标更容易理解，需要加些附加的信息
plt.figure(figsize=(7, 4))
plt.plot(y.cumsum(), 'b', lw=1.5)  # 线宽1.5，蓝色直线
plt.plot(y.cumsum(), 'ro')  # 红色圆点
plt.grid(True)
plt.axis('tight')
plt.xlabel('index')  # x轴标识
plt.ylabel('value')  # y轴标识
plt.title('A Simple Plot')  # 标题
plt.show()