第五章：量化研究专题 （第一篇：用 matplotlib 绘图函数实现数据可视化 ）

导语：数据分析能力是一项非常重要的能力，尤其是在分析股票数据时，挖掘其中的有用信 


息是成功的必要因素。而数据可视化可谓是秀数据分析能力的最好方式，本章内容主要介绍 


python 的matplotlib 模块，让你的数据分析结果，show 出来！ 






matplotlib 绘图 






开始之前，还是学习一个模块导入操作 






import matplotlib.pyplot as plt 






import pandas as pd 






import numpy as np 






让我们先搬上小白板 






fig = plt.figure() 






axes = fig.add_axes([0.2, 0.2, 1, 1]) # 左侧间距，底部间距，宽度，高度 (从 0 到1) 






axes 




----------------------- Page 134-----------------------


先画个 y=x2 曲线： 






x = np.linspace(-10, 10) 






y = x ** 2 






axes.plot(x, y, 'r') 






axes.set_xlabel('x') #设置X 轴 






axes.set_ylabel('y') #设置Y 轴 






axes.set_title('微笑') #设置标题 






小白板上再插入一个小白板 






axes2 = fig.add_axes([0.5, 0.5, 0.3, 0.3]) #插入面板2 






axes2.plot(x, y, 'y') 






axes2.set_xlabel('x') 






axes2.set_ylabel('y') 






axes2.set_title('微笑中微笑') 




----------------------- Page 135-----------------------


    plt.figure() 函数内部有figsize 和 dpi 参数，用于设置图像的大小和精度。 






    我们将上述代码中fig = plt.figure()改成fig = plt.figure(figsize=(8,4), dpi=100)，结果如下: 




----------------------- Page 136-----------------------


让我们尝试画一个沪深300 指数收盘价走势图： 






x1_list=get_price('000300.SH', None, '20180125', '1d', ['close'], False, 'pre', 100, is_panel=1) 


['close'] 






fig = plt.figure() 






axes = fig.add_axes([0.1, 0.1, 2, 2]) #插入面板2 






y=np.array(x1_list) 






x=np.array(range(0,len(x1_list))) 






axes.plot(x, y, 'r') 






axes.set_xlabel(' 日期') 






axes.set_ylabel('沪深300 指数值') 






axes.set_title('沪深300 近10 日走势图') 




----------------------- Page 137-----------------------


同时在小白板上绘制沪深300 指数和创业板指数 （净值数据） 






fig = plt.figure() 






axes = fig.add_axes([0.1, 0.1, 2, 2]) #插入面板 






x1_list=get_price('000300.SH', None, '20180125', '1d', ['close'], False, 'pre', 100, is_panel=1) 


['close'] 






x1_list=list((x1_list-x1_list.iloc[0])/x1_list) 






y=np.array(x1_list) 






x=np.array(range(0,len(x1_list))) 






axes.plot(x, y, 'r') 






x2_list=get_price('399006.SZ', None, '20180125', '1d', ['close'], False, 'pre', 100, is_panel=1)['close'] 






x2_list=list((x2_list-x2_list.iloc[0])/x2_list) 






y2=np.array(x2_list) 






x2=np.array(range(0,len(x2_list))) 






axes.plot(x2, y2, 'y') 






axes.set_xlabel(' 日期') 






axes.set_ylabel('指数值') 






axes.set_title('沪深300 与创业板净值走势') 






axes.legend(['沪深300 指数','创业板指数']) 




----------------------- Page 138-----------------------


是不是觉得小白板上的标题和X,Y 轴字体太小了，我们需要设置字体大小。 






axes.set_xlabel(' 日期',fontsize=20) 






axes.set_ylabel('指数值',fontsize=20) 






axes.set_title('沪深300 与创业板净值走势',fontsize=20) 






axes.legend(['沪深300 指数','创业板指数'],fontsize=20) 




----------------------- Page 139-----------------------


当然，我们可以通过全局操作，一条语句控制字体和大小 






matplotlib.rcParams.update({'font.size': 10, 'font.family': 'serif'}) 






如何改变线条宽度、类型、颜色呢？axes.plot()函数内，color 代表颜色参数，linewidth 是宽 


度参数，linestyle 是样式参数，将上述代码的axes.plot() 内置参数进行如下修改。 






axes.plot(x, y, color='r',linewidth=1,linestyle='-.') 






axes.plot(x2, y2, color='y',linewidth=2,linestyle=':') 




----------------------- Page 140-----------------------


    除此之外，我们还能在曲线上做标记，并设置标的形状，大小，颜色。axes.plot()函数 


内 marker 代表标记形状，markersize 代表标记大小，markerfacecolor 代表标记颜色。将上述 


代码的axes.plot() 内置参数进行如下修改。 






axes.plot(x, y, color='r',linewidth=1,linestyle='-',marker='+', markersize=8, markerfacecolor='r') 






axes.plot(x2, y2, color='y',linewidth=2,linestyle='-',marker='o', markersize=8, markerfacecolor='y') 






设置坐标轴范围 






#设置范围 






axes.set_ylim([-0.1,0.2 ]) 






axes.set_xlim([0, 100]) 




----------------------- Page 141-----------------------


你也可以自定义坐标轴。 






#设置X 轴 






axes.set_xticks([0,50,100]) 






axes.set_xticklabels(['开始','一半','收尾'], fontsize=18) 






#设置Y 轴 






axes.set_yticks([-0.1,0,0.1]) 






axes.set_yticklabels(['亏损10%','净值基点','盈利 10%'], fontsize=18) 






加入文字注释和自定义网格 






# 网格 






axes.grid(color='b', alpha=1, linestyle='-.', linewidth=1) 






#文字注释 






axes.text(60, -0.06, r'创业板', fontsize=20, color='blue') 






axes.text(60, 0.08, r'沪深300', fontsize=20, color='green') 




----------------------- Page 142-----------------------


接下来介绍其他二维绘图样式 






1.axes.scatter() 






fig = plt.figure() 






axes = fig.add_axes([0.1, 0.1, 2, 2])  






x=np.random.randn(100) 






y=np.random.randn(100) 






axes.scatter(x,y) 






axes.set_title('scatter') 






2.axes.step() 






fig = plt.figure() 






axes = fig.add_axes([0.1, 0.1, 2, 2])  






x=[1,2,3,4,5,6,7,] 






y=[2,3,4,5,6,7,8,] 






axes.step(x, y) 






axes.set_title('step') 




----------------------- Page 143-----------------------


3.axes.bar() 






fig = plt.figure() 






axes = fig.add_axes([0.1, 0.1, 2, 2])  






x=[1,2,3,4,5,6,7,] 






y=[2,3,4,5,6,7,8,] 






axes.bar(x,y) 






axes.set_title('bar') 






4.axes.fill_between() 






fig = plt.figure() 






axes = fig.add_axes([0.1, 0.1, 2, 2])  






x=[1,2,3,4,5,6,7,] 






y=[2,3,4,5,6,7,8,] 






axes.fill_between(x, y); 






axes.set_title('fill_between') 




----------------------- Page 144-----------------------


学习绘制沪深300 指数K 线图走势，希望同学们结合上面的知识点，学习更多绘图技巧。 






绘制结果： 






绘制代码： 






import numpy as np 






import matplotlib.pyplot as plt  






from matplotlib.finance import candlestick2_ohlc 






import datetime 






data=get_price(['000300.SH'], None, '20171110', '1d', ['open','high','low','close'], True, None, 200,  


is_panel=0) 






data=data['000300.SH'] 






#时间转化格式 






time=data.index 






t=[] 






for x in time: 






    x=str(x).split()[0] 






    x=x.split('-') 






    x=x[0]+x[1]+x[2] 






    x=int(x) 






    t.append(x) 






#画图数据 






time=t 






open1=list(data['open']) 






high1=list(data['high']) 






low1=list(data['low']) 






close1=list(data['close']) 




----------------------- Page 145-----------------------


#画图 






fig,ax = plt.subplots(figsize = (20,8),facecolor='pink') 






fig.subplots_adjust()  






plt.xticks()   






plt.yticks()   






plt.title("沪深300K 线走势图")   






plt.ylabel("股指")   






ticks = ax.set_xticks(range(1,200,40)) 






labels = ax.set_xticklabels([time[0],time[40],time[80],time[120],time[160]])  






candlestick2_ohlc(ax,open1,high1,low1,close1,width=0.6,colorup='red',colordown='green') 






#支撑线 






plt.plot([75,200],[3316,3954],'g',linewidth=10) 






# 红星：回踩1 






plt.plot(75, 3316, 'r*', markersize = 40.0,label='趋势线') 






plt.annotate(r'二次低位', xy=(75, 3316), 






    xycoords='data', xytext=(-90, -50), 






    textcoords='offset points', fontsize=26, 






    arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) 






# 红星：回踩2 






plt.plot(140, 3650, 'r*', markersize = 40.0) 






plt.annotate(r'止跌，形成趋势线', xy=(140, 3650), 






    xycoords='data', xytext=(-90, -50), 






    textcoords='offset points', fontsize=26, 






    arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) 






# 红星：回踩3 






plt.plot(172, 3800, 'r*', markersize = 40.0) 






plt.annotate(r' 回踩趋势线', xy=(172, 3800), 






    xycoords='data', xytext=(-90, -50), 






    textcoords='offset points', fontsize=26, 






    arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2")) 






#MA5 






data['ma5']=pd.rolling_mean(data['close'],5) 






plt.plot(list(data['ma5']),label='五日均线') 






#MA10 






data['ma10']=pd.rolling_mean(data['close'],10) 




----------------------- Page 146-----------------------


plt.plot(list(data['ma10']),label='十 日均线') 






#MA20 






data['ma20']=pd.rolling_mean(data['close'],20) 






plt.plot(list(data['ma20']),label='二十日均线') 






#MA30 






data['ma30']=pd.rolling_mean(data['close'],30) 






plt.plot(list(data['ma30']),label='三十 日均线') 






#MA60 






data['ma60']=pd.rolling_mean(data['close'],60) 






plt.plot(list(data['ma60']),label='六十日均线') 






plt.legend() 






print('沪深300 走势图分析') 




----------------------- Page 147-----------------------