溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇文章給大家分享的是有關Python可視化的折線圖是怎樣的，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。
摘要： 利用matplotlib繪制橫軸為日期格式的折線圖時，存在不少技巧。本文借助Tushare包返回的股票數據，介紹日期型折線圖繪制的方法。
回顧：
Python數據處理分析(1)：日期型數據處理
折線圖繪制的數據源，采用Tushare包獲取上市公司基本數據表，格式如下：
1import pandas as pd
2data = pd.read('get_stock_basics.csv',encoding = 'utf8')
3print(data.head())
4
5ts_code symbol name list_status list_date is_hs
6000001.SZ 1 平安銀行 L 19910403 S
7000002.SZ 2 萬科A L 19910129 S
8000004.SZ 4 國農科技 L 19910114 N
9000005.SZ 5 世紀星源 L 19901210 N
然后利用resample和to.period方法匯總各年度的上市公司數量數據，格式為Pandas.Series數組。
1# 匯總各年上市公司數量
2data = data.set_index(['list_date'])
3data = data.resample('AS').count()['ts_code']
4data = data.to_period('A')
5print(data.head())
6print(data.tail())
7# 結果如下：
8list_date
91990 7
101991 4
111992 37
121993 106
131994 99
14...
15list_date
162014 124
172015 223
182016 227
192017 438
202018 78
首先，我們可以直接利用pandas的數組Series繪制折線圖：
1import matplotlib.pyplot as plt
2plt.style.use('ggplot') # 設置繪圖風格
3fig = plt.figure(figsize = (10,6)) # 設置圖框的大小
4ax1 = fig.add_subplot(1,1,1)
5data.plot() # 繪制折線圖
6
7# 設置標題及橫縱坐標軸標題
8colors1 = '#6D6D6D' #設置標題顏色為灰色
9plt.title('歷年中國內地上市公司數量變化',color = colors1,fontsize = 18)
10plt.xlabel('年份')
11plt.ylabel('數量(家)')
12plt.show()
可以發現，圖中存在兩個問題：一是缺少數值標簽，二是橫坐標年份被自動分割了。我們希望能夠添加上數值標簽，然后坐標軸顯示每一年的年份值。接下來，需要采用新的方法重新繪制折線圖。
1# 創建x,y軸標簽
2x = np.arange(0,len(data),1)
3 ax1.plot(x,data.values, #x、y坐標
4 color = '#C42022', #折線圖顏色為紅色
5 marker = 'o',markersize = 4 #標記形狀、大小設置
6 )
7ax1.set_xticks(x) # 設置x軸標簽為自然數序列
8ax1.set_xticklabels(data.index) # 更改x軸標簽值為年份
9plt.xticks(rotation=90) # 旋轉90度，不至太擁擠
10
11for x,y in zip(x,data.values):
12 plt.text(x,y + 10,'%.0f' %y,ha = 'center',color = colors1,fontsize = 10 )
13 # '%.0f' %y 設置標簽格式不帶小數
14# 設置標題及橫縱坐標軸標題
15plt.title('歷年中國內地上市公司數量變化',color = colors1,fontsize = 18)
16plt.xlabel('年份')
17plt.ylabel('數量(家)')
18# plt.savefig('stock.png',bbox_inches = 'tight',dpi = 300)
19plt.show()
完善后的折線圖如下：
可以看到，x軸逐年的數據都顯示并且數值標簽也添加上了。
上面介紹了一元折線圖的繪制，當需要繪制多元折線圖時，方法也很簡單，只要重復繪圖函數即可。這里我們以二元折線圖為例，繪制國內兩家知名地產公司萬科和保利地產2017年的市值變化對比折線圖。
數據源仍然采用tushare包的pro.daily_basic()接口，該接口能夠返回股票的每日股市數據，其中包括每日市值total_mv。我們需獲得的兩只股票分別是萬科地產(000002.SZ)和保利地產(600048.SH)，下面就來獲取兩只股票2017年的市值數據。
1import tushare as ts
2ts.set_token('你的token') # 官網注冊后可以獲得
3pro = ts.pro_api()
4def get_stock():
5 lst = []
6 ts_codes = ['000002.SZ', '600048.SH']
7 for ts_code in ts_codes:
8 data = pro.daily_basic(
9 ts_code=ts_code, start_date='20170101', end_date='20180101')
10 print(lst)
11 reutrn lst
12 # 結果如下，total_mv為當日市值（萬元）：
13 #萬科地產數據
14 ts_code trade_date close … total_mv circ_mv
150 000002.SZ 20171229 31.06 … 3.43E+07 3.02E+07
161 000002.SZ 20171228 30.7 … 3.39E+07 2.98E+07
172 000002.SZ 20171227 30.79 … 3.40E+07 2.99E+07
183 000002.SZ 20171226 30.5 … 3.37E+07 2.96E+07
194 000002.SZ 20171225 30.37 … 3.35E+07 2.95E+07
20
21 #保利地產數據
22 ts_code trade_date close … total_mv circ_mv
230 600048.SH 20171229 14.15 … 1.68E+07 1.66E+07
241 600048.SH 20171228 13.71 … 1.63E+07 1.61E+07
252 600048.SH 20171227 13.65 … 1.62E+07 1.60E+07
263 600048.SH 20171226 13.85 … 1.64E+07 1.63E+07
274 600048.SH 20171225 13.55 … 1.61E+07 1.59E+07
下面對數據作進一步修改，從DataFrame中提取total_mv列，index設置為日期,再利用resample和pd.to_period方法按月匯總市值數據。
1data['trade_date'] = pd.to_datetime(data['trade_date'])
2# 設置index為日期
3data = data.set_index(data['trade_date']).sort_index(ascending=True)
4# 按月匯總和顯示
5data = data.resample('m')
6data = data.to_period()
7# 市值改為億元
8market_value = data['total_mv']/10000
9
10# 二者結果分別如下，萬科地產：
112017-01 2291.973270
122017-02 2286.331037
132017-03 2306.894790
142017-04 2266.337906
152017-05 2131.053098
162017-06 2457.716659
172017-07 2686.982164
182017-08 2524.462077
192017-09 2904.085487
202017-10 2976.999550
212017-11 3263.374043
222017-12 3317.107474
23# 保利地產：
242017-01 1089.008286
252017-02 1120.023350
262017-03 1145.731640
272017-04 1153.760435
282017-05 1108.230609
292017-06 1157.276044
302017-07 1244.966905
312017-08 1203.580209
322017-09 1290.706606
332017-10 1244.438756
342017-11 1336.661916
352017-12 1531.150616
利用上面的Series數據就可以作圖了。
1# 設置繪圖風格
2plt.style.use('ggplot')
3fig = plt.figure(figsize = (10,6))
4colors1 = '#6D6D6D' #標題顏色
5
6# data1萬科，data2保利
7data1 = lst[0]
8data2 = lst[1]
9# 繪制第一條折線圖
10data1.plot(
11color = '#C42022', #折線圖顏色
12marker = 'o',markersize = 4, #標記形狀、大小設置
13label = '萬科'
14)
15# 繪制第二條折線圖
16data2.plot(
17color = '#4191C0', #折線圖顏色
18marker = 'o',markersize = 4, #標記形狀、大小設置
19label = '保利'
20)
21# 還可以繪制更多條
22# 設置標題及橫縱坐標軸標題
23plt.title('2017年萬科與保利地產市值對比',color = colors1,fontsize = 18)
24plt.xlabel('月份')
25plt.ylabel('市值(億元)')
26plt.savefig('stock1.png',bbox_inches = 'tight',dpi = 300)
27plt.legend() # 顯示圖例
28plt.show()
繪圖結果如下：
如果想添加數值標簽，則可以使用下面的代碼：
1# 繪制第一條折線圖
2# 創建x,y軸標簽
3x = np.arange(0,len(data1),1)
4ax1.plot(x,data1.values, #x、y坐標
5color = '#C42022', #折線圖顏色紅色
6marker = 'o',markersize = 4, #標記形狀、大小設置
7label = '萬科'
8)
9ax1.set_xticks(x) # 設置x軸標簽
10ax1.set_xticklabels(data1.index) # 設置x軸標簽值
11# plt.xticks(rotation=90)
12for x,y in zip(x,data1.values):
13 plt.text(x,y + 10,'%.0f' %y,ha = 'center',color = colors1,fontsize = 10 )
14 # '%.0f' %y 設置標簽格式不帶小數
15
16# 繪制第二條折線圖
17x = np.arange(0,len(data2),1)
18
19ax1.plot(x,data2.values, #x、y坐標
20color = '#4191C0', #折線圖顏色藍色
21marker = 'o',markersize = 4, #標記形狀、大小設置
22label = '保利'
23)
24ax1.set_xticks(x) # 設置x軸標簽
25ax1.set_xticklabels(data2.index) # 設置x軸標簽值
26# plt.xticks(rotation=90)
27for x,y in zip(x,data2.values):
28 plt.text(x,y + 10,'%.0f' %y,ha = 'center',color = colors1,fontsize = 10 )
29 # '%.0f' %y 設置標簽格式不帶小數
30
31# 設置標題及橫縱坐標軸標題
32plt.title('2017年萬科與保利地產市值對比',color = colors1,fontsize = 18)
33plt.xlabel('月份')
34plt.ylabel('市值(億元)')
35
36plt.savefig('stock1.png',bbox_inches = 'tight',dpi = 300)
37plt.legend() # 顯示圖例
38plt.show()
結果如下圖所示：
可以看到，兩只股票市值從2017年初開始一直在上漲，萬科的市值是保利的2倍左右。
以上就是Python可視化的折線圖是怎樣的，小編相信有部分知識點可能是我們日常工作會見到或用到的。希望你能通過這篇文章學到更多知識。更多詳情敬請關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
