计算金融与 Python 实践09 数据分析 Matplotlib 类库

数据分析Matplotlib类库09【学习目标】

可视化概念认知需理解数据可视化的基本概念，明确其核心内涵与应用基础。

Matplotlib绘图掌握掌握matplotlib.pyplot绘图基本方法，熟练运用Matplotlib实现数据可视化。【学习目标】：图形格式组件

图形核心组件构成典型图形为第一象限内的直角坐标系，包含横轴、纵轴、标题、绘图区域、图例，各轴均有标签与刻度值、刻度标签。

中文显示设置说明当前Matplotlib版本对中文字符显示存在问题，需设置中文字体以正常显示中文标签，同时需设置以正确显示数值符号“-”。

中文标签Matplotlib默认不支持中文，图例中文易乱码，可设fontproperties参数或用代码做全局字体及负号设置。【学习目标】：图形组件

图形核心构成完整图形主要由轴组件（含轴标签、刻度、显示范围、图标题、图例等）以及图形本身构成。

组件学习安排本小节将针对图形的主要组件，介绍其具体的使用方法。【学习目标】：图形组件标题

标题函数参数解析matplotlib.pyplot.title函数含label、fontdict等参数，fontdict为控制文本外观的字典，有默认配置，loc控制标题对齐，可选左、中、右，默认居中。

标题函数基础说明明确显示图形标题的matplotlib.pyplot.title函数原型，还提及该函数的使用示例相关内容。x轴标签x轴标签用于显示x轴标题，其函数原型为matplotlib.pyplot.xlabel，参数loc控制标签对齐方式，用法同plt.title()的loc参数。y轴标签y轴标签用于显示y轴标题，其函数原型为matplotlib.pyplot.ylabel()，参数用法与pyplot.xlabel()相同。【学习目标】：图形组件【学习目标】：图形组件读取或设置x轴区间轴范围设置方法若需显示图形局部区域，可设置x轴或（和）y轴范围，调用matplotlib.pyplot.xlim函数实现。xlim函数使用示例可通过xlim()返回x轴区间，也可传入元组设置区间，还能单独设置left或right参数限定单侧范围。【学习目标】：图形组件读取或设置y轴区间

ylim函数功能ylim和xlim作用类似，仅作用轴不同，可获取或设置y轴区间，也能单独设置一端的区间数值。

绘图函数说明matplotlib.pyplot中有几十个绘图函数，本节仅对其中常用的几个进行介绍。函数核心功能matplotlib.pyplot.xticks()可读取或设置x轴刻度标签和刻度文本标签，ticks为空值时可清除x轴刻度标签。参数与使用规则ticks为刻度标签列表，labels为对应刻度位置的文本标签，仅当ticks有值时才能设置labels参数。典型应用示例包含读取刻度信息、设置刻度标签、设置刻度文本标签及旋转角度、清除刻度标签等多种使用示例。【学习目标】：图形组件x轴刻度标签【学习目标】：图形组件时间刻度标签

时间轴标签处理方法处理金融时间序列数据的坐标轴时间标签，可借助matplotlib.dates模块中DateLocator子类，通过Axis相关方法设置主、次标记的定位与格式。

日期定位器类详解包含YearLocator、MonthLocator等多类，各有对应参数设置刻度间隔、时区等，AutoDateLocator可自动选取最佳定位参数。

日期格式化类说明有DateFormatter、AutoDateFormatter、ConciseDateFormatter三类，分别通过格式化字符串、自动匹配等方式设置日期标签格式。

实操示例要点以2000-2002年日交易数据可视化为例，x轴设为日期序列，可间隔6个月标识刻度标签，结合自动定位与紧凑格式化类实现。【学习目标】：图形组件

y轴刻度标签yticks()作用于y轴，使用方法同xticks()，函数原型为matplotlib.pyplot.yticks(ticks=None,labels=None,*,minor=False,**kwargs)【学习目标】：图形组件网格线

网格线基础认知网格线是坐标轴刻度线的延伸，分主、次网格线，主疏次密，便于查看和计算数据。

网格线函数参数matplotlib.pyplot.grid函数含visible、which、axis等参数，分别控制可见性、网格类型、显示方向。【学习目标】：图形组件图例

图例添加方法可调用matplotlib.pyplot.legend()，无参数时自动检测图形成员添加图例，也能用handles、labels参数指定图形对象或标签列表。面向对象绘图示例先生成样本数据，创建画布和坐标系子图，通过Axes对象绘制不同曲线，再添加轴标签、标题及图例。组件属性设置方法可使用plt.setp()或plt.getp()单独设置或获取图形组件属性，如修改x轴刻度标签旋转角度，**xta形式是Python语法对字典解包的要求。常用图形

绘图基础说明在x轴、y轴组成的第一象限中绘制图形，可借助matplotlib.pyplot模块的画图函数绘制几十种图形。

常见图形介绍本节将介绍折线图、条形图、直方图、散点图、饼图、盒型图和堆积图这7种常见图形的绘制。折线图基础定义折线图又称曲线图，是将绘制的点用直线连接而成的统计图，x轴值有序时可观察数据变化趋势。plot()函数使用说明matplotlib.pyplot中绘制折线图用plot()函数，有特定原型与调用格式，x、y为轴坐标序列，fmt是颜色等简略符号。常用图形：折线图折线图及plot()函数说明常用图形：折线图中文与负号设置及示例

中文与负号显示设置通过配置plt.rcParams参数，设置'SimHei'字体正常显示中文标签，关闭unicode负号正常显示负号。正弦折线图绘制示例导入matplotlib、numpy和math库，生成0到2π的x值与对应正弦y值，绘制并标注、展示正弦曲线。常用图形：折线图plot()格式化及属性参数

基础格式化参数plot()的格式化参数含标记、线型和颜色，对应符号及说明如表9-3，标记有点、四边形等多种，线型含实线、虚线等，颜色有蓝、红等多类。

关键字属性参数格式化参数及其他属性可用关键字参数传入，常用属性有x/y轴数据、颜色、标记、线型、线条粗细、透明度、图例等，对应要求及默认值如表9-4。常用图形：条形图条形图基础说明

01条形图基础介绍条形图又称条状图或柱形图，以等宽条形的高度或长度表示数据，主要用于比较数据多少。

02条形图参数说明函数原型包含x轴坐标列表、高度列表，还有color、fill、label、tick_label、edgecolor、log、bottom、linewidth等常用参数。常用图形：条形图

单类别营收条形图绘制下面绘制近三年牛奶营收条形图，垂直条形图如图9-4所示，代码如下。常用图形：条形图多类别比较条形图绘制

横向位移比较条图为实现数据比较，可将一个条形图横向位移形成相邻样式，通过对应代码绘制，执行结果如图9-6所示。纵向堆叠比较条图可将多个条形图在y轴方向堆叠显示为重叠样式，附含具体实现代码，执行结果如图9-7所示。常用图形：直方图直方图基础介绍直方图本质是条形图，用于展示数据分布，需先定样本范围、划分区间，再统计各区间样本数。常用图形：直方图直方图函数原型说明

直方图函数原型函数原型为hist(x,bins=None,range=None,density=False,weights=None,cumulative=False,bottom=None,histtype='bar',align='mid',orientation='vertical',rwidth=None,log=False,color=None,label=None,stacked=False,*,data=None,**kwargs)

核心参数说明x为样本，可为数组或数组序列；bins是分割区域，支持整数、区域间隔序列或'auto'；density控制是否返回概率密度，cumulative控制是否累加。常用图形：直方图

示例相关说明示例代码如下，执行结果如图9-8所示。常用图形散点图散点图可展示两变量关系，还能通过标记色/大小呈现多变量，有特定参数与绘制代码。饼图饼图用于显示系列中各项占比，介绍其函数参数x、explode、labels、colors、autopct及示例代码。常用图形：盒型图

盒型图核心作用盒型图（箱型图）核心作用：展现数据内部整体分布情况，含上下限、各分位数和异常值。

函数参数说明本函数唯一需要设置的参数是x，x是绘制的数组或向量序列数据集。

盒型图绘制原理盒型图需先找Q1、Q2、Q3三个四分位点，算IQR、内限，识别异常值后可视化。

示例与结果说明示例代码如下，执行结果如图9-11所示。常用图形：堆积图堆积图用途说明堆积图用来比较数据在不同情况下的差异。常用图形：堆积图函数原型及参数说明

堆积图函数原型stackplot(x,*args,labels=(),colors=None,baseline='zero',data=None,**kwargs)

堆积图参数说明x轴为N维一维数组，y轴可为M×N二维数组或M个1×N一维数组序列，有两种调用示例。示例代码相关说明示例代码如下，执行结果如图9-12所示。常用图形：堆积图多子图区域

多子图基础概念使用Matplotlib画图需先创建figure画布，绘图区域为axes，默认figure及axes可用于绘图，多子图即一个figure中包含多个axes。

多子图实现方式设置figure上的axes布局即多子图区域布局，主要通过pyplot.subplots()、pyplot.add_subplot()和figure.add_subplots()这3个函数实现。多子图区域：划分多子图区域

子图区域划分说明多子图区域划分：用pyplot.subplots()在figure中设网格子区域，返回该figure和所有子图axes多子图区域：划分多子图区域函数参数详细介绍

子图布局参数说明nrows、ncols用于设置axes在figure上的行列布局，创建多子图，函数返回创建的figure和axes数组。

坐标轴共享参数说明sharex和sharey可实现子图坐标轴共享，取值有none、all、row或col，none等同False，all等同True，row、col分别指同行、同列子图共享坐标。多子图区域：划分多子图区域子图布局调整方法子图坐标区域范围不理想，用plt.autoscale()自动调整；子图重叠，用plt.tight_layout()调整布局。多子图区域：增加单子图区域

subplot函数说明matplotlib.pyplot.subplot()可在当前figure中添加单个子图，有4种调用形式，返回axe对象。常规参数设定参数args可设为3个整数(nrows,ncols,index)，index起始为1，从左上角向右顺序增加，对应网格中序号区域。参数灵活设置index也可是二值元组(fir