量化交易入门(十四)Python开发-matplotlib
我来用股票量化数据讲解如何使用Matplotlib库进行数据可视化。Matplotlib是Python中最流行的绘图库,提供了丰富的图表类型和自定义选项。
假设我们有以下股票数据DataFrame df:
Date Open High Low Close Volume
0 2023-01-03 100.5 101.3 99.8 100.2 1000000
1 2023-01-04 100.3 100.8 99.5 100.6 1200000
2 2023-01-05 100.7 101.5 100.1 101.2 1500000
3 2023-01-06 101.3 102.0 100.5 100.9 1800000
4 2023-01-09 100.8 101.2 99.9 100.5 1300000
- 绘制基本折线图
import matplotlib.pyplot as plt
plt.figure(figsize=(10, 6))
plt.plot(df['Date'], df['Close'])
plt.xlabel('Date')
plt.ylabel('Close Price')
plt.title('Stock Close Price')
plt.xticks(rotation=45)
plt.grid(True)
plt.show()
我们首先创建一个图形对象和一个默认的轴对象。然后用 plot() 函数绘制收盘价折线图。接着设置x轴和y轴的标签,图表标题,x轴刻度的旋转角度,以及显示网格线。最后用 show() 函数显示图表。
- 绘制多条折线
plt.figure(figsize=(10, 6))
plt.plot(df['Date'], df['Close'], label='Close')
plt.plot(df['Date'], df['Open'], label='Open')
plt.xlabel('Date')
plt.ylabel('Price')
plt.title('Stock Price')
plt.xticks(rotation=45)
plt.legend()
plt.grid(True)
plt.show()
我们可以在同一个轴对象上绘制多条折线。每次调用 plot() 函数时,传入 label 参数以给出图例名称。然后用 legend() 函数显示图例。
- 绘制成交量柱状图
plt.figure(figsize=(10, 6))
plt.bar(df['Date'], df['Volume'], width=0.6)
plt.xlabel('Date')
plt.ylabel('Volume')
plt.title('Stock Volume')
plt.xticks(rotation=45)
plt.grid(True)
plt.show()
我们用 bar() 函数绘制柱状图。width 参数设置柱的宽度。
- 绘制价格和成交量的子图
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8), sharex=True)
ax1.plot(df['Date'], df['Close'])
ax1.set_ylabel('Close Price')
ax1.grid(True)
ax2.bar(df['Date'], df['Volume'], width=0.6)
ax2.set_xlabel('Date')
ax2.set_ylabel('Volume')
ax2.grid(True)
plt.tight_layout()
plt.show()
我们用 subplots() 函数创建一个包含两个子图的图形对象。2, 1 表示子图的行数和列数,即上下两个子图。sharex=True 表示两个子图共享x轴。然后在第一个子图上绘制收盘价折线图,在第二个子图上绘制成交量柱状图。我们可以用 ax1 和 ax2 对象分别设置两个子图的y轴标签和网格线。最后用 tight_layout() 函数自动调整子图间的间距,并显示图表。
- 绘制K线图
from mplfinance.original_flavor import candlestick_ohlc
import matplotlib.dates as mdates
fig, ax = plt.subplots(figsize=(10, 6))
candlestick_ohlc(ax, df[['Open', 'High', 'Low', 'Close']].values, width=0.6, colorup='red', colordown='green')
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
ax.set_xlabel('Date')
ax.set_ylabel('Price')
ax.set_title('Stock Candlestick Chart')
ax.grid(True)
fig.autofmt_xdate()
plt.show()
K线图是股票价格走势的常用表示方式。这里我们使用Matplotlib的一个扩展库mplfinance来绘制K线图。首先将DataFrame中的开盘价、最高价、最低价、收盘价数据传给 candlestick_ohlc() 函数。colorup 和 colordown 参数设置上涨和下跌K线的颜色。然后设置x轴的日期格式,以及轴标签和图表标题。最后用 autofmt_xdate() 函数自动格式化x轴的日期标签,并显示图表。
- 保存图表到文件
plt.savefig('stock_chart.png', dpi=300, bbox_inches='tight')
我们可以用 savefig() 函数将图表保存到文件。dpi 参数设置图片的分辨率,bbox_inches='tight' 表示自动裁剪图片边缘的空白部分。
以上就是用Matplotlib进行量化金融数据可视化的一些常用示例。Matplotlib提供了非常丰富和灵活的绘图功能,可以满足大部分的量化分析需求。建议查阅Matplotlib的官方文档和画廊,学习更多的绘图技巧和自定义选项。同时,也可以探索一些基于Matplotlib的高级绘图库,如Seaborn和Plotly,它们提供了更加美观和交互的图表样式。