• 一维数据集
• 由于大部分 ndarray 方法返回的仍然是一个 ndarray 对象，也可以附加一 个方法(有些时候甚至可以附加多个方法)传递对象。 我们用样板数据调 用 ndarray 对象上的 cumsum 方法，可以获得这些数据的总和，并且和 预想的一样得到不同的输出(见图 5-3 ):
二维绘图
二维绘图
• 二维数据集
• 观察图 5-9 可以看出，第一个数据集仍然是"在视觉上易于辨认的"，而 第二个数据集在新的 Y 轴刻度上看起来像一条直线。 在某种程度上，第 二个数据集的有关信息现在 "在视觉上已经丢失"。
二维绘图
• 二维数据集
• 解决这个问题有两种基本方法:
• 使用 2 个 y 轴(左/右); • 使用两个子图(上/下，左/右)。
• 一维数据集
二维绘图
二维绘图
• 二维数据集
• 按照一维数据绘图可以看做一种特例。一般来说.数据集包含多个单独的子集。 这种数据的处理遵循 matplotlib 处理一维数据时的原则。但是，这种情况会 出现其他一些问题，例如，两个数据集可能有不同的刻度，无法用相同的 y 或 x 轴刻度绘制。另一 个问题是，你可能希望以不同的方式可视化两组不同 数据，例如，一组数据使用线图， 另一组使用柱状图 。
• 一维数据集
二维绘图
二维绘图
• 一维数据集
• 默认情况下， plt.plot 支持表 5-2 中的颜色缩写 • 对于线和点的样式， plt.plot 支持表5-3 中列出的字符。
二维绘图
• 一维数据集
• 默认情况下， plt.plot 支持表 5-2 中的颜色缩写。 • 对于线和点的样式， plt.plot 支持去 5-3 中列出的字符。
二维绘图
• 二维数据集
二维绘图
• 二维数据集
• 在这种情况下.进一步的注释有助下更好地理解图表，可以为每个数据集 添加单独的标签并在图例中列出。plt.legend 接受不同的位置参数。 0 表 示“最佳位置” ， 也就是图例尽可能少地遮盖数据。图 5-8 展示了包含两 个数据集的图表，这一次带有图例。在生成代码中，我们没有传递整个 ndarray 对象，而是分别访问两个数据子集( y[:, 0]和 y[:, 1]) 可以为它们附 加单独的标签:
二维绘图
• 二维数据集
• plt.legend 的其他位置选项在表 5-4 中列出 ，
二维绘图
• 二维数据集
• 多个具有类似刻度的数据集(如同一金融风险因素的模拟路径)可以用单一 的 y 轴绘制。但是，数据集常常有不同的刻度，用单一y轴刻度绘制这种 数据的图表通常会导致可视化信息的显著丢失。为了说明这种效果，我 们将两个数据手集中的第一个扩大100倍，再次绘制该图(参见图 5-9 );
二维绘图
• 二维数据集
• 首先.我们生成一个二维样本数据集。下面的代码生成包含标准正 态分布(伪)随机数的 20 x 2 NumPy ndarray 在这个数组上调用 cumsum 计算样本数据在0轴(即第一维)上的总和 ,将这样的二维 数组传递给 plt.plot 它将自动把包含的数据解释为单独的数据集 (沿着1轴，即第二维) 对应的图表如图 5-7 所示:
• 一维数据集
• matplotlib 提供了大量函数以自定义绘图样式-有些函数容易理解，其他 的则需要更深入一步研究 。 例如，操纵坐标轴和增加网格及标签的的函 数很容易理解(参见图 5-4 ):
二维绘图
• 一维数据集
• 表 5-1 列出了 plt.axis 的其他选项，大部分部以字符串对象的形式金融时间序列的收益和另一个时间序列收 益的对比。 在下面的例子中，我们将使用二维数据集和其他一些数据:
Python金融大数据分析
第五章 数据可视化
本章按照如下主题组织:
• 2D 绘图
• 从最简单的图形到具有两种刻度或不同子图的较高级图形;还 介绍典型的金融图表.例如,烛柱图。
• 金融学图表
• Matplotlib库中精选多金融学图表
• 3D 绘图
• 介绍一些对金融应用有用的 3D 图形
二维绘图
• 一维数据集
二维绘图
二维绘图
• 一维数据集
• plot 会注意到何时传递了 ndarray 对象。 在这种情况下，没有必要提供 x 值的"额外" 信息 ， 如果你只提供 y 的， plot 以索引值作为对应的 x 值、 因此，下面一行代码会生成 完全一样的输出 。 (参见图 5-2 ):
二维绘图
二维绘图
• 一维数据集
• 可以使用 plt.xlim 和 plt.ylim 设置每个坐标轴的最小值相应大 值。下面的代码提供了一个示例，输出如图 5-5 所示:
二维绘图
• 一维数据集
• 为了得到更好的易理解性，图表通常包含一些标签一一例如描述 x 和 y 值 性 质 的 标 题 和 标 签 。 这 些 标 签 分 别 通 过 plt.title ， plt.xlabel 和 plt.ylabel 添加。默认情况下，即使提供的数据点是离散的, plot 也绘制连 续线条。离散点的绘制通过选择不同的样式选项实现。图 5-6 覆盖(红色) 点和线宽为1.5 个点的(蓝色)线条:
• 一维数据集
• 首先，我们必须导人对应的库内主要的绘图函数在子库 matplotlib.pyplot 中
• pyplot 子序中的 plot 函数是最基础的绘图函数，但是也相当 强大。原则上，它需要两组数值
• x 值:包含 x 坐标(横坐标)的列表或者数组、 • y 值: 包含 y 坐标(纵坐标)的列表或者数组。 • 当然， x 和 y 值的数量必须相等
二维绘图
• 二维数据集
• 我们首先在图表中引人第二个 y 轴。图 5-10 中有两个不同的 y 轴，左 侧的 y 轴用于第一个数据集，右侧的 y 轴用于第二个数据集，因此，有 两个图例:
二维绘图
• 二维数据集
• 接下来，考虑两个单独子图的情况。
二维绘图
• 二维数据集
• 有时候，选择两个不同的图表类型来可视化数据可能是必要的或者是理 想的。 利用子图方法，就可以自由地组合 matplotlib 提供的任意图表类 型。 图 5-12 组合了线图/点图 和柱状图: