|
TUSHARE 金融與技術(shù)學習興趣小組 翻譯整理、編輯 | 一只小綠怪獸 譯者簡介：北京第二外國語學院國際商務專業(yè)研一在讀，目前在學習Python編程和量化投資相關(guān)知識。 作者：DataCamp 時間序列數(shù)據(jù)在數(shù)據(jù)科學領(lǐng)域無處不在，在量化金融領(lǐng)域也十分常見，可以用于分析價格趨勢，預測價格，探索價格行為等。 學會對時間序列數(shù)據(jù)進行可視化，能夠幫助我們更加直觀地探索時間序列數(shù)據(jù)，尋找其潛在的規(guī)律。 本文會利用Python中的matplotlib【1】庫，并配合實例進行講解。matplotlib庫是?個?于創(chuàng)建出版質(zhì)量圖表的桌?繪圖包（2D繪圖庫），是Python中最基本的可視化工具。 【工具】Python 3 【數(shù)據(jù)】Tushare 【注】示例注重的是方法的講解，請大家靈活掌握。 01 單個時間序列 首先，我們從tushare.pro獲取指數(shù)日線行情數(shù)據(jù)，并查看數(shù)據(jù)類型。 import tushare as ts
import pandas as pd
pd.set_option('expand_frame_repr', False) # 顯示所有列
ts.set_token('your token')
pro = ts.pro_api()
df = pro.index_daily(ts_code='399300.SZ')[['trade_date', 'close']]
df.sort_values('trade_date', inplace=True)
df.reset_index(inplace=True, drop=True)
print(df.head())
trade_date close
0 20050104 982.794
1 20050105 992.564
2 20050106 983.174
3 20050107 983.958
4 20050110 993.879
print(df.dtypes)
trade_date object
close float64
dtype: object
交易時間列'trade_date' 不是時間類型，而且也不是索引，需要先進行轉(zhuǎn)化。 df['trade_date'] = pd.to_datetime(df['trade_date'])
df.set_index('trade_date', inplace=True)
print(df.head())
close
trade_date
2005-01-04 982.794
2005-01-05 992.564
2005-01-06 983.174
2005-01-07 983.958
2005-01-10 993.879
接下來，就可以開始畫圖了，我們需要導入matplotlib.pyplot【2】，然后通過設置set_xlabel()和set_xlabel()為x軸和y軸添加標簽。 import matplotlib.pyplot as plt
ax = df.plot(color='')
ax.set_xlabel('trade_date')
ax.set_ylabel('399300.SZ close')
plt.show()
matplotlib庫中有很多內(nèi)置圖表樣式可以選擇，通過打印plt.style.available查看具體都有哪些選項，應用的時候直接調(diào)用plt.style.use('fivethirtyeight')即可。 print(plt.style.available)
['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']
plt.style.use('fivethirtyeight')
ax1 = df.plot()
ax1.set_title('FiveThirtyEight Style')
plt.show()
02 設置更多細節(jié) 上面畫出的是一個很簡單的折線圖，其實可以在plot()里面通過設置不同參數(shù)的值，為圖添加更多細節(jié)，使其更美觀、清晰。 figsize(width, height)設置圖的大小，linewidth設置線的寬度，fontsize設置字體大小。然后，調(diào)用set_title()方法設置標題。 ax = df.plot(color='blue', figsize=(8, 3), linewidth=2, fontsize=6)
ax.set_title('399300.SZ close from 2005-01-04 to 2019-07-04', fontsize=8)
plt.show()
如果想要看某一個子時間段內(nèi)的折線變化情況，可以直接截取該時間段再作圖即可，如df['2018-01-01': '2019-01-01'] df_subset_1 = df['2018-01-01':'2019-01-01']
ax = df_subset_1.plot(color='blue', fontsize=10)
plt.show()
如果想要突出圖中的某一日期或者觀察值，可以調(diào)用.axvline()和.axhline()方法添加垂直和水平參考線。 ax = df.plot(color='blue', fontsize=6)
ax.axvline('2019-01-01', color='red', linestyle='--')
ax.axhline(3000, color='green', linestyle='--')
plt.show()
也可以調(diào)用axvspan()的方法為一段時間添加陰影標注，其中alpha參數(shù)設置的是陰影的透明度，0代表完全透明，1代表全色。 ax = df.plot(color='blue', fontsize=6)
ax.axvspan('2018-01-01', '2019-01-01', color='red', alpha=0.3)
ax.axhspan(2000, 3000, color='green', alpha=0.7)
plt.show()
03 移動平均時間序列 有時候，我們想要觀察某個窗口期的移動平均值的變化趨勢，可以通過調(diào)用窗口函數(shù)rolling來實現(xiàn)。下面實例中顯示的是，以250天為窗口期的移動平均線close，以及與移動標準差的關(guān)系構(gòu)建的上下兩個通道線upper和lower。 ma = df.rolling(window=250).mean()
mstd = df.rolling(window=250).std()
ma['upper'] = ma['close'] + (mstd['close'] * 2)
ma['lower'] = ma['close'] - (mstd['close'] * 2)
ax = ma.plot(linewidth=0.8, fontsize=6)
ax.set_xlabel('trade_date', fontsize=8)
ax.set_ylabel('399300.SZ close from 2005-01-04 to 2019-07-04', fontsize=8)
ax.set_title('Rolling mean and variance of 399300.SZ cloe from 2005-01-04 to 2019-07-04', fontsize=10)
plt.show()
04 多個時間序列 如果想要可視化多個時間序列數(shù)據(jù)，同樣可以直接調(diào)用plot()方法。示例中我們從tushare.pro上面選取三只股票的日線行情數(shù)據(jù)進行分析。 # 獲取數(shù)據(jù)
code_list = ['000001.SZ', '000002.SZ', '600000.SH']
data_list = []
for code in code_list:
print(code)
df = pro.daily(ts_code=code, start_date='20180101', end_date='20190101')[['trade_date', 'close']]
df.sort_values('trade_date', inplace=True)
df.rename(columns={'close': code}, inplace=True)
df.set_index('trade_date', inplace=True)
data_list.append(df)
df = pd.concat(data_list, axis=1)
print(df.head())
000001.SZ
000002.SZ
600000.SH
000001.SZ 000002.SZ 600000.SH
trade_date
20180102 13.70 32.56 12.72
20180103 13.33 32.33 12.66
20180104 13.25 33.12 12.66
20180105 13.30 34.76 12.69
20180108 12.96 35.99 12.68
# 畫圖
ax = df.plot(linewidth=2, fontsize=12)
ax.set_xlabel('trade_date')
ax.legend(fontsize=15)
plt.show()
調(diào)用.plot.area()方法可以生成時間序列數(shù)據(jù)的面積圖，顯示累計的總數(shù)。 ax = df.plot.area(fontsize=12)
ax.set_xlabel('trade_date')
ax.legend(fontsize=15)
plt.show()
如果想要在不同子圖中單獨顯示每一個時間序列，可以通過設置參數(shù)subplots=True來實現(xiàn)。layout指定要使用的行列數(shù)，sharex和sharey用于設置是否共享行和列，colormap='viridis' 為每條線設置不同的顏色。 df.plot(subplots=True,
layout=(2, 2),
sharex=False,
sharey=False,
colormap='viridis',
fontsize=7,
legend=False,
linewidth=0.3)
plt.show()
05 總結(jié) 本文主要介紹了如何利用Python中的matplotlib庫對時間序列數(shù)據(jù)進行一些簡單的可視化操作，包括可視化單個時間序列并設置圖中的細節(jié)，可視化移動平均時間序列和多個時間序列。 相關(guān)的官方文檔和參考資料已附下面，感興趣的話可以自行查閱更多內(nèi)容！
|
