python 金融应用（三）数据可视化

　matplotlib 库( http://www.matp1otlìb.org )的基本可视化功能。

　主要是2-D绘图、金融绘图和3-D绘图

一.2-D绘图

1.1一维数据集

#导入所需要的包
import matplotlib as mpl
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(1000)
y=np.random.standard_normal(20)   #生成20个正太分布随机数

x=range(len(y))  #简单的绘图
plt.plot(x,y)

　　其实，不需要输入x参数也可以绘图，因为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') I 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。

plt.plot(y)

还可以传递附加方法：

plt.plot(y.cumsum())  #对y的累计求和

还可以操作细节，

plt.plot(y.cumsum())
plt.grid(True)   #添加表格
plt.axis('tight') #显示x轴的全刻度
plt.xlim(-1,20)   #规定x轴最大、最小值
plt.ylim(np.min(y.cumsum())-1,np.max(y.cumsum())+1)
plt.show()

plt.axis具体参数：

Empty ：返回 当前坐标轴限值
off ：关闭做标轴线相标签
equal ：使用等刻度
scalcd ：通过尺寸变化平衡刻度
tight ：使所有 数据可见{缩小限值）
Image： 使所有数据可见(使用数据限值）
[xmin、xmax， ymin, ymax] ：将设置限定为给定（一组）值

plt.figure(figsize=(12,8))
plt.plot(y.cumsum(),'b',lw=1.5)
plt.plot(y.cumsum(),'ro')
plt.grid(True)
plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.title('A simple picture')
plt.show()

颜色

可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。

别名	颜色	别名	颜色
b	蓝色	g	绿色
r	红色	y	黄色
c	青色	k	黑色
m	洋红色	w	白色

线条标记

标记maker	描述	标记	描述
‘o’	圆圈	‘.’	点
‘D’	菱形	‘s’	正方形
‘h’	六边形1	‘*’	星号
‘H’	六边形2	‘d’	小菱形
‘_’	水平线	‘v’	一角朝下的三角形
‘8’	八边形	‘<’	一角朝左的三角形
‘p’	五边形	‘>’	一角朝右的三角形
‘,’	像素	‘^’	一角朝上的三角形
‘+’	加号	‘\’	竖线
‘None’,’’,’ ‘	无	‘x’	X

用来该表线条的属性

风格linestyle或ls	描述	线条风格linestyle或ls	描述
‘-‘	实线	‘:’	虚线
‘–’	破折线	‘None’,’ ‘,’’	什么都不画
‘-.’	点划线

1.2  二维数据集

np.random.seed(2000)
y=np.random.standard_normal((20,2)).cumsum(axis=0)  #axis=0 按列累加求和

plt.figure(figsize=(8,6))
plt.plot(y,lw=1.5)
plt.plot(y,'ro')
plt.grid(True)
plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.title('A simple plot')
plt.show()

添加图例

plt.figure(figsize=(8,6))
plt.plot(y[:,0],lw=1.5,label='1st')
plt.plot(y[:,1],lw=1.5,label='2st')
plt.plot(y,'ro')
plt.grid(True)
plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.legend(loc=0)
plt.title('A simple plot')
plt.show()

图例位置参数：

plt.legend(loc='’)

0: ‘best' 1: ‘upper right' 2: ‘upper left' 3: ‘lower left'

4: ‘lower right' 5: ‘right' 6: ‘center left'

7: ‘center right' 8: ‘lower center' 9: ‘upper center' 10: ‘center'

使用双坐标轴

y[:,0]=y[:,0]*100
fig,ax1=plt.subplots(figsize=(8,6))
plt.plot(y[:,0],'c',lw=1.5,label='1st')
plt.plot(y[:,0],'ro')
plt.legend(loc=8)

ax2=ax1.twinx()    #添加另一个坐标轴
plt.plot(y[:,1],lw=1.5,label='2st')
plt.plot(y[:,1],'ro')

plt.grid(True)
plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.legend(loc=0)
plt.title('A simple plot')
plt.show()

画两个子图plt.figure(figsize=(8,6))

plt.figure(figsize=(8,6))
plt.subplot()  #2x1 第一个子图
plt.plot(y[:,0],'c',lw=1.5,label='1st')
plt.plot(y[:,0],'ro')
plt.legend(loc=0)

plt.subplot()   #两行一列 第二个子图
plt.plot(y[:,1],'g',lw=1.5,label='2st')
plt.plot(y[:,1],'ro')
plt.legend(loc=0)

plt.grid(True)
plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.title('A simple plot')
plt.show()

不同种类的两个子图

plt.figure(figsize=(8,6))
plt.subplot(211)
plt.plot(y[:,0],'c',lw=1.5,label='1st')
plt.plot(y[:,0],'ro')
plt.legend(loc=0)
plt.grid(True)
plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.title('1 dataset')

plt.subplot(212)
plt.bar(np.arange(len(y)),y[:,1],color='g',width=0.5,label='2st')  #条形图

plt.legend(loc=0)

plt.grid(True)

plt.axis('tight')
plt.xlabel('index')
plt.ylabel('value')
plt.title('2nd dataset')
plt.show()　

其他绘图样式

散点图

np.random.seed(2000)
y=np.random.standard_normal((2000,2))

plt.figure(figsize=(8,6))
plt.scatter(y[:,0],y[:,1])
plt.grid(True)
plt.xlabel('1 data')
plt.ylabel('2 data')
plt.show()

plt.figure(figsize=(8,6))
plt.plot(y[:,0],y[:,1],color='r',marker='o')
plt.grid(True)
plt.xlabel('1 data')
plt.ylabel('2 data')
plt.show()

scatter 绘图函数可以加入第三维，通过不同的颜色进行可视化.并使用彩条加以描述。为此，我们用随机数据生成第三个数据集，这次使用的是0 和10 之间的整数：

 展示的散点图有不同颜色小点表示的第三维，还有作为颜色图例的影条:

c = np.random.randint(0, 10, len(y))
plt.figure(figsize=(7,5))
plt.scatter(y[: , 0], y [ : , 1] , c=c , marker ='o')
plt.colorbar()
plt.grid(True)
plt.xlabel('lst')
plt.ylabel('2nd')
plt.title('Scatter Plot')

直方图

plt.figure(figsize=(7,4))
plt.hist(y,label=['1st','2en'],bins=20)  #bins=20 代表分为20组
plt.legend(loc=0)
plt.grid(True)
plt.xlabel('index')
plt.ylabel('value')
plt.show()

详解hist函数

   matplotlib.pyplot.hist(
    x, bins=10, range=None, normed=False,
    weights=None, cumulative=False, bottom=None,
    histtype=u'bar', align=u'mid', orientation=u'vertical',
    rwidth=None, log=False, color=None, label=None, stacked=False,
    hold=None, **kwargs)  

参数描述：
x ：列表对象 ndarray 对象
bins: 数据组( bin )数
range: 数据组的下界和上界
nonned :规范化为整数1
weights： x 轴上每个值的权重
cumulative： 每个数据组包含较低组别的计数
hisstype ：选项(字符串): ar， barstacked, step、stepfìlled
align： 选项(字符串): left, mid, righl
onentatlon： 选项(字符串): horizontal, vertical
rwideth：条块的相对宽度
log ：对数刻度
color ：每个数据集的颜色(类似数组)
label ：标签所用的字符串或者字符串序列
stacked ：堆叠多个数据集

两个数据集的数据在直方图的堆叠，只需要修改hist中参数:

plt.figure(figsize=(7,4))
plt.hist(y,label=['1st','2en'],bins=20)
plt.legend(loc=0)
plt.grid(True)
plt.xlabel('index')
plt.ylabel('value')
plt.show()

箱型图

fig,ax=plt.subplots(figsize=(7,4))
plt.boxplot(y)
plt.setp(ax,xticklabels=['1st','2nd'])             #    设置(一组)图表的实例的属性
plt.grid(True)
plt.xlabel('value')
plt.ylabel('fre')
plt.show()

data=np.random.standard_normal(20)
lin=plt.plot(data,'r')
plt.setp(lin,linestyle='-')
plt.show()

将线的样式更改为"短划线"

生成积分曲线

#1:积分函数
def fun(x):
    return 0.5*np.exp(x)+1

#2:定义积分区
a,b=0.5,1.5
x=np.linspace(0,2)
y=fun(x)

#3:绘制函数图像
fig,ax=plt.subplots(figsize=(7,4))
plt.plot(x,y,'r',lw=1.5)
plt.ylim(ymin=0)

from matplotlib.patches import Polygon
#4:使用Polygon 函数生成阴影部分(‘补丁’)，表示积分面积:
Ix=np.linspace(a,b)
Iy=fun(x)
verts=[(a,0)]+ list(zip(Ix,Iy)) +[(b,0)] #zip把列表转化为元组l1= [1,2,3]  l2=[2,3,4]  lsit(zip(l1,l2))=[(1,2),(2,3),(3,4)]
poly = Polygon(verts, facecolor ='0.9',edgecolor='0.1')
ax.add_patch(poly)

plt.text(0.5 * (a + b) , 1, r"$\int_a^b f(x)\mathrm{d}x$" ,horizontalalignment='center' , fontsize=20)
plt.figtext(0.9, 0.075, '$X$')
plt.figtext(0.075, 0.9, '$f(x)$')

ax.set_xticks((a, b))
ax.set_xticklabels(('$a$' , '$b$' ))
ax.set_yticks( [ fun(a) , fun(b)])
ax . set_yticklabels(('$f(a)$' , '$f(b)$'))
plt.grid(True)
plt.show()

二 .3-D绘图

strike = np.linspace(50, 150, 24)
ttm = np.linspace(0.5, 2.5, 24)
strike, ttm = np.meshgrid(strike, ttm)

iv = (strike - 100) ** 2 / (100 *strike) / ttm
# generate fake implied νolatilities

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(9, 6))
ax = fig.gca(projection='3d')
surf = ax.plot_surface(strike, ttm, iv, rstride=2 , cstride=2,
cmap=plt.cm.coolwarm, linewidth=0.5,
antialiased=True)
ax.set_xlabel('strike')
ax.set_ylabel('time-to-maturity')
ax.set_zlabel('implied volatility')
fig.colorbar(surf, shrink=0.5, aspect=5)
plt.show()

plot_surface 参数

X, Y, Z ：2D 数组形式的数据值
rstride ：数组行距(步长大小)
cstride： 数组列距(步长大小)
color： 曲面块颜包
cmap： 曲面峡颜色映射
facecolors ：单独曲面块表面'颜包
norm ：将值映射为颜色的Normalize 实例
Vmin：映射的最小值
vmax ：映射的最大值

还有可以用view_init 设置不同的视角:

fig = plt.figure(figsize=(8, 5))
ax = fig.add_subplot(111,projection='3d')
ax.view_init(30, 60)
ax.scatter(strike, ttm, iv, zdir='z' , s=25,
c='b' , marker='^')
ax.set_xlabel('strike')
ax.set_ylabel('time-to-maturity')
ax.set_zlabel('implied volatili ty')
plt.show()