Matplotlib 简单画图

港控/mmm° 2022-07-24 05:18 240阅读 0赞

**0、Matplotlib -- 简介.note**

官网：[http://matplotlib.org/][http_matplotlib.org]

**1、Matplotlib -- 绘制多项式函数.note**

#-*- coding:utf-8 -*-
    #绘制多项式函数
    import numpy as np
    import matplotlib.pyplot as plt
    
    #以自然数序列作为多项式的系数，使用polyld函数创建多项式
    func = np.poly1d(np.array([1,2,3,4]).astype(float))
    print func
    #使用Numpy的linspace函数创建X轴的数值，在-10和10之间产生30个均匀分布的值
    x=np.linspace(-10,10,30)
    #计算我们在第一步中创建的多项式的值
    y=func(x)
    
    #调用plot函数，这并不会立即显示函数图像
    plt.plot(x,y)
    #使用xlabel函数添加X轴的标签
    plt.xlabel('x')
    #使用ylabel函数添加y轴的标签
    plt.ylabel('y(x)')
    #调用show函数显示函数图像
    plt.show()

![Center][]

**2、Matplotlib -- 绘制多项式函数及其导函数.note**

#-*- coding:utf-8 -*-
    #绘制多项式函数及其导函数
    #使用两种不同风格的曲线绘制了一个多项式函数以及导函数，并只调用一次plot函数
    import numpy as np
    import matplotlib.pyplot as plt
    #绘制一个多项式，以及使用derive函数和参数m为1得到的其一阶导函数
    func=np.poly1d(np.array([1,2,3,4]).astype(float))
    func1=func.deriv(m=1)
    x=np.linspace(-10,10,30)
    y=func(x)
    y1=func1(x)
    
    # plt.plot(x,y) #多项式函数
    plt.plot(x,y,'ro',x,y1,'g--')  #多项式函数和一阶导函数    红色是导函数、绿色是一阶导函数
    plt.xlabel('x')
    plt.ylabel('y')
    plt.show()

![Center 1][]

**3、Matplotlib -- 绘制多项式函数及其导函数、一阶导和二阶导.note**

# -*- coding:utf-8 -*-
    #绘制多项式函数及其导函数、一阶导和二阶导
    import numpy as np
    import matplotlib.pyplot as plt
    
    #创建多项式及其导函数
    func=np.poly1d(np.array([1,2,3,4]).astype(float))
    x=np.linspace(-10,10,30)
    y=func(x)
    func1=func.deriv(m=1)
    y1=func1(x)
    func2=func.deriv(m=2)
    y2=func2(x)
    
    #使用subplot函数创建第一个子图。
    # 函数的第一个参数是：子图的行数
    # 函数的第二个参数是：子图的列数
    # 函数的第三个参数是：从1开始的序号
    plt.subplot(311)
    plt.plot(x,y,'r-')
    plt.title("Ploynomial")
    
    #使用subplot函数创建第二个子图，使用蓝色三角形绘制
    plt.subplot(312)
    plt.plot(x,y1,'b^')
    plt.title("First Derivative")
    
    #使用subplot函数绘制第三个子图，使用绿色圆形绘制
    plt.subplot(313)
    plt.plot(x,y2,'go')
    plt.title("Secord Derivaive")
    
    plt.xlabel('x')
    plt.ylabel('y')
    plt.show()

![Center 2][]

**4、Matplotlib -- 绘制全年的股票价格.note**

# -*- coding:utf-8 -*-
    #绘制全年的股票价格
    from matplotlib.dates import DateFormatter
    from matplotlib.dates import DayLocator
    from matplotlib.dates import MonthLocator
    from matplotlib.finance import quotes_historical_yahoo
    from matplotlib.finance import candlestick
    import sys
    from datetime import date
    import matplotlib.pyplot as plt
    today=date.today()
    start=(today.year-1,today.month,today.day)  #将当前的日期减去1年作为起始日期
    #定时器locator，可以在X轴上面定位月份和日期
    alldays=DayLocator()
    months=MonthLocator()
    #创建一个日期格式化data formatter，以格式化X轴上的日期。该格式化将创建一个字符串，包含简写的月份和年份
    month_formatter=DateFormatter("%b %Y")
    
    symbol = 'DISH' #Dish Network公司，Dish股价
    if len(sys.argv) == 2:
        symbol=sys.argv[1]
    #从雅虎财经频道下载股价数据
    quotes=quotes_historical_yahoo(symbol,start,today)
    print quotes
    
    #创建一个Matplotlib的figure对象，这是绘图组件的顶层容器
    fig=plt.figure()
    #增加一个子图
    ax=fig.add_subplot(111)
    #将X轴上的主定位器设置为日定位器。该定位器负责X轴上较粗的刻度
    ax.xaxis.set_major_locator(months)
    #将X轴上的次定位器设置为日定位器。该定位器负责X轴上较细的刻度
    ax.xaxis.set_minor_locator(alldays)
    #将X轴上的主格式化器设置为月格式化器，该格式化器负责X轴上较粗刻度的标签
    ax.xaxis.set_major_formatter(month_formatter)
    #使用获取肚饿股价数据绘制K线图。我们可以指定K线图的宽度
    candlestick(ax, quotes)
    
    #将X轴上的标签格式化为日期。为了更好的适应X轴的长度，标签将被旋转
    fig.autofmt_xdate()
    plt.show()

![Center 3][]

**5、Matplotlib -- 绘制股票分布直方图.note**

# -*- coding:utf-8 -*-
    #绘制股票分布直方图
    #直方图可以将数据的分布可视化
    #绘制DISH股价的分布直方图
    from matplotlib.finance import quotes_historical_yahoo
    import sys
    from datetime import date
    import matplotlib.pyplot as plt
    import numpy as np
    
    #下载一年以来的数据
    today=date.today()
    start=(today.year-1,today.month,today.day)
    symbol='DISH'
    if len(sys.argv)==2:
        symbol=sys.argv[1]
    quotes=quotes_historical_yahoo(symbol,start,today)
    
    #上一步得到的股价数据存储在python列表中，将其转化为Numpy数组并提取出收盘价数据
    quotes=np.array(quotes)
    close=quotes.T[4]
    
    #指定合理数量的柱形，绘制分布直方图
    plt.hist(close,np.sqrt(len(close)))
    plt.show()

![Center 4][]

**6、Matplotlib -- 对数坐标轴  绘制股票成交量.note**

# -*- coding:utf-8 -*-
    #对数坐标轴  绘制股票成交量
    from matplotlib.dates import DateFormatter
    from matplotlib.dates import DayLocator
    from matplotlib.dates import MonthLocator
    from matplotlib.finance import quotes_historical_yahoo
    import sys
    from datetime import date
    import matplotlib.pyplot as plt
    import numpy as np
    today=date.today()
    start=(today.year-1,today.month,today.day)  #将当前的日期减去1年作为起始日期
    
    symbol = 'DISH' #Dish Network公司，Dish股价
    if len(sys.argv) == 2:
        symbol=sys.argv[1]
    #从雅虎财经频道下载股价数据
    quotes=quotes_historical_yahoo(symbol,start,today)
    print quotes
    quotes=np.array(quotes)
    dates=quotes.T[0]
    volume=quotes.T[5]
    
    alldays=DayLocator()
    months=MonthLocator()
    month_formatter=DateFormatter("%b %Y")
    
    #创建一个Matplotlib的figure对象，这是绘图组件的顶层容器
    fig=plt.figure()
    #增加一个子图
    ax=fig.add_subplot(111)
    #使用对数坐标
    plt.semilogy(dates,volume)
    #将X轴上的主定位器设置为日定位器。该定位器负责X轴上较粗的刻度
    ax.xaxis.set_major_locator(months)
    #将X轴上的次定位器设置为日定位器。该定位器负责X轴上较细的刻度
    ax.xaxis.set_minor_locator(alldays)
    #将X轴上的主格式化器设置为月格式化器，该格式化器负责X轴上较粗刻度的标签
    ax.xaxis.set_major_formatter(month_formatter)
    
    #将X轴上的标签格式化为日期。为了更好的适应X轴的长度，标签将被旋转
    fig.autofmt_xdate()
    plt.show()

![Center 5][]

**7、Matplotlib -- 散点图    绘制DISH的股票收益率和成交量的散点图.note**

# -*- coding:utf-8 -*-
    #散点图    绘制DISH的股票收益率和成交量的散点图
    from matplotlib.finance import quotes_historical_yahoo
    import sys
    from datetime import date
    import matplotlib.pyplot as plt
    import numpy as np
    
    today=date.today()
    start=(today.year-1,today.month,today.day)
    
    symbol='DISH'
    if len(sys.argv)==2:
        symbol=sys.argv[1]
    
    #从雅虎财经频道下载股价数据
    quotes=quotes_historical_yahoo(symbol,start,today)    #没有网，这个代码跑不了
    print quotes
    #得到的quotes数据存储在Python列表中，将其格式化为Numpy数组并提取出收盘价和成交量数据
    quotes=np.array(quotes)
    close=quotes.T[4]
    volume=quotes.T[5]
    
    #计算股票收益率和成交量的变化值
    ret=np.diff(close)/close[:-1]
    volchange=np.diff(volume)/volume[:-1]
    #创建一个Matplotlib的figure对象
    fig=plt.figure()
    #在图像中绘制一个子图
    ax=fig.add_subplot(111)
    #创建散点图，并使数据点的颜色与股票收益率相关联，数据点的大小与成交量的变化相关联
    ax.scatter(ret,volchange,c=ret*100,s=volchange*100,alpha=0.5)
    #设置图像的标题，并添加网格线
    ax.set_title('Close and volume returns')
    ax.grid(True)
    
    plt.show()

![Center 6][]

**8、Matplotlib -- 根据条件进行着色.note**

# -*- coding:utf-8 -*-
    #根据条件进行着色
    #fill_between函数使用指定的颜色填充图像中的区域
    #对股票曲线图进行着色，并将低于均值和高于均值的收盘价填充为不同颜色
    
    from matplotlib.finance import quotes_historical_yahoo
    from matplotlib.dates import DateFormatter
    from matplotlib.dates import DayLocator
    from matplotlib.dates import MonthLocator
    import sys
    from datetime import date
    import matplotlib.pyplot as plt
    import numpy as np
    
    today=date.today()
    start=(today.year-1,today.month,today.day)
    
    symbol='DISH'
    if len(sys.argv)==2:
        symbol=sys.argv[1]
    
    quotes=quotes_historical_yahoo(symbol,start,today)
    quotes=np.array(quotes)
    dates=quotes.T[0]
    close=quotes.T[4]
    
    alldays=DayLocator()
    months=MonthLocator()
    month_formatter=DateFormatter("%b %Y")
    
    #创建一个Matplotlib的figure对象
    fig=plt.figure()
    #在图像中添加一个子图
    ax=fig.add_subplot(111)
    #绘制收盘价数据
    ax.plot(dates,close)
    #对收盘价下方的数据进行着色，低于或者高于平均收盘价使用不同的颜色填充
    plt.fill_between(dates,close.min(),close,where=close>close.mean(),facecolor="green",alpha=0.4)
    plt.fill_between(dates,close.min(),close,where=close<close.mean(),facecolor="red",alpha=0.4)
    #设置定位器并将X轴格式化为日期
    ax.xaxis.set_major_locator(months)
    ax.xaxis.set_minor_locator(alldays)
    ax.xaxis.set_major_formatter(month_formatter)
    ax.grid(True)
    fig.autofmt_xdate()
    plt.show()

![Center 7][]

**9、Matplotlib -- 使用图例和注释.note**

# -*- coding:utf-8 -*-
    #使用图例和注释
    #用legend函数创建透明图例，并由Matplotlib自动确定其摆放位置。同时还可以用annotate函数在图像上精确添加注释，
    #并有很多可选的注释和箭头风格
    
    from matplotlib.finance import quotes_historical_yahoo
    from matplotlib.dates import DateFormatter
    from matplotlib.dates import DayLocator
    from matplotlib.dates import MonthLocator
    import sys
    from datetime import date
    import matplotlib.pyplot as plt
    import numpy as np
    
    today=date.today()
    start=(today.year-1,today.month,today.day)
    
    symbol='DISH'
    if len(sys.argv)==2:
        symbol=sys.argv[1]
    quotes=quotes_historical_yahoo(symbol,start,today)
    quotes=np.array(quotes)
    dates=quotes.T[0]
    close=quotes.T[4]
    
    fig=plt.figure()
    ax=fig.add_subplot(111)
    
    #计算并绘制指数移动平均线
    emas=[]
    for i in range(9,18,3):
        weights=np.exp(np.linspace(-1.,0.,i))
        weights/=weights.sum()
    
        ema=np.convolve(weights,close)[i-1:-i+1]
        idx=(i-6)/3
    ax.plot(dates[i-1:],ema,lw=idx,label="EMA(%s)" % (i))
        date=np.column_stack((dates[i-1:],ema))
        emas.append(np.rec.fromrecords(date,names=["datas","ema"]))
    
    #找到两条指数移动平均曲线的交点
    first=emas[0]["ema"].flatten()
    secord=emas[1]["ema"].flatten()
    bools=np.abs(first[-len(secord):]-secord)/secord<0.0001
    xpoints=np.compress(bools,emas[1])
    
    #将找到的交点用注释和箭头标注出来，并确保注释文本在交点的不远处
    for xpoint in xpoints:
        ax.annotate('x',xy=xpoint,textcoords='offset points',xytext=(-50,30),arrowprops=dict(arrowstyle="->"))
    
    #添加一个图例并由Matplotlib自动确定其摆放位置
    leg=ax.legend(loc='best',fancybox=True)
    #设置alpha通道值，将图例透明化
    leg.get_frame().set_alpha(0.5)
    
    
    alldays=DayLocator()
    months=MonthLocator()
    month_formatter=DateFormatter("%b %Y")
    #绘制收盘价数据
    ax.plot(dates,close,lw=1.0,label="Close")
    #对收盘价下方的数据进行着色，低于或者高于平均收盘价使用不同的颜色填充
    plt.fill_between(dates,close.min(),close,where=close>close.mean(),facecolor="green",alpha=0.4)
    plt.fill_between(dates,close.min(),close,where=close<close.mean(),facecolor="red",alpha=0.4)
    #设置定位器并将X轴格式化为日期
    ax.xaxis.set_major_locator(months)
    ax.xaxis.set_minor_locator(alldays)
    ax.xaxis.set_major_formatter(month_formatter)
    ax.grid(True)
    fig.autofmt_xdate()
    plt.show()

![Center 8][]

**10、Matplotlib -- 在3维空间中绘图.note**

# -*- coding:utf-8 -*-
    #在3维空间中绘图
    
    from mpl_toolkits.mplot3d import  Axes3D
    import matplotlib.pyplot as plt
    import numpy as np
    from matplotlib import cm
    
    fig=plt.figure()
    #使用3d关键字来指定图像的三维投影
    ax=fig.add_subplot(111,projection='3d')
    
    #使用meshgrid函数创建一个二维的坐标网格
    u=np.linspace(-1,1,100)
    x,y=np.meshgrid(u,u)
    z=x**2+y**2
    #指定行和列的步幅，以及绘制曲面所用的色彩表
    ax.plot_surface(x,y,z,rstride=4,cstride=4,cmap=cm.YlGnBu_r)
    
    plt.show()

![Center 9][]

**11、Matplotlib -- 绘制等高图.note**

# -*- coding:utf-8 -*-
    #绘制等高图
    #Matplotlib中的等高线3D绘图有两种风格：填充和非填充的。
    #我们可以使用contour函数创建一般的等高线图，对于色彩填充的等高线图，可以使用contourf
    
    import matplotlib.pyplot as plt
    import numpy as np
    from matplotlib import cm
    
    fig=plt.figure()
    ax=fig.add_subplot(111)
    
    u=np.linspace(-1,1,100)
    
    x,y=np.meshgrid(u,u)
    z=x**2+y**2
    #绘制等高线图
    ax.contourf(x,y,z)
    
    plt.show()

![Center 10][]

**12、Matplotlib -- 制作动画.note**

# -*- coding:utf-8 -*-
    #制作动画
    #绘制3个随机生成的数据集，分别用圆形、小圆点和三角形来显示
    import numpy as np
    import matplotlib.pyplot as plt
    import matplotlib.animation as animation
    
    fig=plt.figure()
    ax=fig.add_subplot(111)
    N=10
    x=np.random.rand(N)
    y=np.random.rand(N)
    z=np.random.rand(N)
    #用不同颜色的圆形、小圆点和三角形绘制三个数据集中的数据点
    circles,triangles,dots=ax.plot(x,'ro',y,'g^',z,'b.')
    ax.set_ylim(0,1)
    plt.axis('off')
    
    #这个函数将被定期调用以更新屏幕的内容
    def update(data):
        circles.set_ydata(data[0])
        triangles.set_ydata(data[1])
    return circles,triangles
    
    #使用Numpy生成随机数
    def generate():
    while True:yield np.random.rand(2,N)
    
    anim=animation.FuncAnimation(fig,update,generate,interval=150)
    plt.show()

![Center 11][]

[http_matplotlib.org]: http://matplotlib.org/
[Center]: /images/20220722/e543076d607449a2ad269fa189e9c15f.png
[Center 1]: /images/20220722/372d5ec1102a4341a07549ddd31d3d1a.png
[Center 2]: /images/20220722/d45bc83c9eac4282b023ad1b8db22cc9.png
[Center 3]: /images/20220722/4cafb8d56b1e494fbae151361a84aa4c.png
[Center 4]: /images/20220722/b5a2022e31ae4b76816f599aa4bacc0c.png
[Center 5]: /images/20220722/6b184e0b1f574f979dbf37e1c1c6bc05.png
[Center 6]: /images/20220722/99359b0fea944f7c8fa638dba00f8570.png
[Center 7]: /images/20220722/e16ff740aedd4d37861a5f061dfbaf27.png
[Center 8]: /images/20220722/bc54d3a4e70841bf9eab7bb0321e0f5a.png
[Center 9]: /images/20220722/4f1f5966f4ea4a18851f585259ea29a1.png
[Center 10]: /images/20220722/80f303ec00e2479a96b07bb1656969ee.png
[Center 11]: /images/20220722/e9a34c82a2254a35b8cbf35e9d6cd2fe.png