傳送門：
- Python數(shù)據(jù)科學（一）- python與數(shù)據(jù)科學應用(Ⅰ)
- Python數(shù)據(jù)科學（二）- python與數(shù)據(jù)科學應用(Ⅱ)
- Python數(shù)據(jù)科學（三）- python與數(shù)據(jù)科學應用(Ⅲ)
- Python數(shù)據(jù)科學（四）- 數(shù)據(jù)收集系列
- Python數(shù)據(jù)科學（五）- 數(shù)據(jù)處理和數(shù)據(jù)采集
- Python數(shù)據(jù)科學（六）- 資料清理(Ⅰ)
- Python數(shù)據(jù)科學（七）- 資料清理(Ⅱ)
- Python數(shù)據(jù)科學（八）- 資料探索與資料視覺化
- Python數(shù)據(jù)科學（九）- 使用Pandas繪制統(tǒng)計圖表
1.信息可視化
因為人對圖像信息的解析效率比文字更高，所以可視化可以使數(shù)據(jù)更為直觀，便于理解，使決策變得高效，所以信息可視化就顯得尤為重要。
1.嘗試做一個折線圖
df.plot()方法的函數(shù)說明
-
DataFrame還可以用于對列進行靈活處理的選項
用折線圖對比各個指數(shù)的實時的開盤點位，并設置圖像大小
df['open'].plot(kind='line', figsize=[5,5], legend=True, title='code')
# 如果需要加入折線，設置參數(shù)grid=True即可
df['open'].plot(kind='line', figsize=[10,5], legend=True, title='code', grid=True)
2.繪制移動平均線
- 獲取上證指數(shù)5.21日分筆歷史數(shù)據(jù)
import tushare as ts
df = ts.get_tick_data('000001', date='2018-05-21')
返回值說明：
- time：時間
- price：成交價格
- change：價格變動
- volume：成交手
- amount：成交金額(元)
- type：買賣類型【買盤、賣盤、中性盤】
- 繪制當日前20條數(shù)據(jù)成交金額變動折線圖
df = df.head(200)
df['amount'].plot(kind='line', figsize=[15,3], legend=True, title='code', grid=True)
- 繪制移動平均線
移動平均線，Moving Average，簡稱MA，MA是用統(tǒng)計分析的方法，將一定時期內(nèi)的證券價格（指數(shù)）加以平均，并把不同時間的平均值連接起來，形成一根MA，用以觀察證券價格變動趨勢的一種技術(shù)指標。
DataFrame.rolling（*window*，*min_periods = None*，*center = False*，
*win_type = None*，*on = None*，*axis = 0*，*closed = None *）[[source]]
參數(shù)說明：
- window：int或偏移量移動窗口的大小，這僅適用于日期時間類型的索引。
- min_periods：int，默認無窗口中需要有最小數(shù)量的觀測數(shù)據(jù)（否則結(jié)果為NA）。對于由偏移量指定的窗口，這將默認為1。
- center：布爾值，默認為False將標簽設置在窗口的中心。
- win_type：字符串，默認無提供一個窗口類型。如果None，所有點均勻加權(quán)。
- on：字符串，可選用于計算滾動窗口的DataFrame列，而不是索引
- closed：字符串，默認無在'右'，'左'，'雙'或'既非'端點上關(guān)閉間隔。
- axis： 軸，int或字符串，默認為0
df['mvg2']=df['amount'].rolling(window=2).mean()
df[['amount', 'mvg2']].plot(kind='line',figsize=[10,5])
3.繪制直方圖
- 我們找出5.21號14:55 - 14:57 這兩分鐘內(nèi)的上證指數(shù)數(shù)據(jù)，觀察它的成交金額變化
df.ix[(df.time>='14:55:00')&(df.time<='14:57:00'),'amount'].plot(kind='bar', figsize=[10,5], legend=True, title='amount')
4.繪制圓餅圖
import tushare
# 獲取大盤指數(shù)實時行情列表
df = ts.get_index()
df['diff'] = df['close'] - df['open']
df['rise'] = df['diff'] > 0 # 漲
df['fall'] = df['diff'] < 0 # 跌
# counterclock 布爾值，可選參數(shù)，默認為：None。指定指針方向，順時針或者逆時針
# startangle浮點類型，可選參數(shù)，默認：None。如果不是None，從x軸逆時針旋轉(zhuǎn)餅圖的開始角度。
df[['rise', 'fall']].sum().plot(kind='pie', figsize=[5,5], counterclock=True,
startangle=90, legend=True, title='diff')
如果你覺得我的文章還可以，可以關(guān)注我的微信公眾號：Python攻城獅
可掃描二維碼，添加關(guān)注
