Python数据可视化代码记录

最近学习Python，记录作业代码，以便后续查阅。今天顺便把效果图贴上好了。

1、漲跌幅为今日Adj Close-昨日AdjClose)/昨日Adj Close，日期為x軸，漲跌幅為y軸，畫出折線圖

import numpy as np
import pandas as pd
import matplotlib.dates as mdates    #處理日期
import matplotlib.pyplot as plt
#讀入數據
df = pd.read_csv('AAPL.csv')
x = df['Date']
x = pd.to_datetime(x)               #轉換為日期，否則下面的日期設置不會生效
y = df['Adj Close'].pct_change() * 100  #計算變化的百分比，這個方法很方便
y[0] = 0                           #將第一條缺失值填充為0，作為起點
#plt.gca()函數獲得當前坐標軸，然後才能設置參數或作圖，plt.plot()內部實現了這一步驟
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))  #設置x軸主刻度顯示格式（日期）
plt.gca().xaxis.set_major_locator(mdates.MonthLocator(interval=2))  #設置x軸主刻度間距
plt.xlabel("Date")
plt.ylabel('Change Rate(%)')
plt.title('Apple Stock Trend')
plt.plot(x,y)

2、將漲跌幅絕對值大於3%的點用紅點標註：

#只需要在第1題答案后追加如下代碼：
for i in range(len(y)):
    if abs(y[i])>3:
         plt.scatter(x[i], y[i], color='r', marker='o',s=80,alpha=0.6)

还以为会涉及到图像合并，Python结合matplotlib还是挺简单的，直接绘制散点就行了。

3、直方图，这个没什么说的，与条形图的不同就在于它通常表现的是连续数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#讀入數據
df = pd.read_csv('adult.data.txt',header = None)
group = range(0,100,10)   #設置分組
plt.hist(df[0],group)     #第二個參數是對連續數據的分組

4、饼图：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('adult.data.txt',header = None)
data =df.groupby(by=7).size()    #類型為Series，直接使用index和values作為標籤和對應的值
labels = data.index
sizes = data.values
plt.pie(sizes,labels=labels,autopct='%1.1f%%',startangle=90)  #startangle表示餅圖的起點，explode參數可以設置該塊是否從圓心炸開
plt.axis('equal')   #設置為正圓形，不加這一行不是正圓形
plt.show()

饼图的主要参数就是sizes，对应每个类型的数量，labels对应饼图上显示的标签。通过groupby来分组（参数是数据框的第几列），返回值不能直接用，通过size（）方法得到Series类型，Series的index和values刚好可以用来做饼图的参数。

Python数据可视化代码记录

猜你喜欢