用python画统计图表_Python数据科学(九)- 使用Pandas绘制统计图表
作者:许胜利 Python爱好者社区专栏作者
博客专栏:许胜利的博客专栏
1.信息可视化
因为人对图像信息的解析效率比文字更高,所以可视化可以使数据更为直观,便于理解,使决策变得高效,所以信息可视化就显得尤为重要。
1.尝试做一个折线图
df.plot()方法的函数说明
DataFrame还可以用于对列进行灵活处理的选项
用折线图对比各个指数的实时的开盘点位,并设置图像大小
df['open'].plot(kind='line', figsize=[5,5], legend=True, title='code')
# 如果需要加入折线,设置参数grid=True即可
df['open'].plot(kind='line', figsize=[10,5], legend=True, title='code', grid=True)
2.绘制移动平均线获取上证指数5.21日分笔历史数据
import tushare as ts
df = ts.get_tick_data('000001', date='2018-05-21')
返回值说明:time:时间
price:成交价格
change:价格变动
volume:成交手
amount:成交金额(元)
type:买卖类型【买盘、卖盘、中性盘】
绘制当日前20条数据成交金额变动折线图
df = df.head(200)
df['amount'].plot(kind='line', figsize=[15,3], legend=True, title='code', grid=True)
绘制移动平均线
移动平均线,Moving Average,简称MA,MA是用统计分析的方法,将一定时期内的证券价格(指数)加以平均,并把不同时间的平均值连接起来,形成一根MA,用以观察证券价格变动趋势的一种技术指标。
DataFrame.rolling(*window*,*min_periods = None*,*center = False*,
*win_type = None*,*on = None*,*axis = 0*,*closed = None *)[[source]]
参数说明:window:int或偏移量移动窗口的大小,这仅适用于日期时间类型的索引。
min_periods:int,默认无窗口中需要有最小数量的观测数据(否则结果为NA)。对于由偏移量指定的窗口,这将默认为1。
center:布尔值,默认为False将标签设置在窗口的中心。
win_type:字符串,默认无提供一个窗口类型。如果None,所有点均匀加权。
on:字符串,可选用于计算滚动窗口的DataFrame列,而不是索引
closed:字符串,默认无在'右','左','双'或'既非'端点上关闭间隔。
axis: 轴,int或字符串,默认为0
df['mvg2']=df['amount'].rolling(window=2).mean()
df[['amount', 'mvg2']].plot(kind='line',figsize=[10,5])
3.绘制直方图我们找出5.21号14:55 - 14:57 这两分钟内的上证指数数据,观察它的成交金额变化
df.ix[(df.time>='14:55:00')&(df.time<='14:57:00'),'amount'].plot(kind='bar', figsize=[10,5], legend=True, title='amount')
4.绘制圆饼图
import tushare
# 获取大盘指数实时行情列表
df = ts.get_index()
df['diff'] = df['close'] - df['open']
df['rise'] = df['diff'] > 0 # 涨
df['fall'] = df['diff'] < 0 # 跌
# counterclock 布尔值,可选参数,默认为:None。指定指针方向,顺时针或者逆时针
# startangle浮点类型,可选参数,默认:None。如果不是None,从x轴逆时针旋转饼图的开始角度。
df[['rise', 'fall']].sum().plot(kind='pie', figsize=[5,5], counterclock=True,
startangle=90, legend=True, title='diff')
用python画统计图表_Python数据科学(九)- 使用Pandas绘制统计图表相关推荐
- python 桌面备忘录_Python数据科学备忘单
python 桌面备忘录 The printable version of this cheat sheet 该备忘单的可打印版本 It's common when first learning Py ...
- python 数据挖掘图书_Python数据科学熊猫图书馆终极指南
python 数据挖掘图书 Pandas (which is a portmanteau of "panel data") is one of the most important ...
- 支持向量机python人脸识别_Python 数据科学手册 5.7 支持向量机
5.7 支持向量机 支持向量机(SVM)是一种特别强大且灵活的监督算法,用于分类和回归. 在本节中,我们将探索支持向量机背后的直觉,及其在分类问题中的应用. 我们以标准导入开始: %matplotli ...
- 用python画熊_Python数据可视化:Pandas库,只要一行代码就能实现
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. 以下文章一级AI入门学习 ,作者小伍哥 刚接触Python的新手.小白,可以复制下面的链接去免费观 ...
- python 画虚线_Python数据可视化 - matplotlib
数字可视化是将数据用统计图表方式呈现. python的作图库有两种,matplotlib 和 seaborn,本文主要介绍Matplotlib. Matplotlib 是一个 Python 的 2D绘 ...
- python画树林_Python数据可视化-支付宝蚂蚁森林能量收取记录
支付宝蚂蚁森林模块最早从2016年推出,题主最开始从支付宝集福活动开始接触.期间懒懒散散收过一些能量,但是相比朋友圈动辄几十几百公斤的能量值,我的能量值只有20Kg,想种棵胡杨连零头都不够.所以,本着 ...
- python用表格中的数据画柱状图_Python数据可视化:5种绘制柱状图表的方法(附源码)...
本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理 以下文章来源于数据Magic,作者我不是小样 前言 python里面有很多优秀的可 ...
- python 方差齐性检验_Python数据科学:正态分布与t检验
昨天介绍了两连续变量的相关分析,今天来说说连续变量与分类变量(二分)之间的检验. 通俗的来讲,就是去发现变量间的关系. 连续变量数量为一个,分类变量数量为两个. 总体:包含所有研究个体的集合. 样本: ...
- python画误差棒_Python数据可视化-误差棒图errorbar
实验中往往由于各种原因会存在一定的误差,针对这一波动范围我们称之为置信区间.在可视化数据时,Matplotlib中的误差棒图(errorbar,官方项目地址)可以很好的表现这种有一定置信区间的带误差数 ...
最新文章
- 解决使用requests_html模块,html.render()下载chromium报错、速度慢问题
- 已解决:Job for docker.service failed because the control process exited with error code. See “systemctl
- LayoutInflate部分源码解析
- gorm增删改查总结
- 移植 uC/OS-III 到 STM32
- 将非事务性资源绑定到JTA事务中的几种模式
- show status和show variables区别解析
- mysql重做日志与binlog日志区别_【135期】谈谈MySQL中的重做日志,回滚日志,以及二进制日志的区别及各自作用...
- laravel 图片上传 intervention/image
- dubbo 运行过程
- Java12之switch升级语法在Eclipse中的穿透问题
- 服务器防御DDoS的方法,一文解决DDoS攻击
- wincap安装内幕
- http://trans.godict.com/index.php
- 各大门户免费登录入口
- 微信支付快速生成签名sign
- 搞懂事件循环,面试不再害怕console输出问题。(自整)
- Git忽略文件(.ignore)以及git status,git diff,git rm命令
- Decoding tumour phenotype by noninvasive imaging using a quantitative radiomics approach
- low-light系列:Lightening Network for Low-light Image Enhancement
热门文章
- 计算器排html页面,htmltest~计算器界面的实现
- WordPress 多媒体库添加分类和标签支持
- 「浏览器插件」网址小尾巴终结者
- uni-app微信小程序image引入图片;background-image背景图引入图片;小程序预览本地图片;小程序图片过大引入报错;获取本地图片的网络地址;
- linux内核源代码分析----内核基础设施之klist
- React开发(248):react项目理解 ant design input autosize
- [css] 如果给一个元素设置background-color,它的颜色会填充哪些区域呢?
- 工作284:理解绑定逻辑
- 工作203:实现预览效果
- 工作158:vue里面为什么要加key