導(dǎo)讀：分析時(shí)間序列數(shù)據(jù)的一種簡(jiǎn)單而有效的方法就是將時(shí)間序列數(shù)據(jù)可視化在一個(gè)圖表上，這樣我們就可以從中推斷出某些假設(shè)。本文將以股價(jià)數(shù)據(jù)集為例，指導(dǎo)你從Quandl下載股價(jià)數(shù)據(jù)集，并將這些數(shù)據(jù)繪制在價(jià)格和成交量圖表上。還將教大家繪制燭臺(tái)圖，比起直線圖表，這將給我們更多的信息。

01從Quandl檢索數(shù)據(jù)集

Quandl簡(jiǎn)介

Quandl是一個(gè)為金融、經(jīng)濟(jì)和另類數(shù)據(jù)服務(wù)的平臺(tái)，這些數(shù)據(jù)由各種數(shù)據(jù)發(fā)布商提供，包括聯(lián)合國(guó)、世界銀行、中央銀行、貿(mào)易交易所和投資研究公司。

使用Python的Quandl模塊，你可以輕松地將金融數(shù)據(jù)導(dǎo)入Python中。Quandl提供免費(fèi)的數(shù)據(jù)集，其中包括一些數(shù)據(jù)樣本，但如果你需要訪問(wèn)一些優(yōu)質(zhì)的數(shù)據(jù)產(chǎn)品，就必須要先付費(fèi)。

將數(shù)據(jù)從Quandl導(dǎo)入到Python中的過(guò)程非常簡(jiǎn)單，假如我們對(duì)泛歐交易所的荷蘭銀行集團(tuán)感興趣，只需要在Jupyter Notebook單元格中輸入以下代碼（這個(gè)數(shù)據(jù)集在Quandl上的代碼為EURONEXT/ABN）：

 In[]:
import quandl
#Replace with your own Quandl API key QUANDL_API_KEY="BCzkk3NDWt7H9yjzx-DY'
quandl.ApiConfig.api_key=QUANDL_API_KEY
df =quandl.get('EURONEXT/ABN')

將Quandl的API密鑰存儲(chǔ)在常量變量中是一個(gè)很好的習(xí)慣，如果API密鑰發(fā)生改變，只需要在這一個(gè)地方修改它！

導(dǎo)入quandl包后，我們將Quandl的 API密鑰存儲(chǔ)在常量變量QUANDL_API_KEY中。這個(gè)常量值用于設(shè)置Quandl模塊的API密鑰，并且只需要對(duì)quandl包的每個(gè)導(dǎo)入執(zhí)行一次。最后一行調(diào)用quandl.get()指令，將ABN數(shù)據(jù)集從Quandl直接下載到df變量中。（注意：EURONEXT是數(shù)據(jù)提供者Euronext Stock Exchange的縮寫(xiě)。）

默認(rèn)情況下，Quandl會(huì)將數(shù)據(jù)集導(dǎo)入到pandas模塊的DataFrame中。我們可以用如下代碼來(lái)檢查DataFrame的頭和尾：

In[]:
df:head()
out[]:
             OPen  High     Low      Last    Volume      Turnower
Date
2015-11-20  18.18  18.43  18.000    18.35  38392898.0  7.003281e+08
2015-11-23  18.45  18.70  18.215    18.61   3352514.0  6.186446e+07
2015-11-24  18.70  18.80  18.370    18.80   4871901.0  8.994087e+07
2015-11-25  18.85  19.50  18.770    19.45   4802607.0  9.153862e+07
2015-11-26  19.48  19.67  19.410    19.43   1648481.0  3.220713e+07 
In[]:
df:tail()
Out []:
            OPen  High     Low  Last     Volume      Turnower
Date
2018-08-06  23.50  23.53  23.23  23.34  1126371.0  2.634333e+07
2018-08-07  23.59  23.60  23.31  23.33  1785613.0  4.177652e+07
2018-08-08  24.00  24.39  23.83  24.14  4165320.0  1.007085e+08
2018-08-09  24.40  24.46  24.15  24.37  2422470.0  5.895752e107
2018-08-10  23.70  23.94  23.28  23.51  3951850.0  9.336493e+07

默認(rèn)情況下，head()和tail()命令分別顯示的是DataFrame的前5行和最后5行，你可以把它傳遞的參數(shù)設(shè)置成一個(gè)具體的數(shù)字來(lái)定義要顯示的行數(shù)。例如，head(100)將顯示DataFrame中的前100行。

如果你沒(méi)有為get()命令設(shè)置任何附加參數(shù)，那么它將會(huì)檢索整個(gè)時(shí)間序列數(shù)據(jù)集，即從你進(jìn)行操作時(shí)的前一個(gè)工作日一直到2015年11月。

要可視化這個(gè)DataFrame，我們可以通過(guò)plot()命令繪制一個(gè)圖

In[]:
  %matplotlib inline
  import matplotlib.pyplot as plt
  df.plot();

運(yùn)行結(jié)果如下圖所示。

pandas的plot()命令將返回一個(gè)Axis對(duì)象，此對(duì)象的字符串表示將與plot()命令一起顯示在界面上。為了消除這個(gè)信息，我們?cè)谧詈笠粭l語(yǔ)句的末尾添加一個(gè)分號(hào)“;”?；蛘撸覀円部梢栽趩卧竦撞刻砑右粭lpass語(yǔ)句。除此之外，我們還可以將繪圖函數(shù)分配給一個(gè)變量，這樣也能消除這個(gè)輸出。

默認(rèn)情況下，pandas的plot()命令用matplotlib庫(kù)來(lái)顯示圖像，如果系統(tǒng)報(bào)錯(cuò)的話，請(qǐng)檢查你是否安裝了這個(gè)庫(kù)，并且%matplotlib inline命令至少被調(diào)用過(guò)一次。你可以自定義圖表的外觀，有關(guān)DataFrame中plot命令的更多信息，可在以下網(wǎng)頁(yè)上找到：https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.plot.html

02繪制收盤(pán)價(jià)與成交量的關(guān)系圖

當(dāng)沒(méi)有參數(shù)提供給plot()命令時(shí)，它會(huì)用DataFrame的所有列在同一圖表上繪制折線圖，我們無(wú)法從這個(gè)雜亂無(wú)章的圖像中得到什么有用的信息。為了有效地從這些數(shù)據(jù)中提取信息，我們可以繪制一只股票的收盤(pán)價(jià)與成交量的關(guān)系圖。

在單元格中輸入以下命令：

In[]:
  princes=df[‘Last']
  volumes=df[‘Volume']

上述命令會(huì)將我們感興趣的數(shù)據(jù)分別存儲(chǔ)到closing_prices和volumes這兩個(gè)變量中，我們可以繼續(xù)使用head()和tail()命令查看由此產(chǎn)生的pandas數(shù)據(jù)類型的頭部和底部：

In[]:
   Prices .head()
out[]:
   Date
   ...
   2015-11-20   18.35
   2015-11-23   18.61
   2015-11-24   18.80
   2015-11-25   19.45
   2015-11-26   19.43
   Name:  Last，dtype:float64
In[]:
    volumes.tail()
out[]:
   Date
   2018-08-031252024.0
   2018-08-061126371.0
   2018-08-071785613.0
   2018-08-084165320.0
   2018-08-09。2422470.0
   Name:Volume，dtype:float64

如果你想知道某個(gè)特定變量的類型，可以使用type()命令。比如，type(volumes)命令的運(yùn)行結(jié)果是 pandas.core.series.Series，這樣我們就知道volumes是屬于pandas序列數(shù)據(jù)類型的。

從2018年一直追溯到2015年都有數(shù)據(jù)可查，這樣就可以繪制收盤(pán)價(jià)與成交量的關(guān)系圖：

In[]:
#The top Plot consisting of daily closing  Prices
top=plt.subplot2grid((4,4),(0,0),rowspan=3,colspan=4)
top .plot(Prices.index，Prices，1abel='Last')
Plt.title('ABN Last Price from 2015 -  2018')
plt.legend(loc=2)
#The bottom Plot consisting of daily trading volume
bottom=plt.subplot2grid((4,4),(3,0),rowspan=1,colspan=4)
bottom.bar(volumes.index，volumes)
plt.title('ABN Daily Trading  Volume')
Plt.gcf () .set_size_inches(12，8)
plt.subplots_adjust(hspace=0.75)

運(yùn)行結(jié)果如下圖所示。

在第一行中，subplot2grid命令的第一個(gè)參數(shù)(4,4)將整個(gè)圖劃分為一個(gè)4x4的網(wǎng)格，第二個(gè)參數(shù)(0,0)表明繪圖將錨定在圖形的左上角。rowspan=3指示繪圖將占據(jù)網(wǎng)格上4個(gè)可用行中的3行，即實(shí)際高度為圖形的75%；colspan=4指示繪圖將占用網(wǎng)格的所有4列，即使用其所有可用寬度。這個(gè)命令會(huì)返回一個(gè)matplotlib axis對(duì)象，我們將使用該對(duì)象繪制圖形的上部。

在第二行中，使用plot()命令繪制上圖表，x軸為日期值，y軸上的數(shù)值為收盤(pán)價(jià)格。在接下來(lái)的兩行中，我們指定了當(dāng)前圖像的標(biāo)題以及放置在左上角的時(shí)間序列數(shù)據(jù)的圖例。 

接下來(lái)，我們重復(fù)上述操作，在下部呈現(xiàn)每日交易量，這個(gè)圖表錨定在下方1行4列的網(wǎng)格空間中。

為了讓圖像更清楚，我們調(diào)用set_size_inches()命令將圖形設(shè)置為9英寸寬6英寸高，從而形成了一個(gè)矩形圖形（前面的gcf()命令表示獲取當(dāng)前的尺寸）。最后，我們調(diào)用帶有hspace參數(shù)的subplots_adjust()命令，在上部和下部的兩個(gè)子圖之間添加少量的空缺。

subplots_adjust()命令用來(lái)對(duì)各個(gè)子圖的布局進(jìn)行優(yōu)化，它可以接受的參數(shù)有：left、right、bottom、top、wspace、hspace。

03繪制燭臺(tái)圖

燭臺(tái)圖是另一種流行的財(cái)務(wù)圖表，它顯示的信息比單一的價(jià)格圖更多。燭臺(tái)是每一個(gè)特定時(shí)間點(diǎn)的波動(dòng)，其中包含四種重要的信息：開(kāi)盤(pán)價(jià)、最高價(jià)、最低價(jià)和收盤(pán)價(jià)。

我們現(xiàn)在不再推薦使用以前的matplotlib.finance模塊，用另一個(gè)由提取的代碼組成的mpl_finance包來(lái)取代它，你可以在命令行窗口輸入以下代碼來(lái)獲取這個(gè)包：

$pip install mpl-finance

為了更加方便地可視化燭臺(tái)圖，我們將使用ABN數(shù)據(jù)集的一個(gè)子集。在下面的例子中，我們?cè)赒uandl上檢索2018年7月份的每日價(jià)格作為數(shù)據(jù)集，并繪制如下的燭臺(tái)圖：

In[]:
%matplotlib inline 
import  quandl
from mpl_finance import candlestick_ohlc
import matplotlib.dates as mdates
import matplotlib.pyplot as plt
quandl.ApiConfig.api kcy-QUANDL API KEY
df_subset-quandl.get('EURONEXT/ABN',
       start_date='2018-07-01"，
       ena_date='2018-07-31')
df_subset['Date'"]=df_subset.indqex.map(mdates.dqate2num)
df_ohlc=df_subset[['Date','Open','High'，'Low'，'Last']]
figure,ax=plt.sSubPlots(figsize= =(8,4))
formatter=mdates.DateFormatter('%Y-%m-%d')
ax.xaxis.set_major_formatter(formatter)
candlestick_ohlc(ax
                 df_ohlc.values,
                 width=0.8，
                 colorup='green'，
                 colordown='red')
plt.show()

燭臺(tái)圖如下圖所示。

你可以在quandl.get()命令中定義start_date和end_date的值，從而指定數(shù)據(jù)集的時(shí)間范圍。

從Quandl檢索的價(jià)格會(huì)放在一個(gè)名為df_dataset的變量中，由于matplotlib的繪圖函數(shù)需要自己的格式，我們用mdates.date2num命令轉(zhuǎn)換包含日期和時(shí)間在內(nèi)的索引值，并將它們放在名為Date的新列中。

燭臺(tái)的日期、開(kāi)盤(pán)價(jià)、最高價(jià)、最低價(jià)和收盤(pán)價(jià)等數(shù)據(jù)將被提取為一個(gè)DataFrame列存儲(chǔ)在df_ohlc變量中。plt.subplots()函數(shù)會(huì)創(chuàng)建一個(gè)8英寸寬和4英寸高的圖形，其中沿著x軸的標(biāo)簽將被轉(zhuǎn)換為我們可讀的格式。

調(diào)用candlestick_ohlc()命令來(lái)進(jìn)行燭臺(tái)圖的繪制（燭臺(tái)寬度為0.8或全天寬度的80%），收盤(pán)價(jià)高于開(kāi)盤(pán)價(jià)的上漲用淺灰色表示，而收盤(pán)價(jià)低于開(kāi)盤(pán)價(jià)的下跌則用深灰色表示。最后，用plt.show()命令來(lái)顯示燭臺(tái)圖。

到此這篇關(guān)于手把手教你使用Python繪制時(shí)間序列圖的文章就介紹到這了,更多相關(guān)Python時(shí)間序列圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論