最简洁的Python时间序列可视化:数据科学分析价格趋势,预测价格,探索价格

职场故事 阅读(1632)
申搏官网直营网

  时间序列数据在数据科学领域无处不在,在量化金融领域名也很常见,可用于分析价格趋势,预测价格和探索价格行为。

学习可视化时间序列数据可以帮助我们更直观地探索时间序列数据并找到其基本规律。

本文将使用Python中的matplotlib [1]库,并通过示例进行说明。 matplotlib库是用于创建发布质量图表的表。绘图包(2D绘图库)是Python中最基本的可视化工具。

[工具] Python3

[数据] Tushare

[注意]该示例侧重于方法说明,请灵活。

01

单个时间序列

首先。我们从tushare.pro获取索引每日市场数据并查看数据类型。

交易时间栏'trade_date'不是时间类型,也不是索引。它需要先转换。

接下来,我们可以开始绘图了。我们需要导入matplotlib.pyplot [2],然后通过设置set_xlabel()和set_xlabel()将标签添加到x和y轴。

matplotlib库中有很多内置的图表样式。您可以通过打印plt.style.available来检查哪些选项可用。申请时,您可以直接致电plt.style.use('fivethirtyeight')。

02

设置更多细节

上图是一个非常简单的折线图。实际上,您可以通过在plot()中设置不同参数的值来为绘图添加更多细节,以使其更加美观和清晰。

通过(宽度,高度)设置图形的大小,lineWidth 的宽度,fontsize设置字体大小。然后,调用set_title()方法来设置标题。

如果要查看某个子周期中折线的变化,可以直接截取时间段然后绘制它,例如df ['2018-01-01':'

如果要在图形中突出显示日期或观察,可以通过调用.axvline()和.axhline()方法添加垂直和水平向导。

您还可以调用axvspan()方法在一段时间内添加阴影注释。 alpha参数设置阴影的透明度,0表示完全透明,1表示全彩。

03

移动平均时间序列

有时,我们希望观察窗口周期的移动平均值的趋势,这可以通过调用窗口函数滚动来实现。下面的例子中显示的是移动平均值接近,窗口周期为250天,上下通道线上下构成了移动标准偏差的关系。

04

多个时间序列

如果要显示多个时间序列数据,还可以直接调用plot()方法。在这个例子中,我们从tushare.pro中选择三只股票的每日股票市场数据进行分析。

调用.plot.area()方法生成时间序列数据的区域图,显示总计的总数。

如果要在不同的子图中分别显示每个时间序列,可以通过设置参数subplots=True来实现。 Layout指定要使用的行数和列数,sharex和sharey用于设置是否共享行和列,** colormap='viridis'行设置不同的颜色。

05

摘要

本文重点介绍如何在Python中使用matplotlib库对时间序列数据执行一些简单的可视化操作,包括可视化单个时间序列和设置图表中的详细信息,可视化移动平均时间序列和多个时间序列。

每个人在学习python时都会遇到很多问题,以及对新技术的追求,这里是我们的Python学习演绎qun:这里是python学习者的聚集地!同时,我是一名高级Python开发工程师,从基本的python脚本到Web开发,爬行,django,数据挖掘等,从零基础到面向项目的数据。给每个python合作伙伴!分享您每天需要注意的一些学习方法和小细节