作者：許勝利 Python愛好者社區專欄作者

博客專欄：許勝利的博客專欄

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據更為直觀，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5.21日分筆歷史數據

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條數據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是用統計分析的方法，將一定時期內的證券價格(指數)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指標。

DataFrame.rolling(*window*，*min_periods = None*，*center = False*，

*win_type = None*，*on = None*，*axis = 0*，*closed = None *)[[source]]

參數說明：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量的觀測數據(否則結果為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。

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 這兩分鐘內的上證指數數據，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，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，默認：None。如果不是None，從x軸逆時針旋轉餅圖的開始角度。

df[['rise', 'fall']].sum().plot(kind='pie', figsize=[5,5], counterclock=True,

startangle=90, legend=True, title='diff')

總結

以上是生活随笔為你收集整理的用python画统计图表_Python数据科学（九）- 使用Pandas绘制统计图表的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。