pythoncumsum_Python绘图

a. 一维数据集

用 Numpy ndarray 作为数据传入 ply

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(1000)

y &＃61; np.random.standard_normal(10)

print "y &＃61; %s"% y

x &＃61; range(len(y))

print "x&＃61;%s"% x

plt.plot(y)

plt.show()

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(1000)

y &＃61; np.random.standard_normal(10)

plt.plot(y.cumsum())

plt.grid(True) ##增加格点

plt.axis(&＃39;tight&＃39;) # 坐标轴适应数据量 axis 设置坐标轴

plt.show()

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(1000)

y &＃61; np.random.standard_normal(20)

plt.plot(y.cumsum())

plt.grid(True) ##增加格点

plt.xlim(-1,20)

plt.ylim(np.min(y.cumsum())- 1, np.max(y.cumsum()) &＃43; 1)

plt.show()

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(1000)

y &＃61; np.random.standard_normal(20)

plt.figure(figsize&＃61;(7,4)) #画布大小

plt.plot(y.cumsum(),&＃39;b&＃39;,lw &＃61; 1.5) # 蓝色的线

plt.plot(y.cumsum(),&＃39;ro&＃39;) #离散的点

plt.grid(True)

plt.axis(&＃39;tight&＃39;)

plt.xlabel(&＃39;index&＃39;)

plt.ylabel(&＃39;value&＃39;)

plt.title(&＃39;A simple Plot&＃39;)

plt.show()

b. 二维数据集

np.random.seed(2000)

y &＃61; np.random.standard_normal((10, 2)).cumsum(axis&＃61;0) #10行2列 在这个数组上调用cumsum 计算赝本数据在0轴(即第一维)上的总和

print y

1.两个数据集绘图

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((10, 2))

plt.figure(figsize&＃61;(7,5))

plt.plot(y, lw &＃61; 1.5)

plt.plot(y, &＃39;ro&＃39;)

plt.grid(True)

plt.axis(&＃39;tight&＃39;)

plt.xlabel(&＃39;index&＃39;)

plt.ylabel(&＃39;value&＃39;)

plt.title(&＃39;A simple plot&＃39;)

plt.show()

2.添加图例 plt.legend(loc &＃61; 0)

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((10, 2))

plt.figure(figsize&＃61;(7,5))

plt.plot(y[:,0], lw &＃61; 1.5,label &＃61; &＃39;1st&＃39;)

plt.plot(y[:,1], lw &＃61; 1.5, label &＃61; &＃39;2st&＃39;)

plt.plot(y, &＃39;ro&＃39;)

plt.grid(True)

plt.legend(loc &＃61; 0) #图例位置自动

plt.axis(&＃39;tight&＃39;)

plt.xlabel(&＃39;index&＃39;)

plt.ylabel(&＃39;value&＃39;)

plt.title(&＃39;A simple plot&＃39;)

plt.show()

3.使用2个 Y轴(左右)fig, ax1 &＃61; plt.subplots() ax2 &＃61; ax1.twinx()

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((10, 2))

fig, ax1 &＃61; plt.subplots() # 关键代码1 plt first data set using first (left) axis

plt.plot(y[:,0], lw &＃61; 1.5,label &＃61; &＃39;1st&＃39;)

plt.plot(y[:,0], &＃39;ro&＃39;)

plt.grid(True)

plt.legend(loc &＃61; 0) #图例位置自动

plt.axis(&＃39;tight&＃39;)

plt.xlabel(&＃39;index&＃39;)

plt.ylabel(&＃39;value&＃39;)

plt.title(&＃39;A simple plot&＃39;)

ax2 &＃61; ax1.twinx() #关键代码2 plt second data set using second(right) axis

plt.plot(y[:,1],&＃39;g&＃39;, lw &＃61; 1.5, label &＃61; &＃39;2nd&＃39;)

plt.plot(y[:,1], &＃39;ro&＃39;)

plt.legend(loc &＃61; 0)

plt.ylabel(&＃39;value 2nd&＃39;)

plt.show()

4.使用两个子图(上下,左右)plt.subplot(211)

通过使用 plt.subplots 函数,可以直接访问底层绘图对象,例如可以用它生成和第一个子图共享 x 轴的第二个子图.

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((10, 2))

plt.figure(figsize&＃61;(7,5))

plt.subplot(211) #两行一列,第一个图

plt.plot(y[:,0], lw &＃61; 1.5,label &＃61; &＃39;1st&＃39;)

plt.plot(y[:,0], &＃39;ro&＃39;)

plt.grid(True)

plt.legend(loc &＃61; 0) #图例位置自动

plt.axis(&＃39;tight&＃39;)

plt.ylabel(&＃39;value&＃39;)

plt.title(&＃39;A simple plot&＃39;)

plt.subplot(212) #两行一列.第二个图

plt.plot(y[:,1],&＃39;g&＃39;, lw &＃61; 1.5, label &＃61; &＃39;2nd&＃39;)

plt.plot(y[:,1], &＃39;ro&＃39;)

plt.grid(True)

plt.legend(loc &＃61; 0)

plt.xlabel(&＃39;index&＃39;)

plt.ylabel(&＃39;value 2nd&＃39;)

plt.axis(&＃39;tight&＃39;)

plt.show()

5.左右子图

有时候,选择两个不同的图标类型来可视化数据可能是必要的或者是理想的.利用子图方法:

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((10, 2))

plt.figure(figsize&＃61;(10,5))

plt.subplot(121) #两行一列,第一个图

plt.plot(y[:,0], lw &＃61; 1.5,label &＃61; &＃39;1st&＃39;)

plt.plot(y[:,0], &＃39;ro&＃39;)

plt.grid(True)

plt.legend(loc &＃61; 0) #图例位置自动

plt.axis(&＃39;tight&＃39;)

plt.xlabel(&＃39;index&＃39;)

plt.ylabel(&＃39;value&＃39;)

plt.title(&＃39;1st Data Set&＃39;)

plt.subplot(122)

plt.bar(np.arange(len(y)), y[:,1],width&＃61;0.5, color&＃61;&＃39;g&＃39;,label &＃61; &＃39;2nc&＃39;)

plt.grid(True)

plt.legend(loc&＃61;0)

plt.axis(&＃39;tight&＃39;)

plt.xlabel(&＃39;index&＃39;)

plt.title(&＃39;2nd Data Set&＃39;)

plt.show()

1.散点图 scatter

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((1000, 2))

plt.figure(figsize&＃61;(7,5))

plt.scatter(y[:,0],y[:,1],marker&＃61;&＃39;o&＃39;)

plt.grid(True)

plt.xlabel(&＃39;1st&＃39;)

plt.ylabel(&＃39;2nd&＃39;)

plt.title(&＃39;Scatter Plot&＃39;)

plt.show()

2.直方图 plt.hist

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((1000, 2))

plt.figure(figsize&＃61;(7,5))

plt.hist(y,label&＃61;[&＃39;1st&＃39;,&＃39;2nd&＃39;],bins&＃61;25)

plt.grid(True)

plt.xlabel(&＃39;value&＃39;)

plt.ylabel(&＃39;frequency&＃39;)

plt.title(&＃39;Histogram&＃39;)

plt.show()

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((1000, 2))

plt.figure(figsize&＃61;(7,5))

plt.hist(y,label&＃61;[&＃39;1st&＃39;,&＃39;2nd&＃39;],color&＃61;[&＃39;b&＃39;,&＃39;g&＃39;],stacked&＃61;True,bins&＃61;20)

plt.grid(True)

plt.xlabel(&＃39;value&＃39;)

plt.ylabel(&＃39;frequency&＃39;)

plt.title(&＃39;Histogram&＃39;)

plt.show()

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

np.random.seed(2000)

y &＃61; np.random.standard_normal((1000, 2))

fig, ax &＃61; plt.subplots(figsize&＃61;(7,4))

plt.boxplot(y)

plt.grid(True)

plt.setp(ax,xticklabels&＃61;[&＃39;1st&＃39; , &＃39;2nd&＃39;])

plt.xlabel(&＃39;value&＃39;)

plt.ylabel(&＃39;frequency&＃39;)

plt.title(&＃39;Histogram&＃39;)

plt.show()

from matplotlib.patches import Polygon

import numpy as np

import matplotlib.pyplot as plt

#1. 定义积分函数

def func(x):

return 0.5 * np.exp(x)&＃43;1

#2.定义积分区间

a,b &＃61; 0.5, 1.5

x &＃61; np.linspace(0, 2 )

y &＃61; func(x)

#3.绘制函数图形

fig, ax &＃61; plt.subplots(figsize&＃61;(7,5))

plt.plot(x,y, &＃39;b&＃39;,linewidth&＃61;2)

plt.ylim(ymin&＃61;0)

#4.核心&＃xff0c; 我们使用Polygon函数生成阴影部分&＃xff0c;表示积分面积&＃xff1a;

Ix &＃61; np.linspace(a,b)

Iy &＃61; func(Ix)

verts &＃61; [(a,0)] &＃43; list(zip(Ix, Iy))&＃43;[(b,0)]

poly &＃61; Polygon(verts,facecolor&＃61;&＃39;0.7&＃39;,edgecolor &＃61; &＃39;0.5&＃39;)

ax.add_patch(poly)

#5.用plt.text和plt.figtext在图表上添加数学公式和一些坐标轴标签。

plt.text(0.5 *(a&＃43;b),1,r"$int_a^b f(x)mathrm{d}x$", horizontalalignment &＃61;&＃39;center&＃39;,fontsize&＃61;20)

plt.figtext(0.9, 0.075,&＃39;$x$&＃39;)

plt.figtext(0.075, 0.9, &＃39;$f(x)$&＃39;)

#6. 分别设置x,y刻度标签的位置。

ax.set_xticks((a,b))

ax.set_xticklabels((&＃39;$a$&＃39;,&＃39;$b$&＃39;))

ax.set_yticks([func(a),func(b)])

ax.set_yticklabels((&＃39;$f(a)$&＃39;,&＃39;$f(b)$&＃39;))

plt.grid(True)

1.烛柱图 candlestick

#!/etc/bin/python

#coding&＃61;utf-8

import matplotlib.pyplot as plt

import matplotlib.finance as mpf

start &＃61; (2014, 5,1)

end &＃61; (2014, 7,1)

quotes &＃61; mpf.quotes_historical_yahoo(&＃39;^GDAXI&＃39;,start,end)

# print quotes[:2]

fig, ax &＃61; plt.subplots(figsize&＃61;(8,5))

fig.subplots_adjust(bottom &＃61; 0.2)

mpf.candlestick(ax, quotes, width&＃61;0.6, colorup&＃61;&＃39;b&＃39;,colordown&＃61;&＃39;r&＃39;)

plt.grid(True)

ax.xaxis_date() #x轴上的日期

ax.autoscale_view()

plt.setp(plt.gca().get_xticklabels(),rotation&＃61;30) #日期倾斜

plt.show()

2. plot_day_summary

该函数提供了一个相当类似的图标类型,使用方法和 candlestick 函数相同,使用类似的参数. 这里开盘价和收盘价不是由彩色矩形表示,而是由两条短水平线表示.

#!/etc/bin/python

#coding&＃61;utf-8

import matplotlib.pyplot as plt

import matplotlib.finance as mpf

start &＃61; (2014, 5,1)

end &＃61; (2014, 7,1)

quotes &＃61; mpf.quotes_historical_yahoo(&＃39;^GDAXI&＃39;,start,end)

# print quotes[:2]

fig, ax &＃61; plt.subplots(figsize&＃61;(8,5))

fig.subplots_adjust(bottom &＃61; 0.2)

mpf.plot_day_summary(ax, quotes, colorup&＃61;&＃39;b&＃39;,colordown&＃61;&＃39;r&＃39;)

plt.grid(True)

ax.xaxis_date() #x轴上的日期

ax.autoscale_view()

plt.setp(plt.gca().get_xticklabels(),rotation&＃61;30) #日期倾斜

plt.show()

3.股价数据和成交量

#!/etc/bin/python

#coding&＃61;utf-8

import matplotlib.pyplot as plt

import numpy as np

import matplotlib.finance as mpf

start &＃61; (2014, 5,1)

end &＃61; (2014, 7,1)

quotes &＃61; mpf.quotes_historical_yahoo(&＃39;^GDAXI&＃39;,start,end)

# print quotes[:2]

quotes &＃61; np.array(quotes)

fig, (ax1, ax2) &＃61; plt.subplots(2, sharex&＃61;True, figsize&＃61;(8,6))

mpf.candlestick(ax1, quotes, width&＃61;0.6,colorup&＃61;&＃39;b&＃39;,colordown&＃61;&＃39;r&＃39;)

ax1.set_title(&＃39;Yahoo Inc.&＃39;)

ax1.set_ylabel(&＃39;index level&＃39;)

ax1.grid(True)

ax1.xaxis_date()

plt.bar(quotes[:,0] - 0.25, quotes[:, 5], width&＃61;0.5)

ax2.set_ylabel(&＃39;volume&＃39;)

ax2.grid(True)

ax2.autoscale_view()

plt.setp(plt.gca().get_xticklabels(),rotation&＃61;30)

plt.show()

#!/etc/bin/python

#coding&＃61;utf-8

import numpy as np

import matplotlib.pyplot as plt

stike &＃61; np.linspace(50, 150, 24)

ttm &＃61; np.linspace(0.5, 2.5, 24)

stike, ttm &＃61; np.meshgrid(stike, ttm)

print stike[:2]

iv &＃61; (stike - 100) ** 2 / (100 * stike) /ttm

from mpl_toolkits.mplot3d import Axes3D

fig &＃61; plt.figure(figsize&＃61;(9,6))

ax &＃61; fig.gca(projection&＃61;&＃39;3d&＃39;)

surf &＃61; ax.plot_surface(stike, ttm, iv, rstride&＃61;2, cstride&＃61;2, cmap&＃61;plt.cm.coolwarm, linewidth&＃61;0.5, antialiased&＃61;True)

ax.set_xlabel(&＃39;strike&＃39;)

ax.set_ylabel(&＃39;time-to-maturity&＃39;)

ax.set_zlabel(&＃39;implied volatility&＃39;)

plt.show()