最简洁的Python时间序列可视化实现

T U SHARE 金融与技术学习兴趣小组

翻译整理、编辑 | 一只小绿怪兽

译者简介：北京第二外国语学院国际商务专业研一在读，目前在学习Python编程和量化投资相关知识。

作者：DataCamp

时间序列数据在数据科学领域无处不在，在量化金融领域也十分常见，可以用于分析价格趋势，预测价格，探索价格行为等。

学会对时间序列数据进行可视化，能够帮助我们更加直观地探索时间序列数据，寻找其潜在的规律。

本文会利用Python中的 matplotlib 【1】库，并配合实例进行讲解。 matplotlib 库是⼀个⽤于创建出版质量图表的桌⾯绘图包（2D绘图库），是Python中最基本的可视化工具。

【工具】Python 3

【数据】 Tushare

【注】示例注重的是方法的讲解，请大家灵活掌握。

01

单个时间序列

首先，我们从 tushare.pro 获取指数日线行情数据，并查看数据类型。

import tushare as ts
import pandas as pd


pd.set_option('expand_frame_repr', False)  # 显示所有列
ts.set_token('your token')
pro = ts.pro_api()

df = pro.index_daily(ts_code='399300.SZ')[['trade_date', 'close']]
df.sort_values('trade_date', inplace=True) 
df.reset_index(inplace=True, drop=True)

print(df.head())

  trade_date    close
0   20050104  982.794
1   20050105  992.564
2   20050106  983.174
3   20050107  983.958
4   20050110  993.879

print(df.dtypes)

trade_date     object
close         float64
dtype: object

交易时间列'trade_date' 不是时间类型，而且也不是索引，需要先进行转化。

df['trade_date'] = pd.to_datetime(df['trade_date'])
df.set_index('trade_date', inplace=True)

print(df.head())

              close
trade_date         
2005-01-04  982.794
2005-01-05  992.564
2005-01-06  983.174
2005-01-07  983.958
2005-01-10




    
  993.879

接下来，就可以开始画图了，我们需要导入 matplotlib.pyplot 【2】，然后通过设置 set_xlabel() 和 set_xlabel() 为x轴和y轴添加标签。

import matplotlib.pyplot as plt


ax = df.plot(color='')
ax.set_xlabel('trade_date')
ax.set_ylabel('399300.SZ close')
plt.show()

matplotlib库中有很多内置图表样式可以选择，通过打印 plt.style.available 查看具体都有哪些选项，应用的时候直接调用 plt.style.use('fivethirtyeight') 即可。

print(plt.style.available)

['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']

plt.style.use('fivethirtyeight')
ax1 = df.plot()
ax1.set_title('FiveThirtyEight Style')
plt.show()

02

设置更多细节

上面画出的是一个很简单的折线图，其实可以在plot()里面通过设置不同参数的值，为图添加更多细节，使其更美观、清晰。

figsize(width, height) 设置图的大小， linewidth 设置线的宽度， fontsize 设置字体大小。然后，调用 set_title() 方法设置标题。

ax = df.plot(color='blue', figsize=(8, 3), linewidth=2, fontsize=6)
ax.set_title('399300.SZ close from 2005-01-04 to 2019-07-04', fontsize=8)
plt.show()

如果想要看某一个子时间段内的折线变化情况，可以直接截取该时间段再作图即可，如 df['2018-01-01': '2019-01-01']

df_subset_1 = df['2018-01-01':'2019-01-01']
ax = df_subset_1.plot(color='blue', fontsize=10)
plt.show()

如果想要突出图中的某一日期或者观察值，可以调用 .axvline() 和 .axhline() 方法添加垂直和水平参考线。