時間序列數(shù)據(jù)在數(shù)據(jù)科學領(lǐng)域無處不在，在量化金融領(lǐng)域也十分常見，可以用于分析價格趨勢，預測價格，探索價格行為等。
學會對時間序列數(shù)據(jù)進行可視化，能夠幫助我們更加直觀地探索時間序列數(shù)據(jù)，尋找其潛在的規(guī)律。
本文會利用Python中的matplotlib【1】庫，并配合實例進行講解。matplotlib庫是一個用于創(chuàng)建出版質(zhì)量圖表的桌面繪圖包（2D繪圖庫），是Python中最基本的可視化工具。
【工具】Python 3
【數(shù)據(jù)】Tushare
【注】示例注重的是方法的講解，請大家靈活掌握。
1.單個時間序列
首先，我們從tushare.pro獲取指數(shù)日線行情數(shù)據(jù)，并查看數(shù)據(jù)類型。
import tushare as ts
import pandas as pd
pd.set_option('expand_frame_repr', False) # 顯示所有列
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
交易時間
列'trade_date'
不是時間類型，而且也不是索引，需要先進行轉(zhuǎn)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
接下來，就可以開始畫圖了，我們需要導入
matplotlib.pyplot【2】
，然后通過設(shè)置
set_xlabel()
和
set_xlabel()
為x軸和y軸添加標簽。
import matplotlib.pyplot as plt
ax = df.plot(color='')
ax.set_xlabel('trade_date')
ax.set_ylabel('399300.SZ close')
plt.show()
matplotlib庫中有很多內(nèi)置圖表樣式可以選擇，通過打印
plt.style.available
查看具體都有哪些選項，應(yīng)用的時候直接調(diào)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()
2.設(shè)置更多細節(jié)
上面畫出的是一個很簡單的折線圖，其實可以在plot()里面通過設(shè)置不同參數(shù)的值，為圖添加更多細節(jié)，使其更美觀、清晰。
figsize(width, height)設(shè)
置圖的大小，linewidth設(shè)置線的寬度，fontsize設(shè)置字體大小。然后，調(diào)用
set_title()
方法設(shè)置標題。
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()
如果想要看某一個子時間段內(nèi)的折線變化情況，可以直接截取該時間段再作圖即可，如
df['2018-01-01': '2019-01-01']
dfdf_subset_1 = df['2018-01-01':'2019-01-01']
ax = df_subset_1.plot(color='blue', fontsize=10)
plt.show()
如果想要突出圖中的某一日期或者觀察值，可以調(diào)用.axvline()和.axhline()方法添加垂直和水平參考線。
ax = df.plot(color='blue', fontsize=6)
ax.axvline('2019-01-01', color='red', linestyle='--')
ax.axhline(3000, color='green', linestyle='--')
plt.show()
也可以調(diào)用axvspan()的方法為一段時間添加陰影標注，其中alpha參數(shù)設(shè)置的是陰影的透明度，0代表完全透明，1代表全色。
ax = df.plot(color='blue', fontsize=6)
ax.axvspan('2018-01-01', '2019-01-01', color='red', alpha=0.3)
ax.axhspan(2000, 3000, color='green', alpha=0.7)
plt.show()
3.移動平均時間序列
有時候，我們想要觀察某個窗口期的移動平均值的變化趨勢，可以通過調(diào)用窗口函數(shù)rolling來實現(xiàn)。下面實例中顯示的是，以250天為窗口期的移動平均線close，以及與移動標準差的關(guān)系構(gòu)建的上下兩個通道線upper和lower。
ma = df.rolling(window=250).mean()
mstd = df.rolling(window=250).std()
ma['upper'] = ma['close'] + (mstd['close'] * 2)
ma['lower'] = ma['close'] - (mstd['close'] * 2)
ax = ma.plot(linewidth=0.8, fontsize=6)
ax.set_xlabel('trade_date', fontsize=8)
ax.set_ylabel('399300.SZ close from 2005-01-04 to 2019-07-04', fontsize=8)
ax.set_title('Rolling mean and variance of 399300.SZ cloe from 2005-01-04 to 2019-07-04', fontsize=10)
plt.show()
4.多個時間序列
如果想要可視化多個時間序列數(shù)據(jù)，同樣可以直接調(diào)用plot()方法。示例中我們從tushare.pro上面選取三只股票的日線行情數(shù)據(jù)進行分析。
# 獲取數(shù)據(jù)
code_list = ['000001.SZ', '000002.SZ', '600000.SH']
data_list = []
for code in code_list:
print(code)
df = pro.daily(ts_code=code, start_date='20180101', end_date='20190101')[['trade_date', 'close']]
df.sort_values('trade_date', inplace=True)
df.rename(columns={'close': code}, inplace=True)
df.set_index('trade_date', inplace=True)
data_list.append(df)
df = pd.concat(data_list, axis=1)
print(df.head())
000001.SZ
000002.SZ
600000.SH
000001.SZ 000002.SZ 600000.SH
trade_date
20180102 13.70 32.56 12.72
20180103 13.33 32.33 12.66
20180104 13.25 33.12 12.66
20180105 13.30 34.76 12.69
20180108 12.96 35.99 12.68
# 畫圖
ax = df.plot(linewidth=2, fontsize=12)
ax.set_xlabel('trade_date')
ax.legend(fontsize=15)
plt.show()
調(diào)用.plot.area()方法可以生成時間序列數(shù)據(jù)的面積圖，顯示累計的總數(shù)。
ax = df.plot.area(fontsize=12)
ax.set_xlabel('trade_date')
ax.legend(fontsize=15)
plt.show()
如果想要在不同子圖中單獨顯示每一個時間序列，可以通過設(shè)置參數(shù)
subplots=True
來實現(xiàn)。layout指定要使用的行列數(shù)，sharex和sharey用于設(shè)置是否共享行和列，
colormap='viridis'
為每條線設(shè)置不同的顏色。
df.plot(subplots=True,
layout=(2, 2),
sharex=False,
sharey=False,
colormap='viridis',
fontsize=7,
legend=False,
linewidth=0.3)
plt.show()
5.總結(jié)
本文主要介紹了如何利用Python中的matplotlib庫對時間序列數(shù)據(jù)進行一些簡單的可視化操作，包括可視化單個時間序列并設(shè)置圖中的細節(jié)，可視化移動平均時間序列和多個時間序列。
以上所述是小編給大家介紹的Python實現(xiàn)時間序列可視化的方法,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持！
如果你覺得本文對你有幫助，歡迎轉(zhuǎn)載，煩請注明出處，謝謝！
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
