導(dǎo)讀：本文介紹兩大繪圖技巧，分布使用seaborn與pandas包繪制可視化圖形。旨在通過金融股市歷史價(jià)格數(shù)據(jù)學(xué)習(xí)可視化繪圖技巧。

在日常生活中，可視化技術(shù)常常是優(yōu)先選擇的方法。盡管在大多數(shù)技術(shù)學(xué)科（包括數(shù)據(jù)挖掘）中通常強(qiáng)調(diào)算法或數(shù)學(xué)方法，但是可視化技術(shù)也能在數(shù)據(jù)分析方面起到關(guān)鍵性作用。

除了折線圖和散點(diǎn)圖，你還知道哪些一行代碼就能繪制出的酷炫又實(shí)用的可視化圖形呢？下面我們就來一起探索吧。

導(dǎo)入相關(guān)模塊

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

sns.set（style=“white”， color_codes=True）

數(shù)據(jù)準(zhǔn)備

此處數(shù)據(jù)獲取及特征構(gòu)造可參見金融數(shù)據(jù)準(zhǔn)備。

折線圖看趨勢

折線圖在股市中地位是不可撼動的，折線圖即股票走勢圖也就是K線圖，是股民們分析股市歷史數(shù)據(jù)即走勢的重要圖形，通常分為，日、周、月、季、年K線圖。

單條折線

fig， ax = plt.subplots（）

fig.set_size_inches（12， 8）

sns.lineplot（dataset.index ，

dataset［‘Adj Close’］）

雙折線

sns.lineplot（x=dataset.index，

y=“Adj Close”，

hue=“Increase_Decrease”， data=dataset）

多條折線

# Plot Multi lines

sns.lineplot（data=dataset［

［‘Open’， ‘Low’， ‘High’， ‘Close’］］）

計(jì)數(shù)直方圖做對比

dataset［‘Increase_Decrease’］.value_counts（）

Decrease 812

Increase 759

Name： Increase_Decrease， dtype： int64

計(jì)數(shù)直方圖會自動聚合求和。可以用以比較各個不同階段成交量或成交金額的有力工具。

sns.countplot（

dataset［‘Increase_Decrease’］，

label=“Count”）

散點(diǎn)圖看相關(guān)性

散點(diǎn)圖表示因變量（Y軸數(shù)值）隨自變量（X軸數(shù)值）變化的大致趨勢，從而選擇合適的函數(shù)對數(shù)據(jù)點(diǎn)進(jìn)行擬合；散點(diǎn)圖中包含的數(shù)據(jù)越多，比較的效果也越好。

可以使用散點(diǎn)圖提供關(guān)鍵信息：

1、變量之間是否存在數(shù)量關(guān)聯(lián)趨勢；2、如果存在關(guān)聯(lián)趨勢，是線性還是曲線的；3、如果有某一個點(diǎn)或者某幾個點(diǎn)偏離大多數(shù)點(diǎn)，也就是離群值，通過散點(diǎn)圖可以一目了然。從而可以進(jìn)一步分析這些離群值是否可能在建模分析中對總體產(chǎn)生很大影響。

# Scatterplot

dataset.plot（kind=“scatter”，

x=“Open”，

y=“Close”，

figsize=（10，8））

二元散點(diǎn)圖和一元直方圖

用 sns.jointplot 可以同時看到兩個變量的聯(lián)合分布與單變量的獨(dú)立分布。

grid=sns.jointplot（x=“Open”，

y=“Close”，

data=dataset，

size=5）

grid.fig.set_figwidth（8）

grid.fig.set_figheight（8）

聯(lián)合分布圖也可以自動進(jìn)行 KDE 和回歸。

sns.jointplot（dataset.loc［：，‘Open’］， dataset.loc［：，‘Close’］， kind=“reg”， color=“#ce1414”）

結(jié)構(gòu)化多繪圖網(wǎng)格

當(dāng)您想要在數(shù)據(jù)集的子集中分別可視化變量的分布或多個變量之間的關(guān)系時，F(xiàn)acetGrid［1］類非常有用。一個FacetGrid可以與多達(dá)三個維度可以得出：row，col，和hue。前兩個與得到的軸陣列有明顯的對應(yīng)關(guān)系; 將色調(diào)變量視為沿深度軸的第三個維度，其中不同的級別用不同的顏色繪制。

基本工作流程是FacetGrid使用數(shù)據(jù)集和用于構(gòu)造網(wǎng)格的變量初始化對象。然后，可以通過調(diào)用FacetGrid.map（）或?qū)⒁粋€或多個繪圖函數(shù)應(yīng)用于每個子集 FacetGrid.map_dataframe（）。最后，可以使用其他方法調(diào)整繪圖，以執(zhí)行更改軸標(biāo)簽，使用不同刻度或添加圖例等操作。

grid = sns.FacetGrid（dataset， col=‘Buy_Sell’， hue=“Increase_Decrease”， size=5） .map（plt.scatter， “Open”， “Close”） .add_legend（）grid.fig.set_figwidth（15）grid.fig.set_figheight（6）

grid = sns.FacetGrid（dataset， col=‘Buy_Sell’， row=‘Buy_Sell_on_Open’， hue=“Increase_Decrease”， size=6）grid.map（sns.kdeplot， “Close”） grid.add_legend（）

箱圖可看離群值

# Boxplot

sns.boxplot（x=‘Increase_Decrease’，

y=dataset［‘Close’］，

data=dataset）

分類散點(diǎn)圖

按照不同類別對樣本數(shù)據(jù)進(jìn)行分布散點(diǎn)圖繪制。

ax = sns.boxplot（x=‘Increase_Decrease’，

y=dataset［‘Close’］，

data=dataset）

ax = sns.stripplot（x=‘Increase_Decrease’，

# 按照x軸類別進(jìn)行繪制

y=dataset［‘Close’］，

data=dataset，

jitter=True，

# 當(dāng)數(shù)據(jù)重合較多時，用該參數(shù)做一些調(diào)整，# 也可以設(shè)置間距如，jitter = 0.1

edgecolor=“gray”）

# 可以通過hue參數(shù)對散點(diǎn)圖中的數(shù)值進(jìn)行分類

小提琴圖

小提琴圖是箱線圖與核密度圖的結(jié)合，箱線圖展示了分位數(shù)的位置，核密度圖則展示了任意位置的密度，通過小提琴圖可以知道哪些位置的數(shù)據(jù)點(diǎn)聚集的較多，因其形似小提琴而得名。

其外圍的曲線寬度代表數(shù)據(jù)點(diǎn)分布的密度，中間的箱線圖則和普通箱線圖表征的意義是一樣的，代表著中位數(shù)、上下分位數(shù)、極差等。細(xì)線代表 置信區(qū)間。

當(dāng)使用帶有兩種顏色的變量時，將split設(shè)置為 True 則會為每種顏色繪制對應(yīng)半邊小提琴。從而可以更容易直接的比較分布。

sns.violinplot（x=‘Increase_Decrease’，

y=dataset［‘Volume’］，

hue=‘Buy_Sell’，

split=True，

data=dataset，

size=6）熱力圖

熱力圖在實(shí)際中常用于展示一組變量的相關(guān)系數(shù)矩陣，在展示列聯(lián)表的數(shù)據(jù)分布上也有較大的用途，通過熱力圖我們可以非常直觀地感受到數(shù)值大小的差異狀況。

sns.heatmap（dataset［［‘Open’， ‘High’， ‘Low’， ‘Adj Close’， ‘Volume’， ‘Returns’］］.corr（），

annot=True，

linewidths=.5，

fmt= ‘.3f’）

熱力圖的右側(cè)是顏色帶，上面代表了數(shù)值到顏色的映射，數(shù)值由小到大對應(yīng)色彩由暗到亮。

pairplot看特征間的關(guān)系

seaborn中pairplot函數(shù)可視化探索數(shù)據(jù)特征間的關(guān)系。

當(dāng)你需要對多維數(shù)據(jù)集進(jìn)行可視化時，最終都要使用散布矩陣圖**（pair plot）** 。如果想畫出所有變量中任意兩個變量之間的圖形，用矩陣圖探索多維數(shù)據(jù)不同維度間的相關(guān)性非常有效。

散布圖有兩個主要用途。其一，他們圖形化地顯示兩個屬性之間的關(guān)系。直接使用散布圖，或使用變換后屬性的散布圖，也可以判斷非線性關(guān)系。

其二，當(dāng)類標(biāo)號給出時，可以使用散布圖考察兩個屬性將類分開的程度。意思是用一條直線或者更復(fù)雜的曲線，將兩個屬性定義的平面分成區(qū)域，每個區(qū)域包含一個類的大部分對象，則可能基于這對指定的屬性構(gòu)造精確的分類器。

sns.pairplot（dataset.drop（

［“Increase_Decrease”， “Buy_Sell_on_Open”，

“Buy_Sell”］，axis=1）， size=3，

# diag_kind=“kde”

）

PairGrid 成對關(guān)系子圖

子圖網(wǎng)格，用于在數(shù)據(jù)集中繪制成對關(guān)系。

此類將數(shù)據(jù)集中的每個變量映射到多軸網(wǎng)格中的列和行。可以使用不同的axes-level繪圖函數(shù)在上三角形和下三角形中繪制雙變量圖，并且每個變量的邊際分布可以顯示在對角線上。

它還可以使用hue參數(shù)表示條件化的附加級別，該參數(shù)以不同的顏色繪制不同的數(shù)據(jù)子集。這使用顏色來解析第三維上的元素，但僅在彼此之上繪制子集，而不會像axes-level函數(shù)接受色相那樣為特定的可視化效果定制色相參數(shù)。

sns.set（style=“white”）df = dataset.loc［：，［‘Open’，‘High’，‘Low’］］g = sns.PairGrid（df， diag_sharey=False）g.map_lower（sns.kdeplot， cmap=“Blues_d”）g.map_upper（plt.scatter）g.map_diag（sns.kdeplot， lw=3）

dataset.boxplot（by=“Increase_Decrease”， figsize=（12， 6））

pandas繪圖

條形圖

dataset［‘Volume’］.resample（‘Y’）.mean（）.plot.bar（）

pandas可視化［2］中，可以使用Series和DataFrame上的plot方法，它只是一個簡單的包裝器 plt.plot（），另外還有一些有幾個繪圖功能在pandas.plotting 內(nèi)。

安德魯斯曲線

安德魯斯曲線［3］允許將多元數(shù)據(jù)繪制為大量曲線，這些曲線是使用樣本的屬性作為傅里葉級數(shù)的系數(shù)而創(chuàng)建的。通過為每個類別對這些曲線進(jìn)行不同的著色，可以可視化數(shù)據(jù)聚類。屬于同一類別的樣本的曲線通常會更靠近在一起并形成較大的結(jié)構(gòu)。

from pandas.plotting import andrews_curves

andrews_curves（dataset［

［‘Open’， ‘Close’， ‘Increase_Decrease’］］，

“Increase_Decrease”）

平行坐標(biāo)

平行坐標(biāo)［4］是一種用于繪制多元數(shù)據(jù)的繪制技術(shù) 。平行坐標(biāo)允許人們查看數(shù)據(jù)中的聚類，并直觀地估計(jì)其他統(tǒng)計(jì)信息。使用平行坐標(biāo)點(diǎn)表示為連接的線段。每條垂直線代表一個屬性。一組連接的線段代表一個數(shù)據(jù)點(diǎn)。趨于聚集的點(diǎn)將顯得更靠近。

from pandas.plotting import parallel_coordinates

parallel_coordinates（dataset［

［‘Open’， ‘High’， ‘Low’， ‘Increase_Decrease’］］，

“Increase_Decrease”）

徑向坐標(biāo)可視化

RadViz是一種可視化多變量數(shù)據(jù)的方法。它基于簡單的彈簧張力最小化算法。基本上，在平面上設(shè)置了一堆點(diǎn)。在我們的情況下，它們在單位圓上等距分布。每個點(diǎn)代表一個屬性。然后，假設(shè)數(shù)據(jù)集中的每個樣本都通過彈簧連接到這些點(diǎn)中的每個點(diǎn)，彈簧的剛度與該屬性的數(shù)值成正比（將它們標(biāo)準(zhǔn)化為單位間隔）。樣本在平面上的沉降點(diǎn)（作用在樣本上的力處于平衡狀態(tài)）是繪制代表樣本的點(diǎn)的位置。根據(jù)樣本所屬的類別，其顏色會有所不同。

from pandas.plotting import radviz

radviz（dataset［

［‘Open’，‘High’， ‘Low’， ‘Close’， ‘Increase_Decrease’］］，

“Increase_Decrease”）

滯后圖

滯后圖用于檢查數(shù)據(jù)集或時間序列是否隨機(jī)。隨機(jī)數(shù)據(jù)在滯后圖中不應(yīng)顯示任何結(jié)構(gòu)。非隨機(jī)結(jié)構(gòu)意味著基礎(chǔ)數(shù)據(jù)不是隨機(jī)的。該lag參數(shù)可以傳遞，而當(dāng)lag=1時基本上是data［：-1］對 data［1：］。

from pandas.plotting import lag_plot

lag_plot（dataset［‘Volume’］.tail（250））

自相關(guān)圖

自相關(guān)圖通常用于檢查時間序列中的隨機(jī)性。通過在變化的時滯中計(jì)算數(shù)據(jù)值的自相關(guān)來完成此操作。如果時間序列是隨機(jī)的，則對于任何和所有時滯間隔，此類自相關(guān)應(yīng)接近零。如果時間序列不是隨機(jī)的，則一個或多個自相關(guān)將明顯為非零。圖中顯示的水平線對應(yīng)于95％和99％的置信帶。虛線是99％置信帶。

from pandas.plotting import autocorrelation_plot

autocorrelation_plot（dataset［‘Volume’］）

編輯：jq