数据可视化大数据时代的Python金融应用概述本讲主要介绍Python的matplotlib库提供的基本绘图功能。虽然还有很多其他绘图方面的库，matplotlib是最基础的，并且在很多情况下，这是一种稳定和可靠的可视化工具。无论是标准的绘图还是复杂绘图和个性化，matplotlib都提供了灵活的工具。另外，它与NumPy及其数据结构也是结合在一起的。本讲主要讨论以下两个话题：◦2D绘图：最简单的图形是二维的或者是不同的子图，我们会讨论金融中常见的图形，比如蜡烛图等。◦3D绘图：提供了金融中一系列常用的3D图形绘制方法。本讲对于Python的matplotlib库提供的绘图功能的介绍并不是面面俱到的，但是提供了最基础和金融中最常用的一些例子。其他的例子我们在后面的章节中也会介绍，比如第五讲中关于pandas库如何可视化时间序列的数据等。2D绘图-一维数据集在下面的介绍中，我们将对存储在NumPy.ndarray对象中的数据进行绘图。但是，matplotlib当然可以对存储在其他Python数据类型中的格式进行绘图，比如List对象。首先，我们需要准备绘图数据，我们来生成20个标准正态分布的伪随机数。最基本的，但是并不是非常强大的一个绘图函数是pyplot子库中的plot函数，原则上说，它需要两组数据：◦x值：一个列表包含X轴的数据◦y值：一个列表包含Y轴的数据x值和y值的数量必须匹配。如果在函数中只提供y值，plot函数会取对应的索引值作为x。因为大多数的ndarray方法返回的仍然是ndarray对象，因此可以将这个对象传递给另一个方法。例如绘制累计求和数据的图。通常情况下，默认的绘图功能对于报告等正式应用都是没有很好支撑的，例如需要改变字体，需要改变数据X轴标志等等。因此，matplotlib提供了一系列的图形格式调整函数。可以通过plt.xlim和plt.ylim函数来直接设定坐标轴的最小值。为了可读性，图形可能需要添加标题和坐标轴标志，使用plt.title，plt.xlabel和plt.ylabel函数。除了画线以外，plot函数还可以画点。颜色缩写与格式化符号可以配合使用。2D绘图——二维数据集2D绘图——二维数据集很多时候不同的数据集可能使用着不同的单位，这样使用单一的y轴可能产生视觉上的偏差。有两种方法可以用于解决这个问题：◦使用两个Y轴（分别在左/右）◦使用两个子图（上/下或左/右）首先我们引入两个Y轴绘图，使用plt.subplots函数，我们可以直接获得绘图的对象，这允许我们使得第二个图与第一个图共享x轴。绘制子图：plt.subplot使用三个数（numrows，numcols和fignum）来确定每一个子图的位置，子图的位置因此就是从1开始到numrows*numcols。这个方法还支持对不同的子图使用不同的绘图格式与方法。2D绘图——二维数据集很多时候不同的数据集可能使用着不同的单位，这样使用单一的y轴可能产生视觉上的偏差。有两种方法可以用于解决这个问题：◦使用两个Y轴（分别在左/右）◦使用两个子图（上/下或左/右）首先我们引入两个Y轴绘图，使用plt.subplots函数，我们可以直接获得绘图的对象，这允许我们使得第二个图与第一个图共享x轴。绘制子图：plt.subplot使用三个数（numrows，numcols和fignum）来确定每一个子图的位置，子图的位置因此就是从1开始到numrows*numcols。这个方法还支持对不同的子图使用不同的绘图格式与方法。其他的plot格式当考虑二维绘图的时候，线图和点图可能是最为重要的金融中的绘图类型，因为大量的数据集都包含时间序列数据，这通常可以用这些图形来表示。第5讲中将详细的讨论金融时间序列，但是目前我们来研究一些其他的二维数据集的绘图方法，特别是对那些金融中有用的可视化方法。第一个是散点图，可以使用plot，也可以使用matplotlib提供的专业函数来进行，scatter函数还提供了一些增加的功能，例如可以加入第三维，使用带色彩的bar来通过不同的颜色表达数据。第二个常用的是histogram，通常用于描述金融的收益序列。第三个常用的是boxplot。介绍plt.setp函数，可以设置（一组）图形对象实例的属性作为二维绘图的结束，我们来考虑一个数学上很有用的图，可以由matplotlib来实现，我们来做一个函数，然后显示函数下方在某个下限和上限...
