時間序列數據在數據科學領域無處不在，在量化金融領域也十分常見，可以用于分析價格趨勢，預測價格，探索價格行為等。

學會對時間序列數據進行可視化，能夠幫助我們更加直觀地探索時間序列數據，尋找其潛在的規律。

本文會利用Python中的matplotlib【1】庫，并配合實例進行講解。matplotlib庫是一個用于創建出版質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

【數據】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獲取指數日線行情數據，并查看數據類型。

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，應用的時候直接調用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.設置更多細節

上面畫出的是一個很簡單的折線圖，其實可以在plot()里面通過設置不同參數的值，為圖添加更多細節，使其更美觀、清晰。

figsize(width, height)設置圖的大小，linewidth設置線的寬度，fontsize設置字體大小。然后，調用set_title()方法設置標題。

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()

也可以調用axvspan()的方法為一段時間添加陰影標注，其中alpha參數設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，可以通過調用窗口函數rolling來實現。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系構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據，同樣可以直接調用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據進行分析。

# 獲取數據

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()

調用.plot.area()方法可以生成時間序列數據的面積圖，顯示累計的總數。

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，可以通過設置參數subplots=True來實現。layout指定要使用的行列數，sharex和sharey用于設置是否共享行和列，colormap='viridis' 為每條線設置不同的顏色。

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

本文主要介紹了如何利用Python中的matplotlib庫對時間序列數據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置圖中的細節，可視化移動平均時間序列和多個時間序列。

【責任編輯：龐桂玉 TEL：（010）68476606】

點贊 0

總結

以上是生活随笔為你收集整理的python时间序列画图_简洁的Python时间序列可视化实现的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。