22  Plot：好看最重要

本章会介绍如何绘制图形。绘图的内容非常多，可以单独写一本书。因此，

  1. 本章重于对DataFrame格式的数据进行绘图。
  2. 本章只进行一般性的介绍，更复杂例子会留在案例中。
  3. 绘图的方法很多，这里只要采用DataFrame的绘图方法：要绘制什么图，就构造什么样数据。
    • 这里采用的方法，一般的形式是df.plot()，可以理解成“从数据出发绘图”。
    • 如果大家上网搜索，会查询到很多用plt.plot(x,y)绘图方法，可以理解成“从画笔出发绘图”。
    • 但是，只要能绘制出图形，用你喜欢的方法即可。

22.1 简单示例

# 以下都是例行公事，直接拷贝即可

import pandas as pd
import numpy as np 

# 导入matplotlib.pyplot绘图库，其中plt.plot()是最常用的绘图函数之一
import matplotlib.pyplot as plt 

import seaborn as sns

sns.set_theme() # 默认用seaborn的绘图样式

# 设置字体。如果不设置，中文可能会乱码。这里采用冬青黑、微软雅黑和文泉驿微米黑，可以兼容大多数操作系统。
plt.rcParams["font.sans-serif"]=["Hiragino Sans GB", "Microsoft YaHei", "WenQuanYi Micro Hei"] 

plt.rcParams["axes.unicode_minus"]=False #该语句解决图像中的“-”负号的乱码问题

# 绘图使用'svg'后端：svg是矢量格式，可以任意缩放均保持清晰，各种屏幕的显示良好。
%config InlineBackend.figure_formats = ['svg']

从数据中简单绘制一个二维图形，如正弦曲线和余弦曲线。

  1. 生成正弦和余弦曲线的数据
  2. 利用df.plot()仿佛进行绘图
  3. 利用plt.xxx()增加其他组件

生成数据：

x = np.arange(np.pi * 20)/10 # 
y = np.sin(x) # 对x序列中的每一个值求sin(*)
z = np.cos(x)

df = pd.DataFrame({'x':x,'sin(x)': y ,'cos(x)':z})
df.set_index('x',inplace=True)
df.head()
sin(x) cos(x)
x
0.0 0.000000 1.000000
0.1 0.099833 0.995004
0.2 0.198669 0.980067
0.3 0.295520 0.955336
0.4 0.389418 0.921061

其中：

  1. index（本案中为x）会成为横轴
  2. 列标签会自动成为曲线的标签。
df.plot(); # 默认绘图！

df.plot()其他常用参数：

  1. figsize：图尺寸，参数接受一个tuple，表示长和宽（英寸）
  2. style：线的风格：颜色-形状-线型，比如’ro-’表示“红色+圆点+横线”

风格具体见Matplotlib官网

绘图的其他组件：

  1. plt.xlabel()：设置x轴标签
  2. plt.ylabel()：设置y轴标签
  3. plt.title()：设置标题
  4. plt.xlim()和plt.ylim：绘制的x或者y的范围，参数接收一个tuple，表示起止点。
# 绘图本身可以保存到一个变量中
# 黑白风格，使用横线和虚线，便于打印
p = df.plot(figsize=(6,3), style=['-','--'], linewidth=1, c='black') 


# 设置一个图形中的其他组件
plt.xlabel('参数x')
plt.ylabel('函数值')
plt.title('正弦函数和余弦函数')
plt.xlim((0,2)) # 只绘制x从0到5的区间
plt.legend(frameon=False); # 去掉图例的方框

22.1.1 保存绘图

  1. 直接点图形右侧的’save as’磁盘图标。
  2. 用代码保存。

一般可以采用png格式，比如sin_cos.png。

对于位图格式（点阵）参数dpi设定每英寸点的数量：打印品质一般要求dpi为300以上

# p是前面plot()进行绘图所返回的对象，可以视为图形本身
# p.figure.savefig()函数进行保存。

p.figure.savefig('sin_cos_dpi100.png',dpi=100)
p.figure.savefig('sin_cos_dpi300.png',dpi=300)

也可以采用svg矢量格式，这个格式可以任意缩放都保持清晰，因此不用考虑dpi问题，但某些比较老的软件可能不认识svg格式。

p.figure.savefig('sin_cos.svg')

22.1.2 散点图

这里采用示例财务数据。下载

df = pd.read_excel('data/sample_fin_data.xlsx',converters={'证券代码':str,'统计截止日期':pd.to_datetime})
df.head()
证券代码 证券简称 统计截止日期 总资产 总负债 净资产 净利润 营业总收入 资产负债率
0 000001 平安银行 2016-12-31 2.953434e+12 2.751263e+12 2.021710e+11 2.259900e+10 1.044160e+11 0.9315
1 000001 平安银行 2017-12-31 3.248474e+12 3.026420e+12 2.220540e+11 2.318900e+10 1.048690e+11 0.9316
2 000001 平安银行 2018-12-31 3.418592e+12 3.178550e+12 2.400420e+11 2.481800e+10 1.062120e+11 0.9298
3 000001 平安银行 2019-12-31 3.939070e+12 3.626087e+12 3.129830e+11 2.819500e+10 1.268140e+11 0.9205
4 000001 平安银行 2020-12-31 4.468514e+12 4.104383e+12 3.641310e+11 2.892800e+10 1.432420e+11 0.9185

利用.plot.scatter()：绘制散点图。如：

我们想看一下，2020年年报中，所以股票的总资产和净利润之间的关系。

data = df.query("统计截止日期.dt.year == 2020")
data.plot.scatter(x = '总资产', y = '净利润');

.plot.scatter()的常用参数：

  1. c：颜色。具体见Matplotlib官网
  2. s：点的大小
  3. alpha：透明度
  4. logx和logy：x或者y坐标是否采用对数坐标

2个考虑：

  1. 右偏分布（和钱有关的，例如总资产，多数如此），在图形上会聚集在数字小的区域（如上图），取对数会更容易体现变量的关系。
  2. 散点图的点如果很多，可以考虑增加透明度，那么点集中的部分，颜色自然较深；反之自然较浅。
# logx和logy：采用对数坐标
# 当然，手动生成新的“对数总资产”列也是可以的。
# 使用黑白风格，便于打印
data.plot.scatter(x = '总资产', y = '净利润' ,logx = True,logy =True,c='black',alpha=0.1,s = 30);
plt.xlabel('总资产(对数坐标)')
plt.ylabel('净利润(对数坐标)')
plt.title('总资产和净利润关系');

22.1.3 分布图和密度图

用 .plot.hist()绘制分布，用.plot.density()绘制密度。

data = df.query("统计截止日期.dt.year == 2020").copy()
data['对数总资产'] = np.log(data['总资产'])
data['对数总负债'] = np.log(data['总负债'])
data[['对数总资产','对数总负债']].head()
对数总资产 对数总负债
4 29.128077 29.043077
9 28.256519 28.049292
14 21.170233 18.485856
19 21.626827 20.850492
24 23.459888 22.750988

用.plot.hist()绘制分布：常用参数

  1. bins = 分成多少段
  2. color = 中心填充的颜色，本案中保持默认
  3. ec = 柱状图的边缘颜色，本案设为’black’黑色，颜色的列表见前面。
  4. alpha = 透明度：会重叠的图形常用。
data[['对数总资产','对数总负债']].plot.hist(bins = 30,ec='black',alpha = 0.5);
plt.xlabel('总资产（对数）')
plt.ylabel('频率')
plt.title('2020年度上市公司的总资产的对数分布');
plt.legend(frameon=False); # 去掉图例的方框

用.plot.density()绘制概率密度，也是类似

data[['对数总资产','对数总负债']].plot.density();
plt.xlabel('总资产（对数）')
plt.ylabel('概率密度')
plt.title('2020年度上市公司的总资产的对数分布概率密度');
plt.xlim((15,32)) # 限制一下范围
plt.legend(frameon=False); # 去掉图例的方框

22.1.4 条形图

绘制2020年前5大公司的规模。

top5_com = df.query('统计截止日期.dt.year == 2020').sort_values('总资产',ascending=False).head(5)
top5_com.iloc[:3,:3]
证券代码 证券简称 统计截止日期
11384 601398 工商银行 2020-12-31
11701 601939 建设银行 2020-12-31
11306 601288 农业银行 2020-12-31 
top5_com['总资产_亿'] = round(top5_com['总资产'] / 100000000,2)

# 为了添加数字，这里要把绘图保存到一个变量中
p = top5_com.plot.bar(x = '证券简称',y = '总资产_亿');

plt.xlabel('') # 去掉行标签

plt.ylabel('总资产（亿元）')
plt.title('2020年度总资产前5名上市公司')
plt.legend('',frameon=False) # 去掉图例

# 添加柱顶部数字，这里的p是前面保存的绘图变量，padding是间距。
plt.bar_label(p.containers[0], padding=5);

# 为了留出显示数字的空间，把y轴的上限提高一点
plt.ylim((0,370000))

# 旋转x轴刻度的字体，比如转30度
plt.xticks(rotation=30);

用.plot.barh()可以绘制横向的柱状图（注意，函数名多了个h）

绘图的其他部分这里就略过了。

# 用plot.barh()绘制横向柱状图。
top5_com.plot.barh(x = '证券简称',y = '总资产_亿');

22.1.5 饼图

绘制总资产前5大上市公司对对比

top5_com.set_index('证券简称')['总资产_亿'].plot.pie(autopct='%.2f%%');
plt.ylabel('')
plt.title('2022年总资产前5大上市公司对比');

22.2 时间序列专题

完整的api参考，见 官方网站: matplotlib.dates

22.2.1 简单示例

例如：要在图上绘制万科A的总资产和总负债的变化。

显然，我们需要的是一个时间序列数据：用set_index()把日期变成index

data = df.query('证券简称 == "万科A"').set_index('统计截止日期')[['总资产','总负债']]
data.head()
总资产 总负债
统计截止日期
2016-12-31 8.306742e+11 6.689976e+11
2017-12-31 1.165347e+12 9.786730e+11
2018-12-31 1.528579e+12 1.292959e+12
2019-12-31 1.729929e+12 1.459350e+12
2020-12-31 1.869177e+12 1.519333e+12 
# 转为亿元
data = round(data/100000000,2)
data
总资产 总负债
统计截止日期
2016-12-31 8306.74 6689.98
2017-12-31 11653.47 9786.73
2018-12-31 15285.79 12929.59
2019-12-31 17299.29 14593.50
2020-12-31 18691.77 15193.33 
data.plot(style=['s-','o-.']); 

plt.xlim(('2015','2021'))
plt.xlabel('年度')
plt.ylabel('总额（亿元）')
plt.title('万科A：总资产和总负债走势')
plt.legend(frameon=False); # 去掉图例的方框

22.2.2 格式化日期与设定刻度

先创造一个示例数据：两个随机游走变量x和y，时间跨度是’2020-01-01’到’2021-06-30’：

np.random.seed(2)

date = pd.date_range('2020-01-01','2021-06-30')

x = (np.random.uniform(-1,1.1,len(date))).cumsum()
y = (np.random.uniform(-1,1.1,len(date))).cumsum()

tmp_df = pd.DataFrame({'x':x,'y':y}, index= date)
ax = tmp_df.plot();

格式化日期

  1. 使用DateFormatter()函数，参数为一种日期的格式化返回格式化器formatter。如本例中使用ISO日期格式%Y-%m-%d。
  2. 使用ax.xaxis.set_major_formatter()，对某个坐标系的x轴进行设定格式。参数是一个formatter。
from matplotlib.dates import DateFormatter

# 绘图，并获得这张图的坐标系ax
ax = tmp_df.plot();

# 构造一个日期格式化工具，
iso_formatter = DateFormatter("%Y-%m-%d")

# 设定设定坐标系ax的x轴的日期格式
ax.xaxis.set_major_formatter(iso_formatter)

fig = plt.gcf() # 获得图形对象（画布）

fig.autofmt_xdate() # 自动设定x轴的样式，包括自动旋转、平移等等

多子图的情况也是类似（详见下一节）。plt.subplots()返回fig, axes，针对axes中的某个ax进行修改即可。

设定刻度（ticks）

  1. 一个坐标系ax都有2个轴：x轴（ax.xaxis）和y轴（ax.yaxis）
  2. 每个轴都有2种刻度：主刻度major_ticks和辅刻度minor_ticks（同时也是网格的坐标）
  3. 刻度可以由Locator修改：时间序列常用的刻度有YearLocator（年刻度），MonthLocator（月刻度），DayLocator（日刻度）等等，详见 官网

本案以月刻度为例，用 MonthLocator()创建一个月度的刻度：

常用参数：

  1. bymonth=：（第一个参数）指定月份的tuple。如只在1月和7月显示刻度 MonthLocator((1,7))
  2. interval=：间隔。如隔一个月画一个刻度 MonthLocator(interval=2)
  3. bymonthday=：刻度画在月份的第几天。（默认）1表示第一天，-1表示最后一天，如此类推。

那么回到本案：

  1. 日期是ISO格式：DateFormatter("%Y-%m-%d")
  2. 每2个月画一个刻度，并在画在每月1日：MonthLocator(interval=2)
from matplotlib.dates import DateFormatter
from matplotlib.dates import MonthLocator, YearLocator
# 绘图，并获得这张图的坐标系ax
ax = tmp_df.plot();

ax.set_xlim(('2019-12-20','2021-07-10')) # 拓宽一点

# 构造一个日期格式化工具，
iso_formatter = DateFormatter("%Y-%m-%d")

# 设定设定坐标系ax的x轴的日期格式
ax.xaxis.set_major_formatter(iso_formatter)

mloc = MonthLocator(interval=2) # 每2个月画一个刻度

ax.xaxis.set_major_locator(mloc)

fig = plt.gcf() # 获得图形对象（画布）

fig.autofmt_xdate() # 自动设定x轴的样式，包括自动旋转、平移等等

22.3 基础绘图练习

利用 titanic.csv 完成绘图练习。 下载

import pandas as pd
import numpy as np

titanic_df = pd.read_csv('data/titanic.csv')
titanic_df.iloc[:5] # 查看前5行，左侧10列
survived pclass sex age sibsp parch fare embarked class who adult_male deck embark_town alive alone
0 0 3 male 22.0 1 0 7.2500 S Third man True NaN Southampton no False
1 1 1 female 38.0 1 0 71.2833 C First woman False C Cherbourg yes False
2 1 3 female 26.0 0 0 7.9250 S Third woman False NaN Southampton yes True
3 1 1 female 35.0 1 0 53.1000 S First woman False C Southampton yes False
4 0 3 male 35.0 0 0 8.0500 S Third man True NaN Southampton no True

题目1：绘制不同仓等、不同年龄组（每10岁一组，如20到29岁是一组）的生存率折线图。

  • 提示：横轴是年龄组，纵轴是生存率，有3条折线表示3个仓等。

题目2：绘制年龄和票价（Fare）的散点图，区分乘客的性别（Sex），票价采用对数坐标。

  • 提示：在散点图中，不同类别采用不同的颜色，需要大家自行探索。

题目3：绘制男性和女性乘客的年龄分布图和密度图。

题目4：计算不同舱位乘客的生还率，并绘制条形图。

题目5：计算并绘制登船港口（Embarked）的乘客分布饼图。

22.4 多图组合

df.head()
证券代码 证券简称 统计截止日期 总资产 总负债 净资产 净利润 营业总收入 资产负债率
0 000001 平安银行 2016-12-31 2.953434e+12 2.751263e+12 2.021710e+11 2.259900e+10 1.044160e+11 0.9315
1 000001 平安银行 2017-12-31 3.248474e+12 3.026420e+12 2.220540e+11 2.318900e+10 1.048690e+11 0.9316
2 000001 平安银行 2018-12-31 3.418592e+12 3.178550e+12 2.400420e+11 2.481800e+10 1.062120e+11 0.9298
3 000001 平安银行 2019-12-31 3.939070e+12 3.626087e+12 3.129830e+11 2.819500e+10 1.268140e+11 0.9205
4 000001 平安银行 2020-12-31 4.468514e+12 4.104383e+12 3.641310e+11 2.892800e+10 1.432420e+11 0.9185

22.4.1 简单示例

绘图的目标：例如，我们要绘制平安银行的资产、负债和资产负债率。

要考虑的问题：

  1. 资产和负债基本在一个数量级，可以绘在同一张图。
  2. 资产负债率是一个很小的整数，没法和前两者绘制在一起（你可以尝试一下）。
  3. 三者的时间跨度完全相同，因此横轴（时间）完全一样。

这也是时间序列分析常见的情况：把同一时段的不同数据放在一起对比。

因此可以考虑：

  1. 因为横轴相同，因此绘制上下两张图。
  2. 上图是资产和负债，尺度相同可以绘制在一起。
  3. 下图是资产负债率。
  4. 因为共用横轴，那么上图的横轴时间就可以去除。

使用函数plt.subplots(2, 1)，会创建一片画布，以及上下2个空白的坐标系（子图的绘制区域）

会返回一个2个元素的元组(fig, axes)

  1. fig：一个Figure（图片）对象，可以理解为一整块“画布”。
  2. axes：一个axes（坐标系）的List。每个子图的区域，都可以认为是有其自己的坐标系。

我们绘制子图，实际上是把一个单独的图形绘制画布的某个区域的坐标系上。

# 设置绘图区域（画布）
fig, axes = plt.subplots(2, 1) # 1片画布（白色底部），2个坐标轴（子图）

显而易见，axes就是一个2个元素的列表，分别表示2个坐标系。

axes
array([<Axes: >, <Axes: >], dtype=object)

在绘图的时候，我们可以用df.plot.xxx(ax=)的参数ax，指定我们要把这个图形绘制在哪个坐标系上。

# 构造示例数据：选择平安银行
data = df.query('证券简称 == "平安银行"')
data.set_index('统计截止日期',inplace = True)

# 设置图形和2个坐标系
fig, axes = plt.subplots(2, 1) # 行，列

# 绘制总资产和总负债，并指定绘制在第一个坐标系上
data[['总资产','总负债']].plot(ax = axes[0]);

同理，我们可以把资产负债率设置在第二个坐标系上。

几个常用设定：

  1. 设置子图的行列标签、标题： axes[?].set(xlabel = ?,ylabel = ?, title = ?)

本例去掉了所有子图的行标签，第一个子图有标题。

  1. 共用坐标轴：plt.subplots(sharex = ?, sharey = ?)

因为时间区间是一样的，那么2个子图的横坐标也完全相同，那么可以共用横轴。

  1. 子图间距：plt.subplots_adjust(wspace = ?,hspace = ?)

这里稍微缩小一下间距，让2个子图靠近一点。

子图的set()函数可以调整的东西很多，不能一一列举，具体见官网链接 matplotlib.axes.Axes.set。

同理，我们可以把资产负债率设置在第二个坐标系上。

几个常用设定：

  1. 设置子图的行列标签、标题： axes[?].set(xlabel = ?,ylabel = ?, title = ?)

本例去掉了所有子图的行标签，第一个子图有标题。

  1. 共用坐标轴：plt.subplots(sharex = ?, sharey = ?)

因为时间区间是一样的，那么2个子图的横坐标也完全相同，那么可以共用横轴。

  1. 子图间距：plt.subplots_adjust(wspace = ?,hspace = ?)

这里稍微缩小一下间距，让2个子图靠近一点。

子图的set()函数可以调整的东西很多，不能一一列举，具体见官网链接 matplotlib.axes.Axes.set。

# 设置图形和2个坐标系
fig, axes = plt.subplots(2, 1, sharex = True) 

# 绘制总资产和总负债，并指定绘制在第1个坐标系上
data[['总资产','总负债']].plot(ax = axes[0]);
axes[0].set(xlabel='',title = '平安银行：总资产/总负债 vs 资产负债率')

# 资产负债率，绘制在第2个坐标系上
data[['资产负债率']].plot(ax=axes[1]) # 绘制第2格
axes[1].set(xlabel='')

# 压缩一下子图之间的空白
plt.subplots_adjust(wspace=0.05,hspace=0.05)

横向排列类似，只要1行多列即可，如fig, axes = plt.subplots(1, 2)。此处略过。

22.4.2 多行多列

多行多列稍有不同，此时axes是一个二维数组，第一个下标是行，第二个下标是列。

例如axes[0,0]表示第1行第1列的子图，axes[0,1]表示第1行第2列的子图，如此类推。

其他：

  1. fig.suptitle()多子图的总标题：这个总标题是绘制在子图之外，画布的顶端，因此是fig（画布）的元素。
fig, axes = plt.subplots(2, 2,figsize = (10,6)) 

fig.suptitle('平安银行的几项指标')

data[['总资产']].plot(ax = axes[0,0]);

data[['总负债']].plot(ax=axes[1,0])

data[['资产负债率']].plot(ax=axes[0,1])

data[['净利润']].plot(ax=axes[1,1])

plt.subplots_adjust(wspace=0.2,hspace=0.3) # 拓宽一点行列空白

22.4.3 Seaborn的结构化子图（TODO）

22.5 主题、色彩与风格（TODO）

22.5.1 选择主题

22.5.2 选择调色板

22.5.3 细节与微调微调