Matplotlib中对图形色彩和线条的添补【Python教程】,python,matplotlib,颜色，线条

Matplotlib是一个Python 2D绘图库,它能够在种种平台上以种种硬拷贝花样和交互式环境生成出具有出书质量的图形。

在上篇 Matplotlib 数据可视化教程中，我们要引见怎样建立堆叠图和饼图。本日给人人带来是针对于图形色彩和线条的添补。

色彩

我们要做的第一个修正是将plt.title变动成stock变量。

plt.title(stock)

如今，让我们来引见一下怎样变动标签色彩。我们能够经由过程修正我们的轴对象来完成：

ax1.xaxis.label.set_color('c')
ax1.yaxis.label.set_color('r')

假如我们运转它，我们会看到标签改变了色彩，就像在单词中那样。

接下来，我们能够为要显现的轴指定细致数字，而不是像如许的自动挑选：

ax1.set_yticks([0,25,50,75])

接下来，我想引见添补。添补所做的事变，是在变量和你挑选的一个数值之间添补色彩。比方，我们能够如许：

ax1.fill_between(date, 0, closep)

所以到这里，我们的代码为：

import matplotlib.pyplot as plt
import numpy as np
import urllib
import datetime as dt
import matplotlib.dates as mdates

def bytespdate2num(fmt, encoding='utf-8'):
    strconverter = mdates.strpdate2num(fmt)
    def bytesconverter(b):
        s = b.decode(encoding)
        return strconverter(s)
    return bytesconverter


def graph_data(stock):

    fig = plt.figure()
    ax1 = plt.subplot2grid((1,1), (0,0))

    stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv'
    source_code = urllib.request.urlopen(stock_price_url).read().decode()
    stock_data = []
    split_source = source_code.split('\n')
    for line in split_source:
        split_line = line.split(',')
        if len(split_line) == 6:
            if 'values' not in line and 'labels' not in line:
                stock_data.append(line)


    date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
                                                          delimiter=',',
                                                          unpack=True,
                                                          converters={0: bytespdate2num('%Y%m%d')})

    ax1.fill_between(date, 0, closep)

    for label in ax1.xaxis.get_ticklabels():
        label.set_rotation(45)
    ax1.grid(True)#, color='g', linestyle='-', linewidth=5)
    ax1.xaxis.label.set_color('c')
    ax1.yaxis.label.set_color('r')
    ax1.set_yticks([0,25,50,75])

    plt.xlabel('Date')
    plt.ylabel('Price')
    plt.title(stock)
    plt.legend()
    plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)
    plt.show()


graph_data('EBAY')

效果为：

添补的一个问题是，我们能够末了会把东西都掩盖起来。我们能够用透明度来处置惩罚它：

ax1.fill_between(date, 0, closep)

如今，让我们引见前提添补。让我们假定图表的肇端位置是我们最先买入 eBay 的处所。这里，假如价钱低于这个价钱，我们能够向上添补到本来的价钱，然后假如它超过了原始价钱，我们能够向下添补。我们能够如许做：

ax1.fill_between(date, closep[0], closep)

会生成：

假如我们想用赤色和绿色添补来展现收益/丧失，那末与原始价钱比拟，绿色添补用于上升（注：外洋股市的色彩和国内相反），赤色添补用于下跌？没问题！我们能够增加一个where参数，以下所示：

ax1.fill_between(date, closep, closep[0],where=(closep > closep[0]), facecolor='g', alpha=0.5)

这里，我们添补当前价钱和原始价钱之间的地区，个中当前价钱高于原始价钱。我们赋予它绿色的前景色，由于这是一个上升，而且我们运用细小的透明度。

线条

我们依然不能对多边形数据（如添补）运用标签，但我们能够像之前一样完成空线条，因而我们能够：

ax1.plot([],[],linewidth=5, label='loss', color='r',alpha=0.5)
ax1.plot([],[],linewidth=5, label='gain', color='g',alpha=0.5)
ax1.fill_between(date, closep, closep[0],where=(closep > closep[0]), facecolor='g', alpha=0.5)
ax1.fill_between(date, closep, closep[0],where=(closep < closep[0]), facecolor='r', alpha=0.5)

这向我们供应了一些添补，以及用于处置惩罚标签的空线条，我们盘算将其显现在图例中。这里完全的代码是：

import matplotlib.pyplot as plt
import numpy as npimport urllib
import datetime as dt
import matplotlib.dates as mdates

def bytespdate2num(fmt, encoding='utf-8'):
    strconverter = mdates.strpdate2num(fmt)    
    def bytesconverter(b):
        s = b.decode(encoding)        
        return strconverter(s)    
    
    return bytesconverter
def graph_data(stock):
    
    fig = plt.figure()
    ax1 = plt.subplot2grid((1,1), (0,0))
    
    stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv'
    source_code = urllib.request.urlopen(stock_price_url).read().decode()
    stock_data = []
    split_source = source_code.split('\n')    
    for line in split_source:
        split_line = line.split(',')        
       if len(split_line) == 6:            
           if 'values' not in line and 'labels' not in line:
              stock_data.append(line)
    date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
                                        delimiter=',',
                                        unpack=True,
                                        converters={0: bytespdate2num('%Y%m%d')})
    ax1.plot_date(date, closep,'-', label='Price')
    ax1.plot([],[],linewidth=5, label='loss', color='r',alpha=0.5)
    ax1.plot([],[],linewidth=5, label='gain', color='g',alpha=0.5)
    ax1.fill_between(date, closep, closep[0],where=(closep > closep[0]), facecolor='g', alpha=0.5)
    ax1.fill_between(date, closep, closep[0],where=(closep < closep[0]), facecolor='r', alpha=0.5)    
    for label in ax1.xaxis.get_ticklabels():
       label.set_rotation(45)
    ax1.grid(True)#, color='g', linestyle='-', linewidth=5)
    ax1.xaxis.label.set_color('c')
    ax1.yaxis.label.set_color('r')
    ax1.set_yticks([0,25,50,75])
    
    plt.xlabel('Date')
    plt.ylabel('Price')
    plt.title(stock)
    plt.legend()
    plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)
    plt.show()
graph_data('EBAY')

如今我们的效果是：