根据sort_values标准添加水平线以进行绘图

时间:2017-01-02 13:41:49

标签: python loops pandas matplotlib lines

问题:

如何根据plot变量中捕获的下面指定的sort_values条件向top_5添加水平线。:

数据:

以下是CSV中data的一部分:

这是当前情节。

axnum = today_numBars_slice[['High','Low']].plot()
axnum.yaxis.set_major_formatter(FormatStrFormatter('%.2f'))

enter image description here

这是我要添加到此图中的数据(每行HighLow值):

top_5 = today_numBars_slice[['High','Low','# of Trades']].sort_values(by='# of Trades',ascending=False).head()

top_5

High    Low # of Trades
Timestamp           
2017-01-02 12:55:09.100 164.88  164.84  470
2017-01-02 12:10:12.000 164.90  164.86  465
2017-01-02 12:38:59.000 164.90  164.86  431
2017-01-02 11:54:49.100 164.87  164.83  427
2017-01-02 10:52:26.000 164.60  164.56  332

期望的输出:

这是所需输出的示例,显示top_5中的两行:

enter image description here

2 个答案:

答案 0 :(得分:3)

pyplot.axhline会成为您想要的吗?

axnum = today_numBars_slice[['High','Low']].plot()
axnum.yaxis.set_major_formatter(FormatStrFormatter('%.2f'))

top_5 = today_numBars_slice[['High','Low','# of Trades']].sort_values(by='# of Trades',ascending=False).head()

for l in top_5.iterrows():
    plt.axhline(l['high'], color='r')
    plt.axhline(l['low'], color='b')

plt.show();

答案 1 :(得分:3)

您可以使用DataFrame.nlargest行查看最快5行,然后使用iterrows axhline使用graph

import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

df = pd.read_csv('for_stack_nums')
#print (df.head())

top_5 = df[['High','Low','# of Trades']].nlargest(5, '# of Trades')
print (top_5)
      High     Low  # of Trades
94  164.88  164.84          470
90  164.90  164.86          465
93  164.90  164.86          431
89  164.87  164.83          427
65  164.60  164.56          332

axnum = df[['High','Low']].plot()
axnum.yaxis.set_major_formatter(ticker.FormatStrFormatter('%.2f')) 

for idx, l in top_5.iterrows():
    plt.axhline(y=l['High'], color='r')
    plt.axhline(y=l['Low'], color='b')
plt.show()

{{3}}

也不需要子集:

df = pd.read_csv('for_stack_nums.csv')
#print (df.head())

axnum = df[['High','Low']].plot()
axnum.yaxis.set_major_formatter(ticker.FormatStrFormatter('%.2f')) 

for idx, l in df.nlargest(5, '# of Trades').iterrows():
    plt.axhline(y=l['High'], color='r')
    plt.axhline(y=l['Low'], color='b')

plt.show()