我正在尝试制作一些Seaborn的时髦图表,需要一些帮助。
我有一些股票数据,其中包括5只股票。我基本上是试图直观地显示Stock A
与其他相比的表现。为此,我查看了累积收益,并且还计算了其他4只股票的平均累积收益。我已将此数据分为以下两个df
:
股票A的数据称为df
:
Date Stock A
2019-04-24 07:59 0.433366
2019-04-24 08:59 0.397984
2019-04-24 09:59 0.403971
2019-04-24 10:59 0.399131
2019-04-24 11:59 0.386641
2019-04-24 12:59 0.388572
2019-04-24 13:59 0.396266
2019-04-24 14:59 0.391609
2019-04-24 15:59 0.399412
2019-04-24 16:59 0.401715
然后,股票B,C,D和E,再加上计算出的平均值,我们将其称为df2
(我无法打印全部5列):
Date Stock B Stock C Stock E Average
2019-04-24 07:59 0.273965 0.000982 0.409717 0.472029
2019-04-24 08:59 0.235606 -0.076309 0.345047 0.407299
2019-04-24 09:59 0.240826 -0.059274 0.346769 0.413197
2019-04-24 10:59 0.234849 -0.056013 0.338185 0.407962
2019-04-24 11:59 0.230158 -0.062947 0.331907 0.397927
2019-04-24 12:59 0.237573 -0.055506 0.334907 0.412206
2019-04-24 13:59 0.239994 -0.047875 0.334213 0.413846
2019-04-24 14:59 0.230461 -0.059781 0.312962 0.395924
2019-04-24 15:59 0.236968 -0.054398 0.320990 0.406967
2019-04-24 16:59 0.239918 -0.049522 0.328713 0.412818
我最终要做的是将所有5只股票加上一张图表的平均值绘制图表,该图表具有很好的灰色背景,也许还有一些网格线(目前,我只能绘制难看的白色背景),但是我希望Stock A
和Average
的线略有不同,并使用seaborns标准偏差线图。
我找到了示例代码sns.relplot(x="timepoint", y="signal", kind="line", ci="sd", data=fmri)
,但是当我尝试将其更改为我的需要时,我收到了错误消息,并且无法使所有数据都出现在同一张图表上。
这是我要达到的目标的近乎完美的示例,但我想加入df2
中的Stock B,C,D和E,并当然更改轴的标签。
任何帮助,我们将不胜感激。干杯
答案 0 :(得分:1)
这应该产生您要求的内容:
sns.set() #This sets the style to the seaborn default (gray background with white grid on)
fig,ax = plt.subplots() #create your figure and ax objects
sns.lineplot('Date', 'Stock A', ci="sd", data=df,ax=ax) #plot lines
sns.lineplot('Date', 'Stock B', ci="sd", data=df2,ax=ax)
sns.lineplot('Date', 'Stock C', ci="sd", data=df2,ax=ax)
sns.lineplot('Date', 'Stock E', ci="sd", data=df2,ax=ax)
sns.lineplot('Date', 'Average', ci="sd", data=df2,ax=ax)
plt.xticks(rotation=-45) #makes ticks visible (a long date would be unreadable otherwise)
通过评论回答OP问题:
将日期从字符串转换为datetime
对象,然后matplotlib
将处理刻度和tickslabels
。
由于它们现在是正确的,它们被解释为字符串,并且都被绘制出来。
df['Date']=pd.to_datetime(df['Date'])
df2['Date']=pd.to_datetime(df2['Date'])
使用以下行更改ylabel
ax.set_ylabel('Returns')