我在這里做錯(cuò)了什么？我想創(chuàng)建新的數(shù)據(jù)框，df并使用日期作為每個(gè)新創(chuàng)建的數(shù)據(jù)框（Emins、FTSE、Stoxx 和 Nikkei）折線圖中的 x 軸。我有一個(gè)df從 data.xlsx 創(chuàng)建的名為數(shù)據(jù)框，它看起來像這樣： Dates ES1 Z 1 VG1 NK10 2005-01-04 -0.0126 0.0077 -0.0030 0.00521 2005-01-05 -0.0065 -0.0057 0.0007 -0.00952 2005-01-06 0.0042 0.0017 0.0051 0.00443 2005-01-07 -0.0017 0.0061 0.0010 -0.00094 2005-01-11 -0.0065 -0.0040 -0.0147 0.00703670 2020-09-16 -0.0046 -0.0065 -0.0003 -0.00093671 2020-09-17 -0.0083 -0.0034 -0.0039 -0.00863672 2020-09-18 -0.0024 -0.0009 -0.0009 0.00523673 2020-09-23 -0.0206 0.0102 0.0022 -0.00133674 2020-09-24 0.0021 -0.0136 -0.0073 -0.0116我df創(chuàng)建了 4 個(gè)新數(shù)據(jù)框，分別稱為 Eminis、FTSE、Stoxx 和 Nikkei。感謝您的幫助?。。?！ import numpy as np import matplotlib.pyplot as plt plt.style.use('classic') df = pd.read_excel('data.xlsx') df = df.rename(columns={'Dates':'Date','ES1': 'Eminis', 'Z 1': 'FTSE','VG1': 'Stoxx','NK1': 'Nikkei','TY1': 'Notes','G 1': 'Gilts', 'RX1': 'Bunds','JB1': 'JGBS','CL1': 'Oil','HG1': 'Copper','S 1': 'Soybeans','GC1': 'Gold','WILLTIPS': 'TIPS'}) headers = df.columns Eminis = df[['Date','Eminis']] FTSE = df[['Date','FTSE']] Stoxx = df[['Date','Stoxx']] Nikkei = df[['Date','Nikkei']] # create multiple plots via plt.subplots(rows,columns) fig, axes = plt.subplots(2,2, figsize=(20,15)) x = Date y1 = Eminis y2 = Notes y3 = Stoxx y4 = Nikkei # one plot on each subplot axes[0][0].line(x,y1) axes[0][1].line(x,y2) axes[1][0].line(x,y3) axes[1][1].line(x,y4) plt.legends() plt.show()
2 回答
拉丁的傳說
TA貢獻(xiàn)1789條經(jīng)驗(yàn) 獲得超8個(gè)贊
優(yōu)雅的解決方案是：
將DataFrame 中的Dates列設(shè)置為索引。
創(chuàng)建一個(gè)具有所需數(shù)量的子圖（在您的情況下為 4）的圖形，調(diào)用plt.subplots。
從 DataFrame 中繪制一個(gè)圖，傳遞：
ax -子圖的ax結(jié)果（這里是Axes對(duì)象的數(shù)組 ，而不是單個(gè)Axes），
subplots=True - 在單獨(dú)的子圖中繪制每一列。
執(zhí)行此操作的代碼是：
fig, a = plt.subplots(2, 2, figsize=(12, 6), tight_layout=True)
df.plot(ax=a, subplots=True, rot=60);
為了測(cè)試上面的代碼，我創(chuàng)建了以下 DataFrame：
np.random.seed(1)
ind = pd.date_range('2005-01-01', '2006-12-31', freq='7D')
df = pd.DataFrame(np.random.rand(ind.size, 4),
index=ind, columns=['ES1', 'Z 1', 'VG1', 'NK1'])
并得到以下圖片：
由于我的測(cè)試數(shù)據(jù)是隨機(jī)的，我假設(shè)“7天”頻率，以使圖片不會(huì)太“混亂”。對(duì)于真實(shí)數(shù)據(jù)，請(qǐng)考慮使用“7D”頻率和mean()聚合函數(shù)進(jìn)行重采樣。
RISEBY
TA貢獻(xiàn)1856條經(jīng)驗(yàn) 獲得超5個(gè)贊
我認(rèn)為更簡潔的選擇是不要制作許多數(shù)據(jù)幀，這會(huì)造成不必要的工作和復(fù)雜性。
繪制數(shù)據(jù)就是為繪圖 API 塑造數(shù)據(jù)框
在這種情況下，更好的選擇是使用 .dataframe 將寬格式轉(zhuǎn)換為長（整齊）格式
.melt。這會(huì)將所有標(biāo)簽放在一列中，并將值放在另一列中
使用，它可以從長格式的數(shù)據(jù)幀?
seaborn.relplot創(chuàng)建。FacetGridseaborn是 的高級(jí) API?matplotlib，使繪圖變得更加容易。
如果數(shù)據(jù)框包含許多股票，但只繪制少數(shù)股票，則可以使用布爾索引來選擇它們
fig, a = plt.subplots(2, 2, figsize=(12, 6), tight_layout=True)
df.plot(ax=a, subplots=True, rot=60);
為了測(cè)試上面的代碼，我創(chuàng)建了以下 DataFrame：
np.random.seed(1)
ind = pd.date_range('2005-01-01', '2006-12-31', freq='7D')
df = pd.DataFrame(np.random.rand(ind.size, 4),
? ? index=ind, columns=['ES1', 'Z 1', 'VG1', 'NK1'])
并得到以下圖片：
我在這里做錯(cuò)了什么？
當(dāng)前的實(shí)現(xiàn)效率低下，有許多不正確的方法調(diào)用和未定義的變量。
如果需要，必須為每個(gè)子圖顯示圖例。
Date沒有定義為x = Datey2 = Notes:Notes未定義.line不是plt方法并導(dǎo)致AttributeError;?它應(yīng)該是plt.ploty1 - y4是 DataFrame，但傳遞給 y 軸的繪圖方法，這會(huì)導(dǎo)致TypeError: unhashable type: 'numpy.ndarray';?一列應(yīng)作為 傳遞y。.legends不是一種方法；它是.legend
fig, a = plt.subplots(2, 2, figsize=(12, 6), tight_layout=True)
df.plot(ax=a, subplots=True, rot=60);
為了測(cè)試上面的代碼，我創(chuàng)建了以下 DataFrame：
np.random.seed(1)
ind = pd.date_range('2005-01-01', '2006-12-31', freq='7D')
df = pd.DataFrame(np.random.rand(ind.size, 4),
? ? index=ind, columns=['ES1', 'Z 1', 'VG1', 'NK1'])
并得到以下圖片：
添加回答
舉報(bào)
0/150
提交
取消