Pandas 数据框分组绘图

问题描述：

我有一个数据框，其结构如下：

          Date   ticker  adj_close 
0   2016-11-21     AAPL    111.730     
1   2016-11-22     AAPL    111.800    
2   2016-11-23     AAPL    111.230    
3   2016-11-25     AAPL    111.790     
4   2016-11-28     AAPL    111.570    
...          
8   2016-11-21      ACN    119.680            
9   2016-11-22      ACN    119.480              
10  2016-11-23      ACN    119.820              
11  2016-11-25      ACN    120.740 
...             

我怎样才能根据股票行情绘制adj_close图表Date？

解决方案 1：

简单的情节，

你可以使用：

df.plot(x='Date',y='adj_close')

或者您可以预先设置索引Date，然后很容易绘制您想要的列：

df.set_index('Date', inplace=True)
df['adj_close'].plot()

如果您想要一个包含一个系列的ticker图表

您需要先进行groupby：

df.set_index('Date', inplace=True)
df.groupby('ticker')['adj_close'].plot(legend=True)

如果您想要一个包含单独子图的图表：

grouped = df.groupby('ticker')

ncols=2
nrows = int(np.ceil(grouped.ngroups/ncols))

fig, axes = plt.subplots(nrows=nrows, ncols=ncols, figsize=(12,4), sharey=True)

for (key, ax) in zip(grouped.groups.keys(), axes.flatten()):
    grouped.get_group(key).plot(ax=ax)

ax.legend()
plt.show()

解决方案 2：

与上述 Julien 的回答类似，我成功做到了以下几点：

fig, ax = plt.subplots(figsize=(10,4))
for key, grp in df.groupby(['ticker']):
    ax.plot(grp['Date'], grp['adj_close'], label=key)

ax.legend()
plt.show()

如果您想在 matlab 中获得更多控制，此解决方案可能更有意义。

解决方案灵感来自：https ://stackoverflow.com/a/52526454/10521959

解决方案 3：

• 问题是，我如何根据股票代码绘制 adj_close 与日期的关系图？

  • .pivot这可以通过使用或将数据框重塑为宽格式.groupby，或通过使用 直接绘制现有的长格式数据框来实现seaborn。

• 在下面的示例数据中，'Date'列有一个datetime64[ns] Dtype。

  • 如果需要的话，转换Dtype一下pandas.to_datetime。

• 已在python 3.10, pandas 1.4.2, matplotlib 3.5.1,测试seaborn 0.11.2

导入和样本数据

import pandas as pd
import pandas_datareader as web  # for sample data; this can be installed with conda if using Anaconda, otherwise pip
import seaborn as sns
import matplotlib.pyplot as plt

# sample stock data, where .iloc[:, [5, 6]] selects only the 'Adj Close' and 'tkr' column
tickers = ['aapl', 'acn']
df = pd.concat((web.DataReader(ticker, data_source='yahoo', start='2020-01-01', end='2022-06-21')
                .assign(ticker=ticker) for ticker in tickers)).iloc[:, [5, 6]]

# display(df.head())
        Date  Adj Close ticker
0 2020-01-02  73.785904   aapl
1 2020-01-03  73.068573   aapl
2 2020-01-06  73.650795   aapl
3 2020-01-07  73.304420   aapl
4 2020-01-08  74.483604   aapl

# display(df.tail())
           Date   Adj Close ticker
1239 2022-06-14  275.119995    acn
1240 2022-06-15  281.190002    acn
1241 2022-06-16  270.899994    acn
1242 2022-06-17  275.380005    acn
1243 2022-06-21  282.730011    acn

pandas.DataFrame.pivot&pandas.DataFrame.plot

• pandas`matplotlib`以作为默认后端的绘图。

• 重塑数据框，将其pandas.DataFrame.pivot从长格式转换为宽格式，并将数据框转换为正确的格式以进行绘图。

• .pivot不聚合数据，因此如果每个指数、每个股票代码有超过 1 个观察值，则使用.pivot_table

• 添加subplots=True将产生一个带有两个子图的图形。

# reshape the long form data into a wide form
dfp = df.pivot(index='Date', columns='ticker', values='Adj Close')

# display(dfp.head())
ticker           aapl         acn
Date                             
2020-01-02  73.785904  203.171112
2020-01-03  73.068573  202.832764
2020-01-06  73.650795  201.508224
2020-01-07  73.304420  197.157654
2020-01-08  74.483604  197.544434

# plot
ax = dfp.plot(figsize=(11, 6))

• 使用seaborn，它接受长格式数据，因此不需要将数据框重塑为宽格式。

• seaborn是一个高级 API，用于matplotlib

sns.lineplot：轴级图

fig, ax = plt.subplots(figsize=(11, 6))
sns.lineplot(data=df, x='Date', y='Adj Close', hue='ticker', ax=ax)

sns.relplot：图形级图

• 添加row='ticker'，或col='ticker'，将生成一个包含两个子图的图形。

g = sns.relplot(kind='line', data=df, x='Date', y='Adj Close', hue='ticker', aspect=1.75)