绘制放大 matplotlib 子图

Question

这个问题来自本教程找到here： 我希望我的情节看起来像下面的情节，但有时间序列数据和缩放数据不是x_lim , y_lim 数据，而是来自不同的来源。

所以在上面的图中，我想要来自不同来源的盘中数据，下面的图将是某些股票的每日数据。但是因为它们都有不同的来源，所以我不能使用限制来缩放。为此，我将每天使用 yahoo datareader，盘中使用 yfinance。

代码：

import pandas as pd
from pandas_datareader import data as web
from matplotlib.patches import ConnectionPatch

df = web.DataReader('goog', 'yahoo')
df.Close = pd.to_numeric(df['Close'], errors='coerce')

fig = plt.figure(figsize=(6, 5))
plt.subplots_adjust(bottom = 0., left = 0, top = 1., right = 1)
sub1 = fig.add_subplot(2,2,1)
sub1 = df.Close.plot()

sub2 = fig.add_subplot(2,1,2) # two rows, two columns, second cell
df.Close.pct_change().plot(ax =sub2)
sub2.plot(theta, y, color = 'orange')
con1 = ConnectionPatch(xyA=(df[1:2].index, df[2:3].Close), coordsA=sub1.transData, 
                       xyB=(df[4:5].index, df[5:6].Close), coordsB=sub2.transData, color = 'green')
fig.add_artist(con1)

xy 坐标有问题。通过上面的代码，我得到了：

TypeError：无法将数组数据从 dtype('O') 转换为 dtype('float64') 根据规则“安全”

xyA=(df[1:2].index, df[2:3].Close)

我在这里所做的是我的 xvalue 是日期 df[1:2].index 而我的 y 值是价格 df[2:3].Close

是否将 df 转换为数组，然后在这里绘制我唯一的选择？如果有任何其他方法可以让ConnectionPatch 正常工作，请告知。

---

df.dtypes

High         float64
Low          float64
Open         float64
Close        float64
Volume         int64
Adj Close    float64
dtype: object

Answer 1

matplotlib 日期的绘制方式是将日期转换为浮点数，从 1970-1-1 的 0 开始，即 POSIX 时间戳为零。它与那个时间戳不同，因为它的分辨率不同，即“1”是一天而不是一秒。

有 3 种方法来计算这个数字，

• 要么使用matplotlib.dates.date2num
• 或使用.toordinal()，它会为您提供正确的分辨率并删除对应于 1970-1-1 的偏移量，
• 或获取 POSIX 时间戳并除以一天中的秒数：

df['Close'] = pd.to_numeric(df['Close'], errors='coerce')
df['Change'] = df['Close'].pct_change()

con1 = ConnectionPatch(xyA=(df.index[0].toordinal() - pd.Timestamp(0).toordinal(), df['Close'].iloc[0]), coordsA=sub1.transData,
                       xyB=(df.index[1].toordinal() - pd.Timestamp(0).toordinal(), df['Change'].iloc[1]), coordsB=sub2.transData, color='green')
fig.add_artist(con1)

con2 = ConnectionPatch(xyA=(df.index[-1].timestamp() / 86_400, df['Close'].iloc[-1]), coordsA=sub1.transData,
                       xyB=(df.index[-1].timestamp() / 86_400, df['Change'].iloc[-1]), coordsB=sub2.transData, color='green')
fig.add_artist(con2)

您还需要确保您使用的是目标轴范围内的值，在您的示例中，您在 sub2 上使用 Close 值，其中包含 pct_change'd 值。

当然，如果您想要在示例中的框的底部，则使用轴变换而不是数据变换来表示坐标会更容易：

from matplotlib.dates import date2num

con1 = ConnectionPatch(xyA=(0, 0), coordsA=sub1.transAxes,
                       xyB=(date2num(df.index[1]), df['Change'].iloc[1]), coordsB=sub2.transData, color='green')
fig.add_artist(con1)

con2 = ConnectionPatch(xyA=(1, 0), coordsA=sub1.transAxes,
                       xyB=(date2num(df.index[-1]), df['Change'].iloc[-1]), coordsB=sub2.transData, color='green')
fig.add_artist(con2)

要绘制烛台图，我建议使用 mplfinance（以前的 matplotlib.finance）包：

import mplfinance as mpf
sub3 = fig.add_subplot(2, 2, 2)
mpf.plot(df.iloc[30:70], type='candle', ax=sub3)

---

将所有这些放在一个脚本中，它可能看起来像这样：

import pandas as pd, mplfinance as mpf, matplotlib.pyplot as plt
from pandas_datareader import data as web
from matplotlib.patches import ConnectionPatch
from matplotlib.dates import date2num, ConciseDateFormatter, AutoDateLocator
from matplotlib.ticker import PercentFormatter

# Get / compute data
df = web.DataReader('goog', 'yahoo')
df['Close'] = pd.to_numeric(df['Close'], errors='coerce')
df['Change'] = df['Close'].pct_change()

# Pick zoom range
zoom_start = df.index[30]
zoom_end = df.index[30 + 8 * 5] # 8 weeks ~ 2 months

# Create figures / axes
fig = plt.figure(figsize=(18, 12))
top_left = fig.add_subplot(2, 2, 1)
top_right = fig.add_subplot(2, 2, 2)
bottom = fig.add_subplot(2, 1, 2)
fig.subplots_adjust(hspace=.35)

# Plot all 3 data
df['Close'].plot(ax=bottom, linewidth=1, rot=0, title='Daily closing value', color='purple')
bottom.set_ylim(0)

df.loc[zoom_start:zoom_end, 'Change'].plot(ax=top_left, linewidth=1, rot=0, title='Daily Change, zoomed')
top_left.yaxis.set_major_formatter(PercentFormatter())

# Here instead of df.loc[...] use your intra-day data
mpf.plot(df.loc[zoom_start:zoom_end], type='candle', ax=top_right, xrotation=0, show_nontrading=True)
top_right.set_title('Last day OHLC')

# Put ConciseDateFormatters on all x-axes for fancy date display
for ax in fig.axes:
    locator = AutoDateLocator()
    ax.xaxis.set_major_locator(locator)
    ax.xaxis.set_major_formatter(ConciseDateFormatter(locator))

# Add the connection patches
fig.add_artist(ConnectionPatch(
    xyA=(0, 0), coordsA=top_left.transAxes,
    xyB=(date2num(zoom_start), df.loc[zoom_start, 'Close']), coordsB=bottom.transData,
    color='green'
))

fig.add_artist(ConnectionPatch(
    xyA=(1, 0), coordsA=top_left.transAxes,
    xyB=(date2num(zoom_end), df.loc[zoom_end, 'Close']), coordsB=bottom.transData,
    color='green'
))

plt.show()