用 Python 绘制安全性与交易时间的关系图

Question

我有一个数据框，其中包含许多代表证券的列，索引的时间从 00:00 到 23:55（每行间隔 5 分钟），每个单元格都有 1 或 0 . 我想绘制某种形式的箱线图，它可以可视化类似于我在这里绘制的数据：

但是我很困惑，因为我所拥有的都是二进制值，并且在绘制时间时不能使用它们。我仅限于使用 pandas 和 matplotlib。

Answer 1

一种方法可能是使用我在上面评论过的链接，尽管您的初始数据集不同。该过程包括为每列分配数值并将零更改为NaN，如下所示：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("testdata.txt",parse_dates=0,index_col=0)
df = df.applymap(lambda x:x if x else pd.np.nan)
for n, col in enumerate(df.columns): df[col] = df[col]*n
df.plot(lw=10,legend=False)
plt.yticks(pd.np.arange(len(df.columns)), df.columns)
plt.tight_layout()
plt.show()

结果数据框是：

                     A   B   C    D  E
time                                  
2016-05-05 00:00:00  0 NaN NaN  NaN  4
2016-05-05 00:05:00  0 NaN NaN  3.0  4
2016-05-05 00:10:00  0 NaN NaN  3.0  4
2016-05-05 00:15:00  0 NaN NaN  3.0  4

还有剧情：

问候。

Answer 2

我认为您可以使用 matplotlib 中损坏的条形图。文档是here。

这是我测试的一个简单版本： 不幸的是，我想不出一种方法来通过权益向量化操作。

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

df = pd.DataFrame()
df['qqq'] = [1,1,1,0,0,1,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,1,0,0,0]
df['dia'] = [0,0,1,1,0,1,0,1,1,1,0,0,0,1,1,0,0,1,1,1,1,1,1,1,1]

ones = []
for col in df.columns:
    one = df[df[col].diff() != 0][:][col]
    one = one[one == 1]
    ones.append(one)

hranges = []
for col in df.columns:
    diff = df[df[col].diff() != 0]
    spread = pd.DataFrame(diff[col].index, columns=[col])
    spread = spread.set_value(len(spread), col, len(df[col].index))
    spread = spread.diff(periods=-1).fillna(spread[pd.isnull(spread.diff()) == True])*-1
    spread = spread.drop(spread.index[-1])
    re_index = pd.DataFrame(df[df[col].diff() != 0][:][col].tolist())
    re_index = re_index[re_index[0] == 0]
    hranges.append(spread.drop(re_index[re_index[0] == 0].index))
    hranges[j].columns = ['width']
    hranges[j]['hval'] = ones[j].index.tolist()
    cols = hranges[j].columns
    cols = cols[-1:] | cols [:-1]
    hranges[j] = hranges[j][cols]
    j += 1

vals = []
for j in range(len(hranges)):    
    val = [(hranges[j].hval[i], hranges[j].width[i]) for i in hranges[j].index]
    vals.append(val)

fig, ax = plt.subplots()
j = 0
for col in df.columns:
    ax.broken_barh(vals[j], ((j+1)*10,10))
    j += 1
ax.set_yticks([((k+1) * 10) + 5 for k in range(j)])
ax.set_yticklabels(df.columns)    
plt.show()

结果如下：

显然，您的示例将具有 x 轴的时间值，但我想您可以弄清楚。