Finology 大数据金融

通过大数据以量化金融

发表于 更新于 分类于 阅读次数： Waline：

如果要显示 %，我们需要在前面再加一个 %，做为转义用。

1
String.format("%d%%", 100);

这时才会正确显示 100%。

发表于 更新于 分类于 ， 阅读次数： Waline：

当标签文本很长时，或者是某维度的数据列表长度很长时，都会造成标签的重叠覆盖。

解决方法有以下几种。我们使用的数据如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import pandas as pd
import matplotlib.pyplot as plt

industry = ['交通运输', '休闲服务', '传媒', '公用事业', '农林牧渔', '化工',
            '医药生物', '商业贸易', '国防军工', '家用电器', '建筑材料', '建筑装饰',
            '房地产', '有色金属', '机械设备', '汽车', '电子', '电气设备', '纺织服装',
            '综合', '计算机', '轻工制造', '采掘', '银行', '非银金融', '食品饮料']
cap = [4572, 253, 84, 119, 23, 352, 1059, 631, 900, 95, 43, 430, 1524, 52, 1254,
       2581, 3012, 195, 70, 31, 1338, 61, 111, 4964, 2782, 291]

# 生成Series
s = pd.Series(cap, industry)
# 排序
sort_s = series.sort_values(ascending=False)

# 生成x轴 y轴序列
x = sort_s.index
y = sort_s.values

fig, axs = plt.subplots()
axs.bar(x, y)

拉长画布

查看画布默认大小

1
2
plt.rcParams['figure.figsize']
[6.0, 4.0]

我们把画布拉长一倍，设置 figsize 参数。

1
2
fig, axs = plt.subplots(figsize=(12, 4))
axs.bar(x, y)

拉长以后，bar 的宽度也变大了。

由于 x 轴的数据太多了，还是有覆盖现象。

调整标签字体字号

1
2
3
4
fig, axs = plt.subplots()
# 调整x轴标签的大小
axs.tick_params(axis='x', labelsize=6)
axs.bar(x, y)

x轴和y轴互换

1
2
fig, axs = plt.subplots()
axs.barh(x, y)

标签旋转

目前比较好的解决方案可能是标签旋转，再适当的放大x轴。

1
2
3
4
fig, axs = plt.subplots(figsize=(12, 4))
# x轴标签旋转
axs.tick_params(axis='x', labelrotation=-60)
axs.bar(x, y)

发表于 更新于 分类于 ， 阅读次数： Waline：

创建 DataFrame 的几种方法。

1
2
class pandas.DataFrame(data=None, index: Optional[Collection] = None, columns: Optional[Collection] = None,
    dtype: Union[str, numpy.dtype, ExtensionDtype, None] = None, copy: bool = False)

data 参数可以是：ndarray (structured or homogeneous), Iterable, dict, or DataFrame.
Dict can contain Series, arrays, constants, or list-like objects.

由数组/list组成的字典创建 DataFrame

1
2
3
4
5
6
7
8
9
import pandas as pd

d = {'col1': [1, 2], 'col2': [3, 4]}
df = pd.DataFrame(d)
df

	col1	col2
0	1	3
1	2	4

看看创建的 DataFrame 元素的类型。

1
2
3
4
5
df.dtypes

col1    int64
col2    int64
dtype: object

如果要修改类型

1
2
3
4
5
6
7
import numpy as np
df2 = pd.DataFrame(d, dtype=np.int8)
df2.dtypes

col1    int8
col2    int8
dtype: object

由 Series 组成的字典创建 DataFrame

1
2
3
4
5
6
7
df3 = pd.DataFrame({'col1': pd.Series([1, 2]), 'col2': pd.Series([3, 4])})
df3


    col1	col2
0	1	3
1	2	4

由字典组成的列表创建 DataFrame

1
2
3
4
5
6
7
df4 = pd.DataFrame([{'col1': 1, 'col2': 3}, {'col1': 2, 'col2': 4}])
df4


    col1	col2
0	1	3
1	2	4

由字典组成的字典创建 DataFrame

column 为父字典的 key，index 为子字典的 key。

1
2
3
4
5
6
7
df4 = pd.DataFrame({'col1': {'idx1': 1, 'idx2': 2}, 'col2': {'idx1': 3, 'idx2': 4}})
df4


        col1	col2
idx1	1	3
idx2	2	4

由二维数组创建 DataFrame

1
2
3
4
5
6
7
df5 = pd.DataFrame([[1, 3], [2, 4]])
df5


    0	1
0	1	3
1	2	4

当然，也可以自定义 index 和 column

1
2
3
4
5
6
df6 = pd.DataFrame([[1, 3], [2, 4]], index=['a', 'b'], columns=['c1', 'c2'])
df6

	c1	c2
a	1	3
b	2	4
0%