大数据Matplotlib 基本的自定义

在 Matplotlib 教程中，我们将讨论一些可能的图表自定义。 为了开始修改子图，我们必须定义它们。 我们很快会谈论他们，但有两种定义并构造子图的主要方法。 现在，我们只使用其中一个，但我们会很快解释它们。

现在，修改我们的graph_data函数：

1. def graph_data(stock): 
2.  
3.     fig = plt.figure() 
4.     ax1 = plt.subplot2grid((1,1), (0,0))1234 

为了修改图表，我们需要引用它，所以我们将它存储到变量fig。 然后我们将ax1定义为图表上的子图。 我们在这里使用subplot2grid，这是获取子图的两种主要方法之一。 我们将深入讨论这些东西，但现在，你应该看到我们有 2 个元组，它们提供了(1,1)和(0,0)。 1,1表明这是一个 1×1 网格。 然后0,0表明这个子图的『起点』将为0,0。

接下来，通过我们已经编写的代码来获取和解析数据：

1. stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv' 
2. source_code = urllib.request.urlopen(stock_price_url).read().decode() 
3. stock_data = [] 
4. split_source = source_code.split('\\n') 
5. for line in split_source: 
6.     split_line = line.split(',') 
7.     if len(split_line) == 6: 
8.         if 'values' not in line and 'labels' not in line: 
9.             stock_data.append(line) 
10.  
11. date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data, 
12.                                                       delimiter=',', 
13.                                                       unpack=True, 
14.                                                       converters={0: bytespdate2num('%Y%m%d')})1234567891011121314 

下面，我们这样绘制数据：

1. ax1.plot_date(date, closep,'-', label='Price')1 

现在，由于我们正在绘制日期，我们可能会发现，如果我们放大，日期会在水平方向上移动。但是，我们可以自定义这些刻度标签，像这样：

1. for label in ax1.xaxis.get_ticklabels():  
2.     label.set_rotation(45)12 

这将使标签转动到对角线方向。 接下来，我们可以添加一个网格：

1. ax1.grid(True)1 

然后，其它东西我们保留默认，但我们也可能需要略微调整绘图，因为日期跑到了图表外面。 记不记得我们在第一篇教程中讨论的configure subplots按钮? 我们不仅可以以这种方式配置图表，我们还可以在代码中配置它们，以下是我们设置这些参数的方式：

1. plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)1 

现在，为了防止我们把你遗留在某个地方，这里是完整的代码：

1. import matplotlib.pyplot as plt 
2. import numpy as np 
3. import urllib 
4. import matplotlib.dates as mdates 
5.  
6. def bytespdate2num(fmt, encoding='utf-8'): 
7.     strconverter = mdates.strpdate2num(fmt) 
8.     def bytesconverter(b): 
9.         s = b.decode(encoding) 
10.         return strconverter(s) 
11.     return bytesconverter 
12.  
13.  
14. def graph_data(stock): 
15.  
16.     fig = plt.figure() 
17.     ax1 = plt.subplot2grid((1,1), (0,0)) 
18.  
19.     stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv' 
20.     source_code = urllib.request.urlopen(stock_price_url).read().decode() 
21.     stock_data = [] 
22.     split_source = source_code.split('\\n') 
23.     for line in split_source: 
24.         split_line = line.split(',') 
25.         if len(split_line) == 6: 
26.             if 'values' not in line and 'labels' not in line: 
27.                 stock_data.append(line) 
28.  
29.     date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data, 
30.                                                           delimiter=',', 
31.                                                           unpack=True, 
32.                                                           converters={0: bytespdate2num('%Y%m%d')}) 
33.  
34.     ax1.plot_date(date, closep,'-', label='Price') 
35.     for label in ax1.xaxis.get_ticklabels(): 
36.         label.set_rotation(45) 
37.     ax1.grid(True)#, color='g', linestyle='-', linewidth=5) 
38.  
39.     plt.xlabel('Date') 
40.     plt.ylabel('Price') 
41.     plt.title('Interesting Graph\\nCheck it out') 
42.     plt.legend() 
43.     plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0) 
44.     plt.show() 
45.  
46.  
47. graph_data('TSLA')1234567891011121314151617181920212223242526272829303132333435363738394041424344454647 

结果为：