本文基於 matplotlib，動態復盤了滬深 300ETF 和納指 ETF 的近 60 天來的走勢。通過對動態復盤的製作，對 matplotlib 中常用的函數進行總結和整理。事實上，動態復盤不是目的，其業務意義也不是很大。基於此的 matplotlib 的筆記整理才是本文最大的初衷。
1. 相關庫導入#
# 導入所需庫
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
確定 matplotlib 的版本（筆者本次使用的 3.0.2）#
print(mpl.__version__)
2. 全局參數初始化#
matplotlib 主要通過 plt.rc、plt.rcParams 來進行全局參數的設定。以下兩種設定方法是等價的。
plt.rc('axes', axisbelow=True)
plt.rcParams['axes.axisbelow'] = True
除此以外，還可以通過 plt.rcParams.update () 來實現，該方法更為便捷。
# 設置全局參數
#font.sans-serif：用來正常顯示中文標籤
#animation.emded_limit：動態圖太大了，很容易突破默認 byte，
#如果不設置，顯示出來的圖是不完整的，
#保險起見可以設一個比較大的數，比如 2^64。
params = {'axes.axisbelow': True,
'font.sans-serif': 'SimHei',
'figure.figsize': (16, 8),
'animation.embed_limit':2**64}
plt.rcParams.update(params)
設置顯示風格#
plt.style.use('ggplot')
在使用的過程中，也可以隨時調節參數，進行個性化定制。此時，只需要回滾為初始值即可。
plt.rcParams.update(mpl.rcParamsDefault)
3. 數據導入 — 基於 JoinQuant#
security_list=['510300.XSHG','513100.XSHG']
滬深 300ETF#
stock = '510300.XSHG'
納指 ETF#
stock2 = '513100.XSHG'
df = history(count=60, unit='1d', field='close', security_list=security_list, df=True, skip_paused=False, fq='pre')
4. 靜態價格圖#
當第一次執行 plt.xxx () 畫圖代碼時，系統會去判斷是否已經有了 figure 對象，
如果沒有，系統會自動創建一個 figure 對象，並且在這個 figure 之上，自動創建一個 axes 坐標系 (注意：默認創建一個 figure 對象，一個 axes 坐標系)。也就是說，如果我們不設置 figure 對象，那麼一個 figure 對象上，只能有一個 axes 坐標系，即我們只能繪製一個圖形。Figure、Axes 及 Axis 的關係可以參考圖 1 所示。
圖 1 Figure、Axes 及 Axis 的關係
以 plt.plot (x,y,format) 為例，plt.plot () 默認畫折線圖，參數 format 由 {color}{marker}{linestyle} 三方面的要素組成（該三方面的要素亦可單獨指定），比如，
- ‘go-’：綠色點與實線
- 'r*--' : 紅色星星與虛線
- 'bD-.' : 藍色菱形與點劃線
plt.text 和 plt.annotate 可以用來追加文字及註釋。
plt.plot(df.index,df[stock],'r*--')
用 Arrow Props 和 bbox 進行註釋#
需要被註釋的點的位置設定#
x_annotate = df[stock].idxmax(axis=1)
y_annotate = max(df[stock])
xy: 需要被註釋的點的位置#
xytext：註釋文本的位置#
arrowprops: xy→xytext 的箭頭#
bbox：註釋文本顯示形狀#
plt.annotate(y_annotate,
xy=(x_annotate, y_annotate), xytext=(x_annotate, y_annotate*1.02),
bbox=dict(boxstyle='square', fc='red', linewidth=0.2),
arrowprops=dict(facecolor='red', shrink=0.01, width=0.1),
fontsize=12, color='white', horizontalalignment='center')
文字標註#
文字標註位置設定#
x_text = df[stock].idxmin(axis=1)
y_text = min(df[stock])
文字標註#
plt.text (df.index [-1], df [stock][-1],s="滬深 300 ETF", color='red', size=12, ha='center', va='top')
圖 2 靜態價格圖
一個 Figure 上可以設定佈置一個 Axes，主要通過 plt.subplot 的方式實現。如果要實現更為複雜的子圖佈局，可以使用 plt.subplot2grid、plt.GridSpec 函數。這裡就不一一展開。
# 獲取每個位置的 axes 對象
subplot (x,y,n) 表示 axes 子圖排列為 x 行 * y 列，n 為第 n 個子圖#
axes1 = plt.subplot(211)
axes1.plot(df.index,df[stock])
axes2 = plt.subplot(212)
axes2.plot(df.index, df[stock2])
5. 動態價格復現#
（1）構造靜態畫圖函數#
構造一個 animate (frame)，其中 frame 可看成是 df 的變化的 index。不同的 frame，就會切片得到 df.iloc [，:]。
#構造一個 animate (frame)，其中 frame 可看成是 df 的變化的 index。
#不同的 frame，就會切片得到 df.iloc [，:]
def animate(frame):
axes1.clear()
axes2.clear()
# 不同的 frame，就會切片得到 df.iloc [，:]
df_temp = df.iloc[0,:]
# 折線圖
axes1.plot(df_temp.index,df_temp[stock],color='blue')
axes2.plot(df_temp.index,df_temp[stock2],'r*--')
#
axes1.set_xlabel (' 日期 ')
axes1.set_ylabel (' 滬深 300 ETF', color='blue')
axes1.tick_params(axis='y', rotation=0, labelcolor='blue' )
axes2.set\_ylabel("納指ETF", color='red')
axes2.tick\_params(axis='y', labelcolor='red')
axes2.set\_title("滬深300ETF & 納指ETF 近3個月表現", fontsize=18)
# 文字標識
axes1.text(df\_temp.index\[-1\], df\_temp\[stock\]\[-1\],s='滬深300 ETF', color='blue', size=7, ha='center', va='top')
axes2.text(df\_temp.index\[-1\], df\_temp\[stock2\]\[-1\],s='納指ETF', color='red', size=7, ha='center', va='top')
# 註釋with Arrow Props and bbox
x\_annotate\_min = df\_temp\[stock\].idxmin(axis=1)
y\_annotate\_min = min(df\_temp\[stock\])
# xy:需要註釋的點的位置
# xytext：註釋的位置
# arrowprops: xy→xytext的箭頭
axes1.annotate(y\_annotate\_min,
xy=(x\_annotate\_min, y\_annotate\_min),
xytext=(x\_annotate\_min, y\_annotate\_min\*0.98),
bbox=dict(boxstyle='square', fc='blue', linewidth=0.1),
arrowprops=dict(facecolor='blue', shrink=0.01, width=0.1),
fontsize=12, color='white', horizontalalignment='center')
x\_annotate\_max = df\_temp\[stock\].idxmax(axis=1)
y\_annotate\_max = max(df\_temp\[stock\])
axes1.annotate(y\_annotate\_max,
xy=(x\_annotate\_max, y\_annotate\_max),
xytext=(x\_annotate\_max, y\_annotate\_max\*1.01),
bbox=dict(boxstyle='square', fc='blue', linewidth=0.1),
arrowprops=dict(facecolor='blue', shrink=0.01, width=0.1),
fontsize=12, color='white', horizontalalignment='center')
x\_annotate2\_min = df\_temp\[stock2\].idxmin(axis=1)
y\_annotate2\_min = min(df\_temp\[stock2\])
# xy:需要註釋的點的位置
# xytext：註釋的位置
# arrowprops: xy→xytext的箭頭
axes2.annotate(y\_annotate2\_min,
xy=(x\_annotate2\_min, y\_annotate2\_min),
xytext=(x\_annotate2\_min, y\_annotate2\_min\*0.98),
bbox=dict(boxstyle='square', fc='red', linewidth=0.1),
arrowprops=dict(facecolor='red', shrink=0.01, width=0.1),
fontsize=12, color='white', horizontalalignment='center')
# Annotate with Arrow Props and bbox
x\_annotate2\_max = df\_temp\[stock2\].idxmax(axis=1)
y\_annotate2\_max = max(df\_temp\[stock2\])
# xy:需要註釋的點的位置
# xytext：註釋的位置
# arrowprops: xy→xytext的箭頭
axes2.annotate(y\_annotate2\_max,
xy=(x\_annotate2\_max, y\_annotate2\_max),
xytext=(x\_annotate2\_max, y\_annotate2\_max\*1.01),
bbox=dict(boxstyle='square', fc='red', linewidth=0.1),
arrowprops=dict(facecolor='red', shrink=0.01, width=0.1),
fontsize=12, color='black', horizontalalignment='center')
（2）生成 figure、axes1、axes2#
和靜態價格圖的生成不同，這裡我們顯示調用 figure 函數。可以通過 axes.twinx 來實現右邊的 y 軸。
fig, axes1 = plt.subplots(1, 1, dpi=80)
生成右側的 y 軸#
axes2 = axes1.twinx()
（3）調用 FuncAnimation () 函數#
#參數設定
#fig：即 Figure 對象
#animate：之前定義的靜態畫圖函數
#frames：動畫的幀數。通過該幀數來設定 animate 的頻率。
#interval：每一幀的時間間隔
ani = FuncAnimation(fig,
animate,
frames=np.arange(1,df.shape[0],1),
interval=300)
ani.save("movie.mp4")
參考文獻並推薦閱讀：
- 王聖元，《盤一盤 Python 系列特別篇 - Matplotlib Animation》
- MechinelearningPlus，《Matplotlib Tutorial – A Complete Guide to Python Plot w/ Examples》
- MechinelearningPlus，《Top 50 matplotlib Visualizations – The Master Plots》