Python大数据财务分析 课件 张敏 3.财务可视化基础 - Matplotlib库；4.财务静态分析.pptx

;;;3.1Matplotlib基本图形绘制;注意最后记得加上plt.show()来展示图形，运行结果如下图所示：;如果想让x和y之间有些数学关系，列表是不太容易进行数学运算的，这时候就可以通过Numpy库引入一维数组进行数学运算，代码如下：;这里通过Numpy生成一个一维数组x1，并根据数组的可运算性生成了y1和y2，将两条线都画在一张图上，最终运行结果如下图4-2所示：;3.1.2柱状图/条形图;3.1.3散点图;3.1.4直方图;这里通过np.random.randn(10000)生成10000个服从均值为0，标准差为1的正态分布数据，运行结果如下图3-5所示，其中横轴表示随机生成的数据，纵轴则表示该数据出现的次数，也即频数。此外如果想显示为频率直方图的话，只需要设置参数density为1即可。;补充知识点：在pandas库中的快捷绘图技巧;补充知识点：在pandas库中的快捷绘图技巧;补充知识点：在pandas库中的快捷绘图技巧;补充知识点：在pandas库中的快捷绘图技巧;补充知识点：在pandas库中的快捷绘图技巧;;3.2Matplotlib可视化小技巧;运行结果如下图所示：;3.2.2添加图例;如下图所示，已经绘制出两条直线，并在左上角添加了图例，如果想修改图例的位置，比如设置成右上角，可以将参数loc（位置location的缩写）修改成“upperright”，右下角则设置成“lowerright”即可。;3.2.3设置双坐标轴;运行结果如下图所示。可以看到左右的y坐标轴数值相差很大。如果不设置双坐标轴，会导致y=x这条线被压缩的很平，影响图像显示效果。;3.2.4设置图片大小;3.2.5设置X轴角度;3.2.6中文显示问题;;（1）subplot()函数

Subplot()通常含有三个参数，子图的行数、列数以及第几个子图，例如subplot(221)表示的就是绘制2行2列的子图（共4个子图），并在第1个子图上进行绘图。;（1）subplot()函数;（1）subplot()函数;（1）subplot()函数;（1）subplot()函数;（1）subplot()函数;（1）subplot()函数;（1）subplot()函数;;3.3Matplotlib财务可视化案例实战;这些柱状图通常称之为“K线图”，是由股票的四个价格来绘制的：开盘价（当天上午9点半开始交易时的价格）、收盘价（当天下午3点结束交易时的价格）、最高价（当天股价波动中的最高价）、最低价（当天股价波动中的最低价），简称“高???开、低、收”四个价格。

根据这四个价格便可以绘制出红色和绿色的K线图，因为形似蜡烛，因此也常被称之为蜡烛图。;均线分为5日均线（通常称之为MA5）、10日均线（通常称之为MA10）、20日均线（通常称之为MA20）等，其原理就是将股价的收盘价求均值，例如5日均线就是最近连续5个交易日收盘价之和的平均值，具体的计算公式如下，其中Close1为当天的收盘价，Close2为前一天的收盘价，其余依次类推。;2.绘制股票K线图;?

(2)引入绘图相关库

首先引入一些绘图需要用到的库，代码如下：;?

(3)筛选数据

使用的数据示例如下图所示：;接下来对列进行一个简单的筛选，并更改一下列名:;(4)日期格式调整及表格转换;第二行是将日期（现在的行索引）改为日期格式，用到的是pandas一个内置的方法，叫做pd.DatetimeIndex。当然这也有另一种写法，那就是在第一行之前先加一句:;(5)绘制K线图

转换好数据格式后，K线图的绘制就比较简单了，通过plot函数便能够轻松的绘制K线图了，代码如下：;得到的结果如下图所示：;代码汇总：;3.3.2财务数据可视化绘制;3.3.2财务数据可视化绘制;然后调用Matplotlib库来进行可视化表示：;于是得到了这张图：;2.同业统计可视化

另一方面的财务数据比较方式就是同业比较，一般采用条形图，首先也是创建一个数据源并进行排序：;?;然后调用Matplotlib库来进行可视化表示：;谢谢！;;;4.1盈利能力指标;反映企业盈利能力的指标主要包括毛利率、净利润率、营业利润率和净资产收益率。

读取文件：;

通过merge函数我们就成功地把三张表合并为一张名为data的表了，如下图：;为了使表格更美观，在合并时我们可以把会重复的列索引也放入参数中：;?

毛利率=毛利/营业收入=（营业收入-营业成本）/营业收入

?

毛利率反映的是一个商品经过生产转换内部系统以后增值的那一部分。也就是说，增值的越多毛利自然就越多。其计算过程如下：;得到表格如下表所示：;4.1.1毛利率