如何突出显示特定的 x 值范围

Question

我正在对一个项目的历史库存数据进行可视化，我想突出显示下跌区域。例如，当股票经历大幅下跌时，我想用红色区域突出显示它。

我可以自动执行此操作，还是必须绘制一个矩形或其他东西？

Answer 1

看看

axvspan

（和 axhspan 用于突出显示 y 轴的区域）。

import matplotlib.pyplot as plt

plt.plot(range(10))
plt.axvspan(3, 6, color='red', alpha=0.5)
plt.show()

如果您使用日期，那么您需要将最小和最大 x 值转换为 matplotlib 日期。 使用

matplotlib.dates.date2num

表示

datetime

对象，或使用

matplotlib.dates.datestr2num

表示各种字符串时间戳。

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime as dt

t = mdates.drange(dt.datetime(2011, 10, 15), dt.datetime(2011, 11, 27),
                  dt.timedelta(hours=2))
y = np.sin(t)

fig, ax = plt.subplots()
ax.plot_date(t, y, 'b-')
ax.axvspan(*mdates.datestr2num(['10/27/2011', '11/2/2011']), color='red', alpha=0.5)
fig.autofmt_xdate()
plt.show()

Answer 2

这里有一个解决方案，使用

axvspan

绘制多个高亮区域，其中每个高亮区域的界限是通过使用与波峰和波谷对应的股票数据的索引来设置的。

股票数据通常包含不连续的时间变量，其中不包括周末和节假日。在处理每日股票价格时，在 matplotlib 或 pandas 中绘制它们会在周末和节假日沿 x 轴产生间隙。对于较长的日期范围和/或较小的数字（如本例所示），这可能不明显，但如果放大，它会变得明显，并且可能是您想要避免的事情。

这就是为什么我在这里分享一个完整的示例，其特点是：

• 一个真实的样本数据集，其中包括基于通过

  pandas_market_calendars

  导入的纽约证券交易所交易日历的不连续 DatetimeIndex 以及看起来像真实数据的虚假股票数据。
• 使用 use_index=False 创建的

  pandas 图

  ，通过使用 x 轴的整数范围来消除周末和节假日的间隙。返回的

  ax

  对象的使用方式可以避免导入 matplotlib.pyplot （除非您需要

  plt.show

  ）。
• 使用 scipy.signal

  find_peaks

  函数自动检测整个日期范围内的亏损，该函数返回用

  axvspan

  绘制高光所需的索引。以更正确的方式计算回撤需要明确定义什么算作回撤，并且会导致更复杂的代码，这是另一个问题的主题。
• 通过循环遍历

  DatetimeIndex

  的时间戳创建的格式正确的刻度，因为在这种情况下无法使用所有方便的 matplotlib.dates 刻度定位器和格式化程序以及

  DatetimeIndex

  属性，如

  .is_month_start

  。

创建示例数据集

import numpy as np                        # v 1.19.2
import pandas as pd                       # v 1.1.3
import pandas_market_calendars as mcal    # v 1.6.1
from scipy.signal import find_peaks       # v 1.5.2

# Create datetime index with a 'trading day end' frequency based on the New York Stock
# Exchange trading hours (end date is inclusive)
nyse = mcal.get_calendar('NYSE')
nyse_schedule = nyse.schedule(start_date='2019-10-01', end_date='2021-02-01')
nyse_dti = mcal.date_range(nyse_schedule, frequency='1D').tz_convert(nyse.tz.zone)

# Create sample of random data for daily stock closing price
rng = np.random.default_rng(seed=1234)  # random number generator
price = 100 + rng.normal(size=nyse_dti.size).cumsum()
df = pd.DataFrame(data=dict(price=price), index=nyse_dti)

df.head()

#                                    price
#   2019-10-01 16:00:00-04:00    98.396163
#   2019-10-02 16:00:00-04:00    98.460263
#   2019-10-03 16:00:00-04:00    99.201154
#   2019-10-04 16:00:00-04:00    99.353774
#   2019-10-07 16:00:00-04:00   100.217517

使用格式正确的刻度绘制回撤的突出显示

# Plot stock price
ax = df['price'].plot(figsize=(10, 5), use_index=False, ylabel='Price')
ax.set_xlim(0, df.index.size-1)
ax.grid(axis='x', alpha=0.3)

# Highlight drawdowns using the indices of stock peaks and troughs: find peaks and 
# troughs based on signal analysis rather than an algorithm for drawdowns to keep
# example simple. Width and prominence have been handpicked for this example to work.
peaks, _ = find_peaks(df['price'], width=7, prominence=4)
troughs, _ = find_peaks(-df['price'], width=7, prominence=4)
for peak, trough in zip(peaks, troughs):
    ax.axvspan(peak, trough, facecolor='red', alpha=.2)

# Create and format monthly ticks
ticks = [idx for idx, timestamp in enumerate(df.index)
         if (timestamp.month != df.index[idx-1].month) | (idx == 0)]
ax.set_xticks(ticks)
labels = [tick.strftime('%b\n%Y') if df.index[ticks[idx]].year
          != df.index[ticks[idx-1]].year else tick.strftime('%b')
          for idx, tick in enumerate(df.index[ticks])]
ax.set_xticklabels(labels)
ax.figure.autofmt_xdate(rotation=0, ha='center')

ax.set_title('Drawdowns are highlighted in red', pad=15, size=14);

为了完整起见，值得注意的是，您可以使用

fill_between

绘图函数获得完全相同的结果，尽管它需要多几行代码：

ax.set_ylim(*ax.get_ylim())  # remove top and bottom gaps with plot frame
drawdowns = np.repeat(False, df['price'].size)
for peak, trough in zip(peaks, troughs):
    drawdowns[np.arange(peak, trough+1)] = True
ax.fill_between(np.arange(df.index.size), *ax.get_ylim(), where=drawdowns,
                facecolor='red', alpha=.2)

您正在使用 matplotlib 的交互界面，并希望在放大时有动态刻度？那么您将需要使用 matplotlib.ticker 模块中的定位器和格式化程序。例如，您可以像本示例中那样保持主要刻度固定，并添加动态次要刻度以在放大时显示一年中的几天或几周。您可以在此答案的末尾找到如何执行此操作的示例。