大数据分析11 可视化分析 三维图

数据源

• 导入包

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

• 绘制3D折线图

projection设置当前绘图环境为三维

分别设置XYZ三个维度的点

plt.subplot(projection='3d') 

x = (0, 0, 1, 4, 5)

y = (1, 1, 1, 1, 2)

z = (2, 0, 3, 4, 5)

plt.plot(x, y, z)

plt.show()

• 数据源

frame = pd.read_csv("股票数据.csv", encoding='GBK') # 将数据加载成DataFrame格式

frame = frame.set_index("日期") # 将日期设置为索引

frame.index = pd.to_datetime(frame.index) # 转换为Datetime时间类型，方便后续处理

frame.head(5)

• 按年月份分组

results = frame[['收盘价']].groupby([frame.index.year, frame.index.month]).mean()

print(results.index.codes[0]) # 第一个分组条件，即 年

print(results.index.codes[1]) # 第二个分组条件，即 月

print(results['收盘价'])

• plot绘制三维折线图

plt.subplot(projection='3d')

plt.plot(results.index.codes[0], results.index.codes[1], results['收盘价'])

plt.show()

横向是年的变化 纵向是月的变化

• 按照年月分类汇总多个信息

results = frame.groupby([frame.index.year, frame.index.month]).agg(val1=("收盘价", 'mean'), val2=("换手率", 'mean'), val3=("成交笔数", 'mean'))

results.head(12)

• scatter绘制3D散点图

ax = plt.subplot(projection='3d')

ax.scatter(results['val1'], results['val2'], results['val3'])

plt.show()

• bar3D柱状图

plt.subplot(projection='3d')

results = frame[['收盘价']].groupby([frame.index.year, frame.index.month]).mean()

plt.bar(results.index.codes[1], results['收盘价'], zs=results.index.codes[0]) # zs表示第三维度，即年份

plt.show()

• 设置3D图颜色

plt.subplot(projection='3d')

results = frame[['收盘价']].groupby([frame.index.year, frame.index.month]).mean()

plt.bar(results.index.codes[1], results['收盘价'], zs=results.index.codes[0], color=cm.ScalarMappable().to_rgba(results.index.codes[0]))

plt.show()

• 绘制3D柱状图bar3d

x y x分别是每个方柱底部点的坐标，dx dy代表每个方块的宽度和厚度，高度用收盘价等统计数据

ax = plt.subplot(projection='3d')

ax.bar3d(x=results.index.codes[1], y=results.index.codes[0], z=0, dx=1, dy=1, dz=results['收盘价'], color=cm.ScalarMappable().to_rgba(results.index.codes[0]))

plt.show()