本节开始一个全新的系列,是整套 Python 第三阶段的课。我把整套知识体系分成四个模块:
Python 基础
数据分析:NumPy, Pandas, SciPy
数据可视化:Matplotlib, Seaborn, Bokeh, Plotly/Cufflinks, PyEcharts
机器学习:Scikit Learn, Scikit Plot, Keras
这是 Python 数据可视化系列的第一节《Matplotlib 上》,之前两大系列的所有课程链接如下。
NumPy 上
NumPy 下
Pandas 上
Pandas 下
SciPy 上
SciPy 下
Pandas 时间序列
Pandas 高频数据采样
默顿模型计量经济资本
LSMC 定价美式和百慕大期权
负油价和负利率模型
Nelson-Siegel 构建债券收益率曲线
外汇交易组合保证金制定系统
FR007 利率掉期定价和曲线拔靴
量化投资 - 向量化回测
编程概览
元素型数据
容器型数据
流程控制:条件-循环-异常处理
函数上:低阶函数
函数下:高阶函数
类和对象:封装-继承-多态-组合
字符串专场:格式化和正则化
解析表达式:简约也简单
生成器和迭代器:简约不简单
装饰器:高端不简单
人是感官动物!图永远比字直观!一图胜千言!因此学会 Python 工具做可视化是一项非常重要的技能,在 Python 众多画图工具中,Matplotlib 一定是最早应该学习的。下图类比人类和 Matplotlib 画图三部曲。
Matplotlib 是一个巨无霸,咋一看无从下手,只能分解之后各点击破。总体来说,它包含两类元素:
基础 (primitives) 类:线 (line), 点 (marker), 文字 (text), 图例 (legend), 网格 (grid), 标题 (title), 图片 (image) 等。
基础类元素是我们想画出的标准对象,而容器类元素是基础类元素的寄居出,它们也有层级结构。
图 → 坐标系 → 坐标轴 → 刻度
由上图看出:
创造完以上四个容器类元素后,便可在它们“身上”添加各种基础类元素。
在坐标轴和刻度上添加标签
在坐标系中添加线、点、网格、图示、标记和文字
在图中添加标题
理解了 Matplotlib 里面的绘图逻辑和元素后,再可以分别从不同维度 (深度和广度) 研究画图:
想学就开始吧!
绝不会让你失望!
付费用户(付 1 赠 1)可以获得: