python 金融数据挖掘第9章复习思考题2题，表9-5数据贷款申请。

求python 金融数据挖掘第9章复习思考题2的答案!问题如图img

这篇博客: Python金融大数据分析——第5章数据可视化笔记中的 5.2 金融学图表 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:

金融数据的蜡烛图

"""
# import matplotlib.finance as mpf # 这个方法过期了 
# MatplotlibDeprecationWarning: The finance module has been deprecated in mpl 2.0 and will be removed in mpl 2.2. Please use the module mpl_finance instead. warnings.warn(message, mplDeprecation, stacklevel=1)
# 要用下面的方法 import mpl_finance as mpf
# 安装方法： >pip install https://github.com/matplotlib/mpl_finance/archive/master.zip
"""
import mpl_finance as mpf

# start = (2014, 5, 1)
# end = (2014, 6, 30)
# quotes = mpf._quotes_historical_yahoo('GDAXI', start, end)
# 由于伟大的墙，调取不到国外的数据，这里用tushare获取600118中国卫星的数据
import tushare as ts
import datetime
from matplotlib.pylab import date2num

start = '2018-05-01'
end = '2018-06-30'
k_d = ts.get_k_data('600118', start, end, ktype='D')
k_d.head()
k_d.date = k_d.date.map(lambda x: date2num(datetime.datetime.strptime(x, '%Y-%m-%d')))
quotes = k_d.values

fig, ax = plt.subplots(figsize=(8, 5))
fig.subplots_adjust(bottom=0.2)
mpf.candlestick_ochl(ax, quotes, width=0.6, colorup='r', colordown='g', alpha=0.8)
plt.grid(True)
ax.xaxis_date()
# dates on the x-axis
ax.autoscale_view()
plt.setp(plt.gca().get_xticklabels(), rotation=30)

k_d.head()输入的结果：

	date	open	close	high	low	volume	code
77	2018-05-02	23.05	22.45	23.10	22.25	90673.0	600118
78	2018-05-03	22.30	22.52	22.58	21.71	78948.0	600118
79	2018-05-04	22.50	22.35	22.58	22.21	58511.0	600118
80	2018-05-07	22.49	22.70	22.71	22.30	58248.0	600118
81	2018-05-08	22.80	23.07	23.45	22.75	115629.0	600118

最后的图片：
金融数据的烛柱图
金融数据每日摘要图表

# 金融数据每日摘要图表
fig, ax = plt.subplots(figsize=(8, 5))
fig.subplots_adjust(bottom=0.2)
mpf._plot_day_summary(ax, quotes, colorup='r', colordown='g')
plt.grid(True)
ax.xaxis_date()
# dates on the x-axis
ax.autoscale_view()
plt.setp(plt.gca().get_xticklabels(), rotation=30)
plt.title('金融数据每日摘要图表')

金融数据每日摘要图表

蜡烛图和成交量柱状图组合而成的图表

# 蜡烛图和成交量柱状图组合而成的图表
fig, (ax1, ax2) = plt.subplots(2, sharex=True, figsize=(8, 6))
mpf.candlestick_ochl(ax1, quotes, width=0.6, colorup='r', colordown='g', alpha=0.8)
ax1.set_title('中国卫星')
ax1.set_ylabel('index level')
plt.grid(True)
ax1.xaxis_date()
plt.bar(quotes[:,0],quotes[:,5],width=0.5)
ax2.set_ylabel('volume')
ax2.grid(True)
plt.setp(plt.gca().get_xticklabels(), rotation=30)

蜡烛图和成交量柱状图组合而成的图表

##5.3 3D绘图
（模拟）隐含波动率的 3D 曲面图

# 
strike = np.linspace(50, 150, 24)
ttm = np.linspace(0.5, 2.5, 24)
strike, ttm = np.meshgrid(strike, ttm)
iv = (strike - 100) ** 2 / (100 * strike) / ttm
# generate fake implied volatilities

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(9, 6))
ax = fig.gca(projection='3d')
surf = ax.plot_surface(strike, ttm, iv, rstride=2, cstride=2, cmap=plt.cm.coolwarm, linewidth=0.5, antialiased=True)
ax.set_xlabel('strike')
ax.set_ylabel('time-to-maturity')
ax.set_zlabel('implied volatility')
fig.colorbar(surf, shrink=0.5, aspect=5)

（模拟）隐含波动率的 3D 曲面图

plot_surface参数

参数	描述
X,Y,Z	2D数组形式的数据值
rstride	数组行距（步长大小）
cstride	数组列距（步长大小）
color	曲面块颜色
cmap	曲面块颜色映射
facecolors	单独曲面块表面颜色
norm	将值映射为颜色的 Nonnalize实例
vmin	映射的最小值
vmax	映射的最大值

（模拟）隐含波动率的 3D 散点图

#（模拟）隐含波动率的 3D 散点图
fig = plt.figure(figsize=(8, 5))
ax = fig.add_subplot(111,projection='3d')
ax.view_init(30,60)
ax.scatter(strike, ttm, iv, zdir='z',s=25,c='b',marker='^')
ax.set_xlabel('strike')
ax.set_ylabel('time-to-maturity')
ax.set_zlabel('implied volatility')

这里写图片描述

end

python 金融数据挖掘第9章 复习思考题2题，表9-5数据 贷款申请。

python 金融数据挖掘第9章复习思考题2题，表9-5数据贷款申请。