本文为原创文章，未经本人允许，禁止转载。转载请注明出处。
1.读取数据
我们以爬取的股价信息为例：
1
2
3
import pandas_datareader
df = pandas_datareader.DataReader('BABA', data_source='yahoo', start='2020-05-01')
print(df.head())
2.pandas.DataFrame.plot()
pandas画图函数的API为：
1
2
3
4
5
6
7
8
DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False,
sharex=None, sharey=False, layout=None, figsize=None,
use_index=True, title=None, grid=None, legend=True,
style=None, logx=False, logy=False, loglog=False,
xticks=None, yticks=None, xlim=None, ylim=None, rot=None,
fontsize=None, colormap=None, position=0.5, table=False, yerr=None,
xerr=None, stacked=True/False, sort_columns=False,
secondary_y=False, mark_right=True, **kwds)
部分参数解释：
x：x轴label。y：y轴label。kind：图类型：figsize：图的大小，用一个tuple表示：(width,height)（单位为英寸）。title：图的名字或标题。grid：背景是否添加网格线。legend：是否显示图例。rot：x轴label旋转角度。
2.1.绘制折线图
1
df['Close'].plot(kind='line', figsize=[10, 5], title='BABA', legend=True, grid=True)
2.2.绘制移动平均线
1
2
df['mvg30'] = df['Close'].rolling(window=30).mean()
df[['Close', 'mvg30']].plot(kind='line', legend=True, figsize=[10, 5])
2.2.1.pandas.DataFrame.rolling()
在建模过程中，我们常常需要对有时间关系的数据进行整理。比如我们想要得到某一时刻过去30分钟的销量（产量，速度，消耗量等），传统方法复杂消耗资源较多，pandas提供的rolling使用简单，速度较快。
1
DataFrame.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)
参数解释：
window：表示时间窗的大小，注意有两种形式（int or offset）。如果使用int，则数值表示计算统计量的观测值的数量，即向前几个数据。如果是offset类型，则表示时间窗的大小。min_periods：最少需要有值的观测点的数量，对于int类型，默认与window相等。对于offset类型，默认为1。center：是否使用window的中间值作为label，默认为false。只能在window是int时使用。win_type：窗口类型。默认为None，一般不特殊指定。on：对于DataFrame如果不使用index（索引）作为rolling的列，那么用on来指定使用哪列。axis：方向（轴），一般都是0。closed：定义区间的开闭，曾经支持int类型的window，新版本已经不支持了。对于offset类型默认是左开右闭的，即默认为right。可以根据情况指定为left,both等。
2.3.绘制直方图
1
df.loc[df.index >= '2021-05-01', 'Volume'].plot(x='datetime', kind='bar', figsize=[10, 5], title='BABA', legend=True)
2.4.饼图
1
2
3
4
df['diff'] = df['Close'] - df['Open']
df['rise'] = df['diff'] > 0
df['fall'] = df['diff'] < 0
df[['rise', 'fall']].sum().plot(kind='pie', figsize=[5, 5], counterclock=True, startangle=90, legend=True)
