第5讲：数据可视化 (Plotting Data)

为什么需要图形化表示数据？#

将数据用图形展示出来，可以帮助我们更好地理解数据的行为，发现潜在的模式或问题。不过要小心！我们人类很容易只看到支持自己想法的证据，而图表特别容易让人产生这种“偏见”。

图表适合用来做什么？ 帮助你提出假设（“我猜数据可能是这样的”）。
图表不适合做什么？ 直接用来验证假设（“这个图证明我是对的”）。

在这篇教程中，我们将学习几种常见的图表类型，并用苹果（AAPL）和微软（MSFT）的股价数据来练习。别担心，我们会一步步讲解，适合初学者！

开始之前：准备工作#

我们需要用 Python 的工具来处理和绘制数据。以下是你需要导入的库：

python

code

# 导入数值处理的库
import numpy as np
# 导入绘图库，简称为 plt，这样我们可以用 plt 代替完整的名字
import matplotlib.pyplot as plt
# 导入 yfinance 库来获取股票数据
import yfinance as yf

获取数据#

为了画图，我们需要一些真实的数据。我们将获取苹果（AAPL）和微软（MSFT）在 2014 年的股价数据。由于原教程使用的是 Quantopian 的 get_pricing() 函数，我们将改用更常见的 yfinance 库来获取数据。

代码示例：获取股价数据

python

code

# 设置时间范围
start = '2014-01-01'
end = '2015-01-01'

# 使用 yfinance 获取 AAPL 和 MSFT 的数据
data = yf.download(['AAPL', 'MSFT'], start=start, end=end)['Adj Close']

# 查看前几行数据
print(data.head())

输出结果（示例）

code

            AAPL      MSFT
Date
2014-01-02  79.034  37.145
2014-01-03  77.284  36.920
2014-01-06  77.709  36.130
2014-01-07  77.164  36.403
2014-01-08  77.626  35.750

解释：
- 每一行是一个日期（时间戳）。
- 每一列是一个股票（AAPL 或 MSFT），值是当天的调整后收盘价（Adjusted Close）。
- 这是一个 Pandas DataFrame（二维表格），非常适合处理时间序列数据。

理解数据结构#

数据的“形状”和“格式”很重要！在这个例子中：

行：日期（时间戳）。
列：股票代码（AAPL 和 MSFT）。
如果想单独看某一列（比如 MSFT），可以用 data['MSFT']，这会返回一个一维的 Series 对象。

示例：查看 MSFT 的前几行

python

code

print(data['MSFT'].head())

输出：

code

Date
2014-01-02    37.145
2014-01-03    36.920
2014-01-06    36.130
2014-01-07    36.403
2014-01-08    35.750
Name: MSFT, dtype: float64

解释：这是一个 Series，索引是日期，值是 MSFT 的股价。

图表 1：直方图（Histogram）#

**什么是直方图？**直方图展示数据的“频率分布”，也就是某个值出现的次数。它用条形表示，让我们一眼看出数据集中在哪些范围。

示例：绘制 MSFT 股价的直方图

python

code

# 绘制 MSFT 股价的直方图，分成 20 个区间（bins）
plt.hist(data['MSFT'], bins=20)
plt.xlabel('价格')  # X 轴标签
plt.ylabel('观察到的天数')  # Y 轴标签
plt.title('2014 年 MSFT 股价的频率分布')  # 图表标题
plt.show()  # 显示图表

解释：
- 每个条的高度表示某个价格区间出现的次数。
- 这就像一个“离散的概率密度函数”（PDF），告诉我们哪些价格更常见。

图表 2：回报的直方图#

在金融中，我们很少直接看价格的分布，因为价格会一直变化（非平稳）。我们更关心的是“每日回报率”。什么是回报率？ 用百分比变化表示价格变动：(今天价格 - 昨天价格) / 昨天价格。

示例：绘制 MSFT 回报的直方图

python

code

# 计算 MSFT 的每日回报率（移除第一行，因为第一天没有前一天数据）
R = data['MSFT'].pct_change()[1:]

# 绘制回报的直方图
plt.hist(R, bins=20)
plt.xlabel('回报率')
plt.ylabel('观察到的天数')
plt.title('2014 年 MSFT 回报的频率分布')
plt.show()

解释：
- 图中显示 MSFT 在 2014 年每天的回报率分布。
- 例如，回报率超过 0.03 的天数不到 5 天。
- 注意：过去的分布不代表未来会一样！

图表 3：累积直方图（Cumulative Histogram）#

**什么是累积直方图？**它显示某个值及之前所有值的总数，条形高度永远不会下降（因为观察次数不会是负数）。

用途：想知道数据累积的趋势时很有用。

示例：绘制 MSFT 回报的累积直方图

python

code

# 计算 MSFT 的每日回报率
R = data['MSFT'].pct_change()[1:]

# 绘制累积直方图
plt.hist(R, bins=20, cumulative=True)
plt.xlabel('回报率')
plt.ylabel('观察到的天数')
plt.title('2014 年 MSFT 回报的累积分布')
plt.show()

图表 4：散点图（Scatter Plot）#

**什么是散点图？**散点图用点表示两组数据的关系，比如 MSFT 和 AAPL 的价格或回报率。每个点代表一对对应的值。

示例 1：MSFT 和 AAPL 的股价散点图

python

code

plt.scatter(data['MSFT'], data['AAPL'])
plt.xlabel('MSFT')
plt.ylabel('AAPL')
plt.title('2014 年每日股价')
plt.show()

示例 2：MSFT 和 AAPL 的回报散点图

python

code

R_msft = data['MSFT'].pct_change()[1:]
R_aapl = data['AAPL'].pct_change()[1:]

plt.scatter(R_msft, R_aapl)
plt.xlabel('MSFT')
plt.ylabel('AAPL')
plt.title('2014 年每日回报')
plt.show()

解释：
- 可以观察 MSFT 和 AAPL 的回报是否有关联（比如一起涨或跌）。

图表 5：折线图（Line Graph）#

**什么是折线图？**折线图通过连接数据点展示随时间变化的趋势，非常适合追踪股价或回报随时间的变化。

示例：绘制 MSFT 和 AAPL 的股价折线图

python

code

plt.plot(data['MSFT'], label='MSFT')  # 绘制 MSFT
plt.plot(data['AAPL'], label='AAPL')  # 绘制 AAPL
plt.ylabel('价格')
plt.legend()  # 添加图例
plt.show()

示例：绘制 MSFT 回报的折线图

python

code

R = data['MSFT'].pct_change()[1:]
plt.plot(R)
plt.ylabel('回报率')
plt.title('MSFT 回报')
plt.show()

解释：
- 折线图能清楚展示价格或回报随时间的变化。
- 但要注意：点之间的“连接”可能会掩盖未记录的波动。

重要提醒：不要过度依赖图表

图表的作用：帮你在分析初期探索数据、提出想法。
图表的局限：
- 不能直接用来看假设是否正确（需要更严格的检验）。
- 过去的趋势不一定适用于未来。
建议：用图表启发模型，但验证模型时要用更专业的方法。

完整代码汇总

以下是将所有步骤整合在一起的代码，初学者可以直接运行试试：

python

code

import numpy as np
import matplotlib.pyplot as plt
import yfinance as yf

# 获取数据
start = '2014-01-01'
end = '2015-01-01'
data = yf.download(['AAPL', 'MSFT'], start=start, end=end)['Adj Close']

# 直方图：MSFT 股价
plt.hist(data['MSFT'], bins=20)
plt.xlabel('价格')
plt.ylabel('观察到的天数')
plt.title('2014 年 MSFT 股价的频率分布')
plt.show()

# 直方图：MSFT 回报
R = data['MSFT'].pct_change()[1:]
plt.hist(R, bins=20)
plt.xlabel('回报率')
plt.ylabel('观察到的天数')
plt.title('2014 年 MSFT 回报的频率分布')
plt.show()

# 累积直方图：MSFT 回报
plt.hist(R, bins=20, cumulative=True)
plt.xlabel('回报率')
plt.ylabel('观察到的天数')
plt.title('2014 年 MSFT 回报的累积分布')
plt.show()

# 散点图：MSFT vs AAPL 回报
R_msft = data['MSFT'].pct_change()[1:]
R_aapl = data['AAPL'].pct_change()[1:]
plt.scatter(R_msft, R_aapl)
plt.xlabel('MSFT')
plt.ylabel('AAPL')
plt.title('2014 年每日回报')
plt.show()

# 折线图：MSFT 和 AAPL 股价
plt.plot(data['MSFT'], label='MSFT')
plt.plot(data['AAPL'], label='AAPL')
plt.ylabel('价格')
plt.legend()
plt.show()

结语

本节使用直方图、散点图和折线图展示数据分布、变量关系与时间变化。建议使用其他资产数据复现示例，并核对图形与统计量的对应关系。