十二、颜色和填充

在本教程中，我们将介绍一些更多的自定义，比如颜色和线条填充。

我们要做的第一个改动是将plt.title更改为stock变量。

  1. plt.title(stock)

现在，让我们来介绍一下如何更改标签颜色。 我们可以通过修改我们的轴对象来实现：

  1. ax1.xaxis.label.set_color('c')
  2. ax1.yaxis.label.set_color('r')

如果我们运行它，我们会看到标签改变了颜色，就像在单词中那样。

接下来，我们可以为要显示的轴指定具体数字，而不是像这样的自动选择：

  1. ax1.set_yticks([0,25,50,75])

接下来，我想介绍填充。 填充所做的事情，是在变量和你选择的一个数值之间填充颜色。 例如，我们可以这样：

  1. ax1.fill_between(date, 0, closep)

所以到这里，我们的代码为：

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  3. import urllib
  4. import datetime as dt
  5. import matplotlib.dates as mdates
  7. def bytespdate2num(fmt, encoding='utf-8'):
  8.     strconverter = mdates.strpdate2num(fmt)
  9.     def bytesconverter(b):
  10.         s = b.decode(encoding)
  11.         return strconverter(s)
  12.     return bytesconverter
  15. def graph_data(stock):
  17.     fig = plt.figure()
  18.     ax1 = plt.subplot2grid((1,1), (0,0))
  20.     stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv'
  21.     source_code = urllib.request.urlopen(stock_price_url).read().decode()
  22.     stock_data = []
  23.     split_source = source_code.split('\n')
  24.     for line in split_source:
  25.         split_line = line.split(',')
  26.         if len(split_line) == 6:
  27.             if 'values' not in line and 'labels' not in line:
  28.                 stock_data.append(line)
  31.     date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
  32.                                                           delimiter=',',
  33.                                                           unpack=True,
  34.                                                           converters={0: bytespdate2num('%Y%m%d')})
  36.     ax1.fill_between(date, 0, closep)
  38.     for label in ax1.xaxis.get_ticklabels():
  39.         label.set_rotation(45)
  40.     ax1.grid(True)#, color='g', linestyle='-', linewidth=5)
  41.     ax1.xaxis.label.set_color('c')
  42.     ax1.yaxis.label.set_color('r')
  43.     ax1.set_yticks([0,25,50,75])
  45.     plt.xlabel('Date')
  46.     plt.ylabel('Price')
  47.     plt.title(stock)
  48.     plt.legend()
  49.     plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)
  50.     plt.show()
  53. graph_data('EBAY')

结果为：

十二、颜色和填充 - 图1

填充的一个问题是，我们可能最后会把东西都覆盖起来。 我们可以用透明度来解决它：

  1. ax1.fill_between(date, 0, closep)

现在，让我们介绍条件填充。 让我们假设图表的起始位置是我们开始买入 eBay 的地方。 这里，如果价格低于这个价格，我们可以向上填充到原来的价格，然后如果它超过了原始价格，我们可以向下填充。 我们可以这样做：

  1. ax1.fill_between(date, closep[0], closep)

会生成：

十二、颜色和填充 - 图2

如果我们想用红色和绿色填充来展示收益/损失，那么与原始价格相比，绿色填充用于上升（注：国外股市的颜色和国内相反），红色填充用于下跌？ 没问题！ 我们可以添加一个where参数，如下所示：

  1. ax1.fill_between(date, closep, closep[0],where=(closep > closep[0]), facecolor='g', alpha=0.5)

这里，我们填充当前价格和原始价格之间的区域，其中当前价格高于原始价格。 我们给予它绿色的前景色，因为这是一个上升，而且我们使用微小的透明度。

我们仍然不能对多边形数据（如填充）应用标签，但我们可以像以前一样实现空线条，因此我们可以：

  1. ax1.plot([],[],linewidth=5, label='loss', color='r',alpha=0.5)
  2. ax1.plot([],[],linewidth=5, label='gain', color='g',alpha=0.5)
  4. ax1.fill_between(date, closep, closep[0],where=(closep > closep[0]), facecolor='g', alpha=0.5)
  5. ax1.fill_between(date, closep, closep[0],where=(closep < closep[0]), facecolor='r', alpha=0.5)

这向我们提供了一些填充，以及用于处理标签的空线条，我们打算将其显示在图例中。这里完整的代码是：

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  3. import urllib
  4. import datetime as dt
  5. import matplotlib.dates as mdates
  7. def bytespdate2num(fmt, encoding='utf-8'):
  8.     strconverter = mdates.strpdate2num(fmt)
  9.     def bytesconverter(b):
  10.         s = b.decode(encoding)
  11.         return strconverter(s)
  12.     return bytesconverter
  15. def graph_data(stock):
  17.     fig = plt.figure()
  18.     ax1 = plt.subplot2grid((1,1), (0,0))
  20.     stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv'
  21.     source_code = urllib.request.urlopen(stock_price_url).read().decode()
  22.     stock_data = []
  23.     split_source = source_code.split('\n')
  24.     for line in split_source:
  25.         split_line = line.split(',')
  26.         if len(split_line) == 6:
  27.             if 'values' not in line and 'labels' not in line:
  28.                 stock_data.append(line)
  30.     date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
  31.                                                           delimiter=',',
  32.                                                           unpack=True,
  33.                                                           converters={0: bytespdate2num('%Y%m%d')})
  35.     ax1.plot_date(date, closep,'-', label='Price')
  37.     ax1.plot([],[],linewidth=5, label='loss', color='r',alpha=0.5)
  38.     ax1.plot([],[],linewidth=5, label='gain', color='g',alpha=0.5)
  40.     ax1.fill_between(date, closep, closep[0],where=(closep > closep[0]), facecolor='g', alpha=0.5)
  41.     ax1.fill_between(date, closep, closep[0],where=(closep < closep[0]), facecolor='r', alpha=0.5)
  43.     for label in ax1.xaxis.get_ticklabels():
  44.         label.set_rotation(45)
  45.     ax1.grid(True)#, color='g', linestyle='-', linewidth=5)
  46.     ax1.xaxis.label.set_color('c')
  47.     ax1.yaxis.label.set_color('r')
  48.     ax1.set_yticks([0,25,50,75])
  50.     plt.xlabel('Date')
  51.     plt.ylabel('Price')
  52.     plt.title(stock)
  53.     plt.legend()
  54.     plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)
  55.     plt.show()
  58. graph_data('EBAY')

现在我们的结果是：

十二、颜色和填充 - 图3