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。

Question

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

Answer 1

• 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')
  

  

  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)
  

  

  ##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)
  

  

  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')
  

  

  end