기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[matplotlib] 산점도(scatter plot)

산점도(scatter plot)

2차원 그래프의 기본 구성은 한 축(x)에 대한 값들에 대응하는 다른 축(y)의 값들입니다. 산점도는 대응하는 위치마다 표시를 하는 것으로 다음 함수를 적용합니다.

  • plt.scatter(x, y, s, c, marker, label)
    • x, y: data
    • s: 표시(marker)의 크기, x, y, c외에 다른 변수를 지정하여 그 변수에 따라 크기를 조절할 수 있음
    • c: 표시 색, x, y, s외에 다른 변수를 지정하여 그 변수에 따라 색을 조절할 수 있음
    • 다양한 marker
    • label: 범례
import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler
import yfinance as yf
import matplotlib as mpl
import matplotlib.pyplot as plt
plt.rcParams['font.family'] ='NanumGothic'
plt.rcParams['axes.unicode_minus'] =False
import seaborn as sns
%matplotlib inline

matplotlib하에서 작성된 플롯이지만 seaborn에서 제공하는 플롯의 스타일을 사용할 수 있습니다. 위 코드 sns.set_style() 함수에 의해 이루어집니다.

np.random.seed(1)
data=np.random.randn(100, 2)
plt.figure(figsize=(4,3))
plt.scatter(data[:,0], data[:,1], s=10, c="b", label="random")
plt.xlabel("x", loc="right")
plt.ylabel("y", loc="top", rotation="horizontal")
plt.legend(loc="best", frameon=False)
plt.show()

위 코드에서 xlabel, ylabel은 각각 x, y 축의 이름을 지정하는 것으로 각각의 위치를 지정할 수 있습니다.

  • plt.xlabel(이름, loc="left/center/right", color)
  • plt.ylabel(이름, loc="bottom/center/upper", rotation, color): 이름은 축과 평행하게 표시가 기본 즉, y축 이름을 수직으로 표시 되므로 수평으로 전환을 위한 회전은 인수 rotation=horizontal 적용
  • plt.legend(loc="best", frameon=False): loc=(x, y)와 같이 각 축의 값을 위치로 지정할 수 있음, frameon=False은 범례의 테두리 제거 (plot() 참조)

산점도는 plt.plot() 함수의 마크 스타일을 조정하여 작성할 수 있습니다(plot() 참조).

plt.figure(figsize=(4,3))
plt.plot(data[:,0], data[:,1], "ro")
plt.xlabel("x", loc="right")
plt.ylabel("y", loc="top", rotation="horizontal")
plt.show()

다음은 kospi 일일자료입니다. 이 자료에서 일중 변화율과 Volume의 일간변화율을 목록화하여 조정한 것입니다.

st=pd.Timestamp(2023, 10, 17)
et=pd.Timestamp(2024, 10, 17)
kos=yf.download("^KS11",st, et)
kos=kos.drop('Adj Close', axis=1)
kos.index=pd.to_datetime(kos.index.date)
kos.columns=kos.columns.levels[0][1:]
scaler=StandardScaler().fit(kos)
kos1=scaler.transform(kos)
kos1df=pd.DataFrame(kos1)
kos1df.columns=kos.columns
kos1df.index=kos.index
kos1df['coChg']=pd.qcut((kos1df.Close-kos1df.Open)/kos1df.Open*100, 10, range(10))
kos1df['volChg']=pd.qcut(kos1df.Volume.pct_change(), 5, range(5))
kos1df=kos1df.dropna()
kos1df.head(3)
Price Close High Low Open Volume coChg volChg
2023-10-18 -1.325313 -1.449859 -1.297633 -1.442811 3.272987 3 4
2023-10-19 -1.703523 -1.712166 -1.603687 -1.606734 2.085993 6 2
2023-10-20 -2.033245 -2.031246 -1.992279 -1.935555 0.271720 6 1

위 자료에서 Close를 volChg로 구분하기 위해 산점도를 작성해 봅니다. x축과 y축은 각각 이 객체의 index와 Close를 전달하는 과정에서 모든 index를 나타내는 대신 일부만을 표시하기 위해 다음 객체 date를 생성합니다.

kos1df.index
DatetimeIndex(['2023-10-18', '2023-10-19', '2023-10-20', '2023-10-23',
               '2023-10-24', '2023-10-25', '2023-10-26', '2023-10-27',
               '2023-10-30', '2023-10-31',
               ...
               '2024-09-30', '2024-10-02', '2024-10-04', '2024-10-07',
               '2024-10-08', '2024-10-10', '2024-10-11', '2024-10-14',
               '2024-10-15', '2024-10-16'],
              dtype='datetime64[ns]', length=243, freq=None)

panda의 date 객체중에서 pd.date_range() 함수는 주어진 구간에서 일정한 부분을 분취하기 하기 위해 적용합니다.

date=pd.date_range(start=kos1df.index[0], end=kos1df.index[-1], periods=7).date
date
array([datetime.date(2023, 10, 18), datetime.date(2023, 12, 17),
       datetime.date(2024, 2, 16), datetime.date(2024, 4, 17),
       datetime.date(2024, 6, 16), datetime.date(2024, 8, 16),
       datetime.date(2024, 10, 16)], dtype=object)

3번째 변수인 volChg을 함수의 인수 c에 전달하였으므로 이 변수의 각 클래스에 대해 다른 색을 지정합니다. 그 색들의 의미를 나타내기 위해 그래프 외부에 colorbar를 나타냅니다. 이를 위해 plt.colorbar() 함수를 실행합니다.

%matplotlib inline
plt.figure(figsize=(7,3))
plt.scatter(kos1df.index, kos1df.Close,  c=kos1df.volChg)
plt.colorbar()
plt.xticks(date, rotation=45)
plt.xlabel("Time(2014년)")
plt.ylabel("Price")
plt.axis("tight")
plt.title("kospi 종가")
plt.show()

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...

turtle로 정오각형 그리기

정오각형 그리기  오각형을 그리는 것 역시 정사각형 , 정삼각형 을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요? 이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요? 위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요. 사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90 오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108 육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120 ... 위 그림에서 내각과 외각의 관계를 보면 위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요. 360/변수의 수=다각형에서 하나의 외각 위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠. 1) 지정한 길이만큼 앞으로 이동합니다. 2) 오른쪽 또는 왼쪽으로 72도를 회전합니다. 3) 앞으로 동일한 길이만큼 이동합니다. 4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다. 5)1번부터 4번 ...