industrydata = portfoliodf[portfoliodf['Industry I'] == industry] xdata =…
- User
industry_data = portfolio_df[portfolio_df['Industry I'] == industry] x_data = industry_data['TRADEDATE'].to_numpy() y1_data = industry_data['excess_return_compound'].to_numpy() y2_data = industry_data['allocation_effect_compound'].to_numpy() y3_data = industry_data['selection_effect_compound'].to_numpy() #y4_data = industry_data['interaction_effect_compound'].to_numpy() y4_data = industry_data['Weight Difference'].to_numpy()
# 创建一个图形和坐标轴 plt.figure(figsize=(12, 9)) fig, ax = plt.subplots() #fig, ax1 = plt.subplots() # 绘制折线图 ax.plot(x_data, y1_data, color='blue', marker='o', label='excess_return_compound') ax.plot(x_data, y2_data, color='red', marker='o', label='allocation_effect_compound') ax.plot(x_data, y3_data, color='black', marker='o', label='selection_effect_compoundt') #ax.plot(x_data, y4_data, color='purple', marker='o', label='interaction_effect_compound') ax.set_xlabel('TRADEDATE') ax.set_ylabel('Excess Return') # 绘制柱形图 ax2 = ax.twinx() ax2.bar(x_data, y4_data, color='purple', alpha=0.5, label='Weight Diff') ax2.set_ylabel('Weight Diff') plt.xticks(rotation=45) plt.title(f"Excess Return in {industry}") #plt.xlabel('TRADEDATE') #plt.ylabel('excess_return_compound') plt.legend() # Show the plot left = sht2.range('G3').left top = sht2.range('G3').top sht2.pictures.add(fig, name='Industry', update=True, left=left, top=top) 我用这段代码画了个图 但是出来的图 左侧于右侧的y轴0点不在同一水平线上 可以让他们的0点回到同一水平 并与x轴相交吗? - Assistant
可以使用
ax.axhline(y=0, color='black', linestyle='--')来添加一条与x轴相交的水平线,从而将左侧和右侧的y轴的0点对齐。具体代码如下:# 创建一个图形和坐标轴 plt.figure(figsize=(12, 9)) fig, ax = plt.subplots() # 绘制折线图 ax.plot(x_data, y1_data, color='blue', marker='o', label='excess_return_compound') ax.plot(x_data, y2_data, color='red', marker='o', label='allocation_effect_compound') ax.plot(x_data, y3_data, color='black', marker='o', label='selection_effect_compoundt') #ax.plot(x_data, y4_data, color='purple', marker='o', label='interaction_effect_compound') ax.set_xlabel('TRADEDATE') ax.set_ylabel('Excess Return') # 绘制柱形图 ax2 = ax.twinx() ax2.bar(x_data, y4_data, color='purple', alpha=0.5, label='Weight Diff') ax2.set_ylabel('Weight Diff') # 添加水平线 ax.axhline(y=0, color='black', linestyle='--') plt.xticks(rotation=45) plt.title(f"Excess Return in {industry}") plt.legend() # Show the plot left = sht2.range('G3').left top = sht2.range('G3').top sht2.pictures.add(fig, name='Industry', update=True, left=left, top=top)这样可以使左侧和右侧的y轴的0点回到同一水平线上,并与x轴相交。
- User
这个代码只是增加了一条起点位于左侧y轴0点的水平线。但是左右y轴0点不能保证在同一水平线上。此外,我也不希望添加额外的辅助线 我希望X轴自己的左右两端就相交于左右Y轴的0点
- Assistant
我明白你的要求了。要将x轴的两端与左右y轴的0点相交,你可以使用
ax.spines属性设置坐标轴的位置。具体而言,你可以将左侧y轴的spine(即轴线)的位置设置为x轴的0点,将x轴的spine的位置设置为左侧y轴的0点。代码如下所示:# 创建一个图形和坐标轴 plt.figure(figsize=(12, 9)) fig, ax = plt.subplots() # 绘制折线图 ax.plot(x_data, y1_data, color='blue', marker='o', label='excess_return_compound') ax.plot(x_data, y2_data, color='red', marker='o', label='allocation_effect_compound') ax.plot(x_data, y3_data, color='black', marker='o', label='selection_effect_compoundt') #ax.plot(x_data, y4_data, color='purple', marker='o', label='interaction_effect_compound') ax.set_xlabel('TRADEDATE') ax.set_ylabel('Excess Return') # 绘制柱形图 ax2 = ax.twinx() ax2.bar(x_data, y4_data, color='purple', alpha=0.5, label='Weight Diff') ax2.set_ylabel('Weight Diff') # 设置左侧y轴的0点与x轴相交 ax.spines['left'].set_position('zero') ax.spines['bottom'].set_position('zero') # 设置x轴的0点与左侧y轴相交 ax.spines['bottom'].set_position(('data', 0)) ax.spines['left'].set_position(('data', 0)) plt.xticks(rotation=45) plt.title(f"Excess Return in {industry}") plt.legend() plt.show()这样可以确保x轴的两端与左右y轴的0点相交。
- User
设置左侧y轴的0点与x轴相交
ax.spines[‘left’].set_position(‘zero’) ax.spines[‘bottom’].set_position(‘zero’) 我试了这两句代码 不行 运行的话 就不出图了
- Assistant
很抱歉,我之前的回答有误。正确的做法是通过设置坐标轴刻度来实现。下面是更新后的代码:
# 创建一个图形和坐标轴 plt.figure(figsize=(12, 9)) fig, ax = plt.subplots() # 绘制折线图 ax.plot(x_data, y1_data, color='blue', marker='o', label='excess_return_compound') ax.plot(x_data, y2_data, color='red', marker='o', label='allocation_effect_compound') ax.plot(x_data, y3_data, color='black', marker='o', label='selection_effect_compoundt') ax.set_xlabel('TRADEDATE') ax.set_ylabel('Excess Return') # 绘制柱形图 ax2 = ax.twinx() ax2.bar(x_data, y4_data, color='purple', alpha=0.5, label='Weight Diff') ax2.set_ylabel('Weight Diff') # 设置左侧y轴刻度从下限到上限 ax.set_ylim(bottom=min(y1_data, y2_data, y3_data, y4_data), top=max(y1_data, y2_data, y3_data, y4_data)) ax2.set_ylim(bottom=min(y1_data, y2_data, y3_data, y4_data), top=max(y1_data, y2_data, y3_data, y4_data)) plt.xticks(rotation=45) plt.title(f"Excess Return in {industry}") plt.legend() plt.show()这样可以确保左侧和右侧y轴的0点在同一水平线上,并且与x轴相交。你可以尝试运行这段代码,查看结果是否符合你的要求。
- User
但是这样的话 比例尺也跟着对齐了 这会出现一个问题。 如果y4的数据特别大 那么折线图的弯折就基本看不出来了。 理想的图形是左右y轴有各自的比例尺 但是0轴水平对齐。
- Assistant
明白了,你希望保持各个轴的比例尺不变,同时确保左右y轴的0点水平对齐。你可以通过调整坐标轴刻度来实现这一目标。具体来说,你可以首先获取左侧和右侧y轴数据的最小值和最大值,然后根据这些最值设置左右y轴的刻度范围,使得0点对齐,同时保持比例尺不变。下面是更新后的代码:
# 创建一个图形和坐标轴 plt.figure(figsize=(12, 9)) fig, ax = plt.subplots() # 绘制折线图 ax.plot(x_data, y1_data, color='blue', marker='o', label='excess_return_compound') ax.plot(x_data, y2_data, color='red', marker='o', label='allocation_effect_compound') ax.plot(x_data, y3_data, color='black', marker='o', label='selection_effect_compoundt') ax.set_xlabel('TRADEDATE') ax.set_ylabel('Excess Return') # 绘制柱形图 ax2 = ax.twinx() ax2.bar(x_data, y4_data, color='purple', alpha=0.5, label='Weight Diff') ax2.set_ylabel('Weight Diff') # 获取左侧和右侧y轴数据的最小值和最大值 y1_min = min(y1_data) y1_max = max(y1_data) y2_min = min(y2_data) y2_max = max(y2_data) y3_min = min(y3_data) y3_max = max(y3_data) y4_min = min(y4_data) y4_max = max(y4_data) # 设置左侧y轴刻度范围,保持比例尺不变 ax.set_ylim(y1_min, y1_max) ax2.set_ylim(y4_min, y4_max) plt.xticks(rotation=45) plt.title(f"Excess Return in {industry}") plt.legend() plt.show()这段代码将保持各个轴的比例尺不变,同时确保左右y轴的0点水平对齐。你可以尝试运行这段代码,看看是否满足你的要求。
- User
看起来就不对 左侧的折线有y1 y2 y3三组数据 而你的ylim却设置为(y1_min, y1_max)。而就算两边准确框定了数据的最大最小值 也依然没有办法保证左右y轴的0点水平对齐。你想一下 即便你不加这些代码 默认的数据图 也会根据数据的极大极小值做自适应调整的 不是吗?
- Assistant
非常抱歉给你带来了困惑。你是正确的,使用
set_ylim来设置左右y轴的刻度会导致比例尺发生变化,无法满足你对于0点水平对齐的要求。默认情况下,Matplotlib会根据数据的极值自动调整坐标轴的范围,保证数据能够合适地显示在图形中。因此,在不添加任何额外代码的情况下,左右y轴的0点水平会自动对齐,而且保持了各个轴的比例尺不变。
如果你在绘制图形时发现左右y轴的0点水平没有对齐,那么可能是数据范围不一致的原因。可以检查一下数据的范围,看看是否存在一组数据的范围比较大导致了不一致的情况。
如果你仍然希望强制调整坐标轴的刻度范围来实现0点水平对齐,可以将左右y轴的刻度范围设置为相同的绝对值的最大值(即左右y轴数据范围的绝对值的最大值),然后使用
set_ylim来设置坐标轴的刻度范围。以下是示例代码:# 获取左侧和右侧y轴数据的绝对值的最大值 y1_abs_max = max(abs(y1_data)) y2_abs_max = max(abs(y2_data)) y3_abs_max = max(abs(y3_data)) y4_abs_max = max(abs(y4_data)) # 设置左右y轴刻度范围,保持0点水平对齐 ax.set_ylim(-y1_abs_max, y1_abs_max) ax2.set_ylim(-y4_abs_max, y4_abs_max)请注意,强制调整刻度范围来实现0点水平对齐可能会扭曲数据的可视化效果,因为比例尺不再保持一致。所以尽量根据具体情况,并根据美观和有效传达信息的需要,权衡是否采用此方法。
- User
不是这样的。比如我现在的图 y1数据是从-25%到+15% 而右轴的y4是从-4%到8%,默认的图X轴左侧交于0 而右侧交于-2%。这让人感觉很别扭。
- Assistant
非常抱歉对你的问题理解有误。现在我完全明白你的需求,并为此提供更准确的解决方案。
要实现左右y轴的0点水平对齐,同时保持各个轴的比例尺不变,可以通过以下步骤来实现:
- 首先,找到左侧y轴数据中的最小值和最大值,记为y1_min和y1_max。
- 然后,找到右侧y轴数据中的最小值和最大值,记为y4_min和y4_max。
- 计算左右y轴数据范围的绝对值的最大值,记为ymax。
- 设置左侧y轴的刻度范围为[-ymax, ymax],并设置右侧y轴的刻度范围为[ymax * (y4_min / y1_min), ymax * (y4_max / y1_max)]。
- 绘制图形并显示。
以下是更新后的代码示例:
# 找到左侧y轴数据的最小值和最大值 y1_min = min(y1_data) y1_max = max(y1_data) # 找到右侧y轴数据的最小值和最大值 y4_min = min(y4_data) y4_max = max(y4_data) # 计算左右y轴数据范围的绝对值的最大值 ymax = max(abs(y1_min), abs(y1_max), abs(y4_min), abs(y4_max)) # 设置左侧y轴的刻度范围为[-ymax, ymax] ax.set_ylim(-ymax, ymax) # 设置右侧y轴的刻度范围为[ymax * (y4_min / y1_min), ymax * (y4_max / y1_max)] ax2.set_ylim(ymax * (y4_min / y1_min), ymax * (y4_max / y1_max)) plt.xticks(rotation=45) plt.title(f"Excess Return in {industry}") plt.legend() plt.show()请尝试运行更新后的代码,这样可以将左右y轴的0点水平对齐,并保持各个轴的比例尺不变。
- User
y1_min = min(y1_data,y2_data,y3_date) y1_max = max(y1_data,y2_data,y3_date) 如果左轴是3组数据 应该是这样吧?
- Assistant
是的,如果左轴有三组数据,你可以使用
min()和max()函数来同时计算这三组数据的最小值和最大值