Python 量化数据可视化

Python 量化数据可视化主要使用 Matplotlib 和 Seaborn 两个库。

安装可以在终端或命令提示符中运行：

pip install matplotlib seaborn

Matplotlib 的系统用法可以参考：Matplotlib 教程。

本篇重点介绍 Seaborn 在量化数据分析中的应用。

Seaborn 库

Seaborn 是一个基于 Matplotlib 的数据可视化库，专注于统计图形的绘制。

它在 Matplotlib 之上提供了更高层次的接口和更美观的默认主题，用更少的代码画出更好看的统计图表。

快速绘制统计图形

Seaborn 内置了一批经典数据集，配合内置绘图函数，一行代码就能画出统计图形：

函数名即图形类型：scatterplot 散点图、lineplot 折线图、barplot 柱状图、histplot 直方图，对初学者非常友好。

主题与样式

Seaborn 提供内置主题，一行代码改变图表外观：

分类数据的可视化

对于带分类维度的数据，Seaborn 可以轻松创建分组柱状图、箱线图等：

矩阵数据的可视化

Seaborn 提供专门可视化矩阵数据的函数，最常用的是热力图（heatmap），量化中常用来展示相关性矩阵：

分面绘图

分面绘图可以根据数据的子集创建多个小图，全面展示数据在不同维度下的表现：

量化实例：股价走势图

进入量化场景，结合 yfinance 获取贵州茅台（600519.SS）的股票数据，然后用 Seaborn 绘制收盘价走势图：

执行以上代码，输出结果为：

相比直接用 Matplotlib，Seaborn 的默认配色与网格让图表质感明显更好，且代码量几乎相同。

量化实例：多股票相关性热力图

相关性分析是组合研究的起点：如果两只股票涨跌高度同步，同时持有它们起不到分散风险的作用。

下面的实例计算白酒板块三只龙头股（贵州茅台、五粮液、泸州老窖）日收益率之间的相关性，并用热力图展示：

先看输出的相关性矩阵：

Ticker     000568.SZ  000858.SZ  600519.SS
Ticker
000568.SZ      1.000      0.842      0.773
000858.SZ      0.842      1.000      0.770
600519.SS      0.773      0.770      1.000

三只股票两两相关性在 0.77 到 0.84 之间，属于高度相关。

这说明同行业股票往往同涨同跌，构建投资组合时应避免资金过度集中在单一行业，否则"分散"只是形式上的。

执行代码后还会弹出热力图，效果如下图所示（颜色越红代表相关性越强）：

注意：vmin=-1, vmax=1 把色条范围固定在相关性的理论区间，让不同图表之间可以直接对比；不加这个参数时，色条范围会随数据自动伸缩。

选型建议

Matplotlib 和 Seaborn 不是二选一的关系，实践中通常配合使用：