在 Matplotlib 教程中，我们将讨论一些可能的图表自定义。 为了开始修改子图，我们必须定义它们。 我们很快会谈论他们，但有两种定义并构造子图的主要方法。 现在，我们只使用其中一个，但我们会很快解释它们。
现在，修改我们的graph_data函数：
- def graph_data(stock):
- fig = plt.figure()
- ax1 = plt.subplot2grid((1,1), (0,0))1234
为了修改图表，我们需要引用它，所以我们将它存储到变量fig。 然后我们将ax1定义为图表上的子图。 我们在这里使用subplot2grid，这是获取子图的两种主要方法之一。 我们将深入讨论这些东西，但现在，你应该看到我们有 2 个元组，它们提供了(1,1)和(0,0)。 1,1表明这是一个 1×1 网格。 然后0,0表明这个子图的『起点』将为0,0。
接下来，通过我们已经编写的代码来获取和解析数据：
- stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv'
- source_code = urllib.request.urlopen(stock_price_url).read().decode()
- stock_data = []
- split_source = source_code.split('\n')
- for line in split_source:
- split_line = line.split(',')
- if len(split_line) == 6:
- if 'values' not in line and 'labels' not in line:
- stock_data.append(line)
- date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
- delimiter=',',
- unpack=True,
- converters={0: bytespdate2num('%Y%m%d')})1234567891011121314
下面，我们这样绘制数据：
- ax1.plot_date(date, closep,'-', label='Price')1
现在，由于我们正在绘制日期，我们可能会发现，如果我们放大，日期会在水平方向上移动。但是，我们可以自定义这些刻度标签，像这样：
- for label in ax1.xaxis.get_ticklabels():
- label.set_rotation(45)12
这将使标签转动到对角线方向。 接下来，我们可以添加一个网格：
- ax1.grid(True)1
然后，其它东西我们保留默认，但我们也可能需要略微调整绘图，因为日期跑到了图表外面。 记不记得我们在第一篇教程中讨论的configure subplots按钮? 我们不仅可以以这种方式配置图表，我们还可以在代码中配置它们，以下是我们设置这些参数的方式：
- plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)1
现在，为了防止我们把你遗留在某个地方，这里是完整的代码：
- import matplotlib.pyplot as plt
- import numpy as np
- import urllib
- import matplotlib.dates as mdates
- def bytespdate2num(fmt, encoding='utf-8'):
- strconverter = mdates.strpdate2num(fmt)
- def bytesconverter(b):
- s = b.decode(encoding)
- return strconverter(s)
- return bytesconverter
- def graph_data(stock):
- fig = plt.figure()
- ax1 = plt.subplot2grid((1,1), (0,0))
- stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10y/csv'
- source_code = urllib.request.urlopen(stock_price_url).read().decode()
- stock_data = []
- split_source = source_code.split('\n')
- for line in split_source:
- split_line = line.split(',')
- if len(split_line) == 6:
- if 'values' not in line and 'labels' not in line:
- stock_data.append(line)
- date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
- delimiter=',',
- unpack=True,
- converters={0: bytespdate2num('%Y%m%d')})
- ax1.plot_date(date, closep,'-', label='Price')
- for label in ax1.xaxis.get_ticklabels():
- label.set_rotation(45)
- ax1.grid(True)#, color='g', linestyle='-', linewidth=5)
- plt.xlabel('Date')
- plt.ylabel('Price')
- plt.title('Interesting Graph\nCheck it out')
- plt.legend()
- plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)
- plt.show()
- graph_data('TSLA')1234567891011121314151617181920212223242526272829303132333435363738394041424344454647
结果为：
