前言

进行观察还是需要用图表表示，这时候叠图就很好用。之前都一张一张画，现在呈现叠图的方式。

本日程序码使用：d12_MarketTransInfo_pic.ipynb

作法

首先：取得资料库资料

这次我们要从StockTransactionInfo取得资料：

# 取得资料库的资料
df = pandas.read_sql("SELECT * FROM StockTransactionInfo WHERE TradeDate >'2021-09-01'", con=conn)
conn.close() # 关闭连线

各自绘图

取得资料後，存在df参数中，然後我们先画出每日加权指数的图和每日的交易金额的图。

首先是加权指数的图，直接把X轴资料使用df["TradeDate"]，Y轴资料使用df["Taiex"]：

# 画图
plt.plot(df["TradeDate"], df["Taiex"],"r")  # (x轴资料, y轴资料, 线的颜色)
plt.title("Taiex", {"fontsize":15})     # 设定图的标题及文字大小

产生的图片就会长这样：

接着是画每日的交易量，X轴资料不变，把Y轴资料改成df["TranscationAmount"]：

# 画图
plt.plot(df["TradeDate"], df["TranscationAmount"],"b")  # (x轴资料, y轴资料, 线的颜色)
plt.title("TranscationAmount", {"fontsize":15})     # 设定图的标题及文字大小

因此会画出：

合并图表

这样做成两张图，虽然很简单，但是很难比较之间的关系，因此就需要合并图表，也就是叠图的概念。

首先要制作子图，也就是使用plt.subplots()，然後把这两个图表都放在这里面，最後画出大图把这两个子图一同呈现。

所以先制作框架：

fig, ax1 = plt.subplots()
plt.title("Taiex point & Amount")
plt.xlabel("date")
ax2 = ax1.twinx()

然後做出第一张表，是用折线图的方式呈现加权指数。其中的线和字都是蓝色的：

ax1.set_ylabel("Taiex", color="blue")
ax1.plot(df["TradeDate"], df["Taiex"], color="blue", alpha=1)
ax1.tick_params(axis="y", labelcolor="blue")

第二张表，是用长条图表示，这样比较清楚辨别两个不同的资料，而这边的资料是用红色呈现，并且有透明度。

ax2.set_ylabel("Amount", color="r")
ax2.bar(df["TradeDate"], df["TranscationAmount"], color="r", alpha=0.5) # alpha: 增加透明度
ax2.tick_params(axis="y", labelcolor="r")

最後再画出来：

fig.tight_layout()
plt.show()

结果就是这样，一目了然：

後记

这边除了让我们更了解数据，也熟悉一下matplotlib的画图功能，因为叠图观察比一张张分开看更容易理解，可以验证我们确认讯号灯的逻辑。