python横坐标日期
1. python量化教程：不得不学的K线图“代码复制可用”
不管是对量化分析师还是普通的投资者来说，K线图（蜡烛图）都是一种很经典、很重要的工具。在K线图中，它会绘制每天的最高价、最低价、开盘价和收盘价，这对于我们理解股票的趋势以及每天的多空对比很有帮助。
一般来说，我们会从各大券商平台获取K线图，但是这种情况下获得的K线图往往不能灵活调整，也不能适应复杂多变的生产需求。因此我们有必要学习一下如何使用Python绘制K线图。
需要说明的是，这里mpl_finance是原来的matplotlib.finance，但是现在独立出来了（而且好像没什么人维护更新了），我们将会使用它提供的方法来绘制K线图；tushare是用来在线获取股票数据的库；matplotlib.ticker中有个FuncFormatter()方法可以帮助我们调整坐标轴；matplotlib.pylab.date2num可以帮助我们将日期数据进行必要的转化。
我们以上证综指18年9月份以来的行情为例。
我们先使用mpl_finance绘制一下，看看是否一切正常。
可以看到，所有的节假日包括周末，在这里都会显示为空白，这对于我们图形的连续性非常不友好，因此我们要解决掉他们。
可以看到，空白问题完美解决，这里我们解释一下。由于matplotlib会将日期数据理解为 连续数据 ，而连续数据之间的间距是有意义的，所以非交易日即使没有数据，在坐标轴上还是会体现出来。连续多少个非交易日，在坐标轴上就对应了多少个小格子，但这些小格子上方并没有相应的蜡烛图。
明白了它的原理，我们就可以对症下药了。我们可以给横坐标（日期）传入连续的、固定间距的数据，先保证K线图的绘制是连续的；然后生成一个保存有正确日期数据的列表，接下来，我们根据坐标轴上的数据去取对应的正确的日期，并替换为坐标轴上的标签即可。
上边format_date函数就是这个作用。由于前边我们给dates列生成了从0开始的序列连续数据，因此我们可以直接把它当作索引，从真正的日期列表里去取对应的数据。在这里我们要使用matplotlib.ticker.FuncFormattter()方法，它允许我们指定一个格式化坐标轴标签的函数，在这个函数里，我们需要接受坐标轴的值以及位置，并返回自定义的标签。
你学会了吗？
当然，一个完整的K线图到这里并没有结束，后边我们会考虑加入均线、成交量等元素，感兴趣的同学欢迎关注哦！
2. python中使用plt.bar画出的图横坐标是1-10的，我如何画出2,4,6,8这样空两个的横坐标
最简单的柱状代码应该是这样的
# coding: utf-8
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randint(0, 10, size=10)
y = np.random.randint(100, 1000, size=10)
plt.bar(x, y)
plt.show()
3. 怎样用python画一个以时间为横坐标的图
1. 前言
当日期数据作为图表的坐标轴时通常需要特殊处理，应为日期字符串比较长，容易产生重叠现象
2. 设定主/次刻度
2.1 引用库
from matplotlib.dates import DateFormatter, WeekdayLocator, DayLocator, MONDAY,YEARLY1
2.2 获取每月/周/日数据
获取每月一日数据
monthdays = MonthLocator()1
获取每周一的日期数据
mondays = WeekdayLocator(MONDAY) # 主要刻度12
获取每日数据
alldays = DayLocator() # 次要刻度12
2.3 设定主/次刻度
ax.xaxis.set_major_locator(mondays)
ax.xaxis.set_minor_locator(alldays)12
2.4 设定格式
mondayFormatter = DateFormatter('%Y-%m-%d') # 如：2-29-2015
dayFormatter = DateFormatter('%d') # 如：12
ax.xaxis.set_major_formatter(mondayFormatter)1234
3. 字符串旋转
for label in ax1.get_xticklabels(): label.set_rotation(30) label.set_horizontalalignment('right')123
4. 效果
4. Python的 matplotlib画图，怎么把子图的每个横坐标显示出来
ax = subplots(nrows,ncols,sharex,sharey,squeeze,subplot_kw,gridspec_kw,**fig_kw)
创建画布和子图。
nrows和ncols表示将画布分割成几行几列 ，
sharex和sharey表是共用xy轴的设置。
squeeze bool
a.默认参数为True：额外的维度从返回的Axes(轴)对象中挤出，对于N*1或1*N个子图，返回一个1维数组，对于N*M，N>1和M>1返回一个2维数组。
b.为False，不进行挤压操作：返回一个元素为Axes实例的2维数组，即使它最终是1x1。
subplot_kw:字典类型，可选参数。把字典的关键字传递给add_subplot()来创建每个子图。
subplot_kw:字典类型，可选参数。把字典的关键字传递给add_subplot()来创建每个子图。
gridspec_kw:字典类型，可选参数。把字典的关键字传递给GridSpec构造函数创建子图放在网格里(grid)。
**fig_kw：把所有详细的关键字参数传给figure()函数。
可见你没有办法单独设置某个子图的ax的。
5. python3 折线图上如何显示特殊数据
# encoding=utf-8
import matplotlib.pyplot as plt
# 月份
x1 = ['2017-01', '2017-02', '2017-03', '2017-04', '2017-05', '2017-06', '2017-07', '2017-08',
'2017-09', '2017-10', '2017-11', '2017-12']
# 体重
y1 = [86, 85, 84, 80, 75, 70, 70, 74, 78, 70, 74, 80]
# 设置画布大小
plt.figure(figsize=(16, 4))
# 标题
plt.title("my weight")
# 数据
plt.plot(x1, y1, label='weight changes', linewidth=3, color='r', marker='o',
markerfacecolor='blue', markersize=20)
# 横坐标描述
plt.xlabel('month')
# 纵坐标描述
plt.ylabel('weight')
# 设置数字标签
for a, b in zip(x1, y1):
plt.text(a, b, b, ha='center', va='bottom', fontsize=20)
plt.legend()
plt.show()