Contents

Static Plots

Static Plots

対象者

  • pandas DataFrame / Series は使ったことがある方

  • plot を使って、静的な描画を簡単に行いたい方

  • そこそこのデータ量を扱いたい方

目次

  • .plot() メソッドのオプションを使う

  • matplotlib を組み合わせて描画する

  • 価格帯別出来高とMarket Depth を 描画する

データ

# warning 非表示
import warnings
warnings.filterwarnings('ignore')

import pandas as pd
pd.__version__

'1.4.2'

データ作成方法

  • botter4visualization/data.py をお使いください

  • cryptochasisが対応している取引所などはこちらで確認してください

  • install するライブラリなどは、requirements.txtで確認してください

  • 今回使ったデータと同じデータを作成するには

    $ python data.py download-execution-files
$ python data.py gz-to-pickle

  • オプションを確認するには

    $ python data.py --help

データ読み込み

  • 約定データを読み込み、５分足のOHLCVに変換します

df_btc_eur =pd.read_pickle("../data/binance_btc-eur.pkl")
df_btc_eur.head()
time_seconds price size is_buyer_maker instrument
datetime
2022-03-19 00:00:00.872000+00:00 1.647648e+09 37859.61 0.00050 0 btc-eur
2022-03-19 00:00:27.573999872+00:00 1.647648e+09 37878.52 0.00060 1 btc-eur
2022-03-19 00:00:27.941999872+00:00 1.647648e+09 37878.71 0.00045 1 btc-eur
2022-03-19 00:00:37.752000+00:00 1.647648e+09 37878.43 0.03969 1 btc-eur
2022-03-19 00:00:47.352000+00:00 1.647648e+09 37892.74 0.00263 0 btc-eur 
df_btc_eur.info()

<class 'pandas.core.frame.DataFrame'>
DatetimeIndex: 1525681 entries, 2022-03-19 00:00:00.872000+00:00 to 2022-03-21 23:59:59.045000192+00:00
Data columns (total 5 columns):
 #   Column          Non-Null Count    Dtype  
---  ------          --------------    -----  
 0   time_seconds    1525681 non-null  float64
 1   price           1525681 non-null  float64
 2   size            1525681 non-null  float64
 3   is_buyer_maker  1525681 non-null  int64  
 4   instrument      1525681 non-null  object 
dtypes: float64(3), int64(1), object(1)
memory usage: 69.8+ MB

# 5分のOHLCVに変換
# 参照: Botterのためのpandas入門 https://botter4pandas.readthedocs.io/ja/latest/resample.html

rule = "5min"
df_ohlc_btc_eur = df_btc_eur["price"].resample(rule, label="right").ohlc()
df_ohlc_btc_eur["volume"] = df_btc_eur["size"].resample(rule, label="right").sum()
df_ohlc_btc_eur.head()
open high low close volume
datetime
2022-03-01 00:05:00+00:00 38500.00 38819.43 38500.00 38735.89 21.38764
2022-03-01 00:10:00+00:00 38736.62 38780.34 38565.49 38750.73 7.26478
2022-03-01 00:15:00+00:00 38755.32 38911.58 38702.27 38709.50 8.15811
2022-03-01 00:20:00+00:00 38717.66 38717.66 38532.55 38609.43 4.03998
2022-03-01 00:25:00+00:00 38613.28 38669.74 38564.50 38625.18 2.87284

plot メソッド

plot() はデフォルトで折れ線グラフを描画

# close を折れ線でグラフで描画
df_ohlc_btc_eur["close"].plot();
_images/static_plots_11_0.png

基本的な描画オプション

罫線や描画サイズなど、オプションで変更できます。

df_ohlc_btc_eur["close"].plot(
    grid=True, # 罫線
    figsize=(20,5),  # 描画サイズ。インチ（横、縦）
    title="Close",  # グラフタイトル
    legend=True,  # 凡例
    rot=45,  # xtick の ローテーション
    fontsize=15, # 文字サイズ
    style={"close": "g--"}, # 色と線の種類,
    );
_images/static_plots_13_0.png

サブプロット

同じ DataFrame にあるデータであれば、 subplots=True オプションでサブプロットできます

import ta

df_ohlc_btc_eur["RSI14"] = ta.momentum.rsi(df_ohlc_btc_eur["close"], window=14)

df_ohlc_btc_eur.tail()
open high low close volume RSI14
datetime
2022-03-28 23:40:00+00:00 43026.45 43044.51 42969.20 43038.99 2.88405 34.685962
2022-03-28 23:45:00+00:00 43052.70 43072.27 43021.37 43034.21 1.07998 34.485364
2022-03-28 23:50:00+00:00 43027.09 43027.09 42930.60 42948.57 1.42620 31.023581
2022-03-28 23:55:00+00:00 42948.57 42953.04 42656.89 42794.68 19.00424 25.977242
2022-03-29 00:00:00+00:00 42787.28 42943.00 42766.83 42893.96 5.58367 33.493235 
df_ohlc_btc_eur[["close", "RSI14"]].plot(
    grid=True,
    figsize=(20, 5),
    title="Close & RSI",
    legend=True,
    subplots=True,
    layout=(2, 1),  # レイアウト（行,列）
);
_images/static_plots_17_0.png

第二軸

secondary_y= オプションで、右側にｙの第二軸を取ることができます

df_ohlc_btc_eur[["close", "volume"]].plot(
    grid=True,
    figsize=(20, 5),
    secondary_y="volume",
);
_images/static_plots_19_0.png

bar について

  • bar は描画に時間がかかります。

  • 代わりに area を使うのが1つの方法かと思います。

# df_ohlc_btc_eur["volume"].head(100).plot(kind="bar", use_index = False, figsize=(20,5) );
df_ohlc_btc_eur["volume"].plot(kind="area", figsize=(20, 5));
_images/static_plots_21_0.png

日本語豆腐問題

df_ohlc_btc_eur["close"].plot(
    grid=True,
    figsize=(20, 5),
    title="終値",
    legend=True,
    rot=45,
    fontsize=15,
    xlabel="時間",
    ylabel="価格",
);
_images/static_plots_23_0.png 
import japanize_matplotlib

df_ohlc_btc_eur["close"].plot(
    grid=True,
    figsize=(20, 5),
    title="終値",
    legend=True,
    rot=45,
    fontsize=15,
    xlabel="時間",
    ylabel="価格",
);
_images/static_plots_24_0.png

matplotlib と組み合わせて描画する

  • .plot() だけでは表現できない時は matplotloib を使います

  • 例：価格変化を曜日ごとにサブプロットで描画したい

matplotlib でサブプロットする手順

  1. matplotlib で サブプロット作成

    • add_subplot

    • subplots

  2. .plot() の ax= オプションに axes オブジェクトを渡す

add_subplot

import matplotlib.pyplot as plt 
fig = plt.figure()
fig.add_subplot(総行数,総列数,サブプロット番号)

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(20, 5))

for i in range(1, 6):
    ax = fig.add_subplot(2, 3, i)  # ２行, ３列, i番
    pd.Series([i] * 10).plot(ax=ax, title=i, marker="x")
_images/static_plots_28_0.png

subplots

import matplotlib.pyplot as plt
fig, axes = plt.subplots(総行数, 総列数)

import matplotlib.pyplot as plt
fig, axes = plt.subplots(2, 3, figsize=(20, 5))

pd.Series([1]*10).plot(ax=axes[0,0], title="[0,0]")
pd.Series([5]*10).plot(ax=axes[1,2], title="[1,2]");
_images/static_plots_30_0.png

曜日ごとに分けてヒストグラムを描画

  • df.plot(subplots=True) は複数データが全く同じIndexを持つ場合は使用出来ますが、groupby などで分割したデータには使用出来ません。

  • その場合は matolotlib の subplots などを使う必要があります

# 曜日を追加 (dayofweek (Monday=0, Sunday=6) でも可)
df_ohlc_btc_eur["day_name"] = df_ohlc_btc_eur.index.day_name()  

# ５分毎の価格変化を追加
df_ohlc_btc_eur["price_change"] = df_ohlc_btc_eur["close"].pct_change()
df_ohlc_btc_eur.tail()
open high low close volume RSI14 day_name price_change
datetime
2022-03-28 23:40:00+00:00 43026.45 43044.51 42969.20 43038.99 2.88405 34.685962 Monday -0.000097
2022-03-28 23:45:00+00:00 43052.70 43072.27 43021.37 43034.21 1.07998 34.485364 Monday -0.000111
2022-03-28 23:50:00+00:00 43027.09 43027.09 42930.60 42948.57 1.42620 31.023581 Monday -0.001990
2022-03-28 23:55:00+00:00 42948.57 42953.04 42656.89 42794.68 19.00424 25.977242 Monday -0.003583
2022-03-29 00:00:00+00:00 42787.28 42943.00 42766.83 42893.96 5.58367 33.493235 Tuesday 0.002320 
df_ohlc_btc_eur["price_change"].plot(kind="hist", bins=100, grid=True);
_images/static_plots_33_0.png 
# 参照: Botterのためのpandas入門 https://botter4pandas.readthedocs.io/ja/latest/resample.html

df_ohlc_btc_eur.groupby("day_name")["price_change"].plot(
    kind="hist",
    bins=50,
    grid=True,
    legend=True,
    figsize=(20, 5),
    alpha=0.5,
);
_images/static_plots_34_0.png 
import matplotlib.pyplot as plt

fig = plt.figure(figsize=(20, 5))

i = 1
for name, s in list(df_ohlc_btc_eur.groupby("day_name")["price_change"]):
    ax = fig.add_subplot(2, 4, i)
    s.plot(
        kind="hist",
        ax=ax,
        title=name,
        xlim=(-0.015, 0.015),
        ylim=(0, 400),
        sharex=True,
        sharey=True,
        grid=True,
        bins=50,
        rot=45,
    )
    i += 1
_images/static_plots_35_0.png 
daynames = [
    "Monday",
    "Tuesday",
    "Wednesday",
    "Thursday",
    "Friday",
    "Saturday",
    "Sunday",
]

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(20, 5))

i = 1
grp = df_ohlc_btc_eur.groupby("day_name")["price_change"]
for name in daynames:
    s = grp.get_group(name)
    ax = fig.add_subplot(2, 4, i)
    s.plot(
        kind="hist",
        ax=ax,
        title=name,
        xlim=(-0.015, 0.015),
        ylim=(0, 400),
        sharex=True,
        sharey=True,
        grid=True,
        bins=50,
        rot=45,
    )
    i += 1
_images/static_plots_36_0.png

価格帯別出来高

  • 頂いたアンケートで、価格帯別出来高と market depth の描画についてのご質問が多かったので、この2つを .plot と matplotlib で描画する方法を紹介

  • ただ、ここで紹介する方法よりも、plotly を使ったほうが楽です。

# 15分OHLCVを作成
df_15min = df_btc_eur["price"].resample("15min", label="right").ohlc()
df_15min["volume"] = df_btc_eur["size"].resample("15min", label="right").sum()

# pandas.cut https://pandas.pydata.org/docs/reference/api/pandas.cut.html
df_15min["pricecut"] = pd.cut(
    df_15min["close"],
    30,
).apply(lambda x: x.left)
s_vol_by_price = df_15min.groupby("pricecut")["volume"].sum()

pd.cut(df_15min["close"],30,).head()

datetime
2022-03-01 00:15:00+00:00    (38506.104, 38821.835]
2022-03-01 00:30:00+00:00    (38506.104, 38821.835]
2022-03-01 00:45:00+00:00    (38821.835, 39137.565]
2022-03-01 01:00:00+00:00    (38821.835, 39137.565]
2022-03-01 01:15:00+00:00    (38506.104, 38821.835]
Freq: 15T, Name: close, dtype: category
Categories (30, interval[float64, right]): [(34392.138, 34717.34] < (34717.34, 35033.071] < (35033.071, 35348.801] < (35348.801, 35664.531] ... (42610.599, 42926.329] < (42926.329, 43242.059] < (43242.059, 43557.79] < (43557.79, 43873.52]]

df_15min.head()
open high low close volume pricecut
datetime
2022-03-01 00:15:00+00:00 38500.00 38911.58 38500.00 38709.50 36.81053 38506.104
2022-03-01 00:30:00+00:00 38717.66 38737.22 38532.55 38699.72 8.61861 38506.104
2022-03-01 00:45:00+00:00 38708.79 38855.14 38660.00 38832.02 12.49577 38821.835
2022-03-01 01:00:00+00:00 38841.55 39014.56 38687.39 38882.82 22.28080 38821.835
2022-03-01 01:15:00+00:00 38883.49 38932.19 38616.54 38635.33 9.86671 38506.104 
s_vol_by_price.head()

pricecut
34392.138     435.63711
34717.34     1412.83708
35033.071    2183.13348
35348.801    5886.14376
35664.531    4763.29875
Name: volume, dtype: float64

import matplotlib.pyplot as plt

fig, axes = plt.subplots(
    1, 2, figsize=(20, 5), constrained_layout=True
)  # constrained_layout: サブプロット同士をいい感じで描画

df_15min["close"].plot(ax=axes[0], yticks=s_vol_by_price.index, grid=True)
s_vol_by_price.plot(kind="barh", ax=axes[1], sharey=True, grid=True);
_images/static_plots_42_0.png

Market Depth

import asyncio
import nest_asyncio
import pandas as pd
import plotly.graph_objects as go
import pybotters
from IPython.display import HTML

nest_asyncio.apply()

async def get_trades(market_name):
    async with pybotters.Client(
        apis={"ftx": ["", ""]}, base_url="https://ftx.com/api"
    ) as client:
        res = await client.get(
            f"/markets/{market_name}/orderbook",
            params={"depth": 50,},
        )
        return await res.json()

# 取得したデータを確認
data = asyncio.run(get_trades("BTC-PERP"))

df_bid = pd.DataFrame(data["result"]["bids"], columns=["price", "size"])
df_ask = pd.DataFrame(data["result"]["asks"], columns=["price", "size"])

df_bid.head()
price size
0 38446.0 13.0032
1 38445.0 3.4243
2 38444.0 3.4657
3 38443.0 21.5015
4 38442.0 1.7437 
import matplotlib.pyplot as plt

fig, axes = plt.subplots(2, 2, figsize=(20, 5), constrained_layout=True)

df_bid["size"][::-1].plot(kind="bar", ax=axes[0, 0], color="m", sharex=axes[1, 0])
df_bid["size"].cumsum()[::-1].plot(kind="bar", ax=axes[1, 0], color="m", rot=45)
axes[1, 0].set_xticklabels(df_bid["price"][::-1])


df_ask["size"].plot(kind="bar", ax=axes[0, 1], sharex=axes[1, 1], sharey=[0, 0])
df_ask["size"].cumsum().plot(kind="bar", ax=axes[1, 1], rot=45)
axes[1, 1].set_xticklabels(df_ask["price"]);
_images/static_plots_49_0.png

テーマ変更

matplotlibのstyleを変える - Qiita https://qiita.com/eriksoon/items/b93030ba4dc686ecfbba

Style sheets reference — Matplotlib 3.5.1 documentation

plt.style.use("bmh")

previous

Botterのためのデータ可視化入門

next

Plotly Express