如何绘制多只股票pct_change并保留ticker_symbol名称

问题根源 #

你把ticker_symbol从字符串（object）类型转为float类型后，丢失了股票代码的分类标识意义，导致绘图时无法区分不同股票，自然无法显示股票名称。核心是要恢复ticker_symbol的字符串类型，并基于它对数据分组处理。

具体解决步骤 #

1. 恢复ticker_symbol为字符串类型
   先修正数据类型，若之前转float导致出现.0后缀或nan字符串，需一并处理：

   # 假设原始数据集名为df
   df['ticker_symbol'] = df['ticker_symbol'].astype(str)
   # 移除float转字符串后产生的.0后缀
   df['ticker_symbol'] = df['ticker_symbol'].str.replace('\.0$', '', regex=True)
   # 过滤掉无效的nan行（如果存在）
   df = df[df['ticker_symbol'] != 'nan']
   

2. 计算分组涨跌幅并绘图
   有两种常用方式实现带股票名称的绘图：

   方式一：转宽格式后用pandas原生绘图

   按股票代码分组计算涨跌幅，再将数据转为宽格式（每列对应一只股票），绘图时自动生成带股票名称的图例：

   import matplotlib.pyplot as plt
   
   # 按股票分组计算close_value的百分比变化
   returns = df.groupby('ticker_symbol')['close_value'].pct_change()
   # 转换为宽格式DataFrame
   returns_wide = returns.unstack()
   
   # 绘制折线图
   returns_wide.plot(figsize=(12, 6))
   plt.title('主流股票每日涨跌幅')
   plt.ylabel('百分比变化')
   plt.xlabel('日期')
   plt.legend(title='股票代码')
   plt.show()
   

   方式二：用Seaborn按股票分类绘图

   直接在原数据集添加涨跌幅列，通过hue参数指定股票代码作为分类标识：

   import seaborn as sns
   import matplotlib.pyplot as plt
   
   # 给原数据集添加每日涨跌幅列
   df['daily_return'] = df.groupby('ticker_symbol')['close_value'].pct_change()
   
   # 绘制多股票涨跌幅折线图
   plt.figure(figsize=(12, 6))
   sns.lineplot(data=df, x='date', y='daily_return', hue='ticker_symbol')
   plt.title('主流股票每日涨跌幅')
   plt.ylabel('百分比变化')
   plt.xlabel('日期')
   plt.legend(title='股票代码')
   plt.show()
   

关键注意点 #

• 确保ticker_symbol列中每个值都是有效的股票代码字符串，无缺失或无效值，否则分组会出错。
• 不要随意将分类字符串转为数值类型，会丢失其作为标识的核心作用。

内容的提问来源于stack exchange，提问作者Michael W