Matplotlib添加第二个累积收益曲线时压扁第一个收盘价曲线如何解决

• 两个曲线的数值量级差异过大：你计算的return是相邻时间段收盘价的比值，正常在1附近波动，但是return_cum是该比值的累计和，随数据行数增加会持续累加，数值会远大于1，乘以收盘价后得到的test数值量级会比原始close高几十到上百倍。
• Matplotlib默认会自动适配y轴范围到所有序列的最大最小值，所以y轴被量级大的test序列占满，数值小的close波动就会被压缩到接近一条直线，就是你看到的“压扁”效果。

你可以根据自己的分析需求选择以下任意一种方案：

方案1：使用双Y轴（推荐，保留原始数值） #

两个曲线分别绑定左右两个独立的Y轴，互不影响数值量级适配：

import pandas as pd
import matplotlib.pyplot as plt

dfin = pd.read_csv(inputfilename, sep=";", encoding='ISO-8859-1')
# create a return column
dfin['return'] = dfin['close'].shift(9) / dfin['close'].shift(12)
# create a cumulative sum column
dfin['return_cum'] = dfin['return'].cumsum()

close = dfin.iloc[:-1]['close']
test = dfin.iloc[:-1]['close'] * dfin.iloc[:-1]['return_cum']

fig, ax1 = plt.subplots(figsize=(20, 10))
# 左侧Y轴绘制收盘价
ax1.plot(close, color='black', label='收盘价')
ax1.set_ylabel('收盘价', color='black')
ax1.tick_params(axis='y', labelcolor='black')

# 右侧Y轴绘制累计收益指标
ax2 = ax1.twinx()
ax2.plot(test, color='blue', label='累计收益相关指标')
ax2.set_ylabel('累计收益指标', color='blue')
ax2.tick_params(axis='y', labelcolor='blue')

# 合并显示图例
fig.legend(loc="upper right", bbox_to_anchor=(1,1), bbox_transform=ax1.transAxes)
plt.show()
plt.close()

方案2：数据归一化（适合对比趋势） #

将两个序列都缩放到相同的基准区间，就可以在同一个Y轴展示：

close = dfin.iloc[:-1]['close']
test = dfin.iloc[:-1]['close'] * dfin.iloc[:-1]['return_cum']

# 以序列第一个有效值为基准做归一化，统一缩放到1为起点
close_norm = close / close.dropna().iloc[0]
test_norm = test / test.dropna().iloc[0]

fig, axs = plt.subplots(figsize=(20, 10))
axs.plot(close_norm, color='black', label='收盘价（归一化）')
axs.plot(test_norm, color='blue', label='累计收益指标（归一化）')
axs.legend()
plt.show()
plt.close()

方案3：修正累计收益计算逻辑（优先检查） #

常规的累计收益计算不是对比值做cumsum，如果是计算逻辑错误导致数值量级异常，可以先修正计算逻辑，修正后test的量级和close接近，就可以直接同轴绘制：

# 修正为复利累计收益，数值始终在1附近波动
dfin['return_cum'] = dfin['return'].cumprod()
# 或者修正为简单累计收益率
# dfin['return_cum'] = 1 + (dfin['return'] - 1).cumsum()

test = dfin.iloc[:-1]['close'] * dfin.iloc[:-1]['return_cum']
# 后续绘图逻辑和初始代码一致即可

内容的提问来源于stack exchange，提问作者John Bailey