Python如何实现不同市场分区下各行业的股票分布可视化
Plotly 股票市场板块Treemap可视化正确实现
之前代码的核心问题
- 统计口径完全失真:直接对包含多日逐行行情的原始df分组计数,得到的是行情记录的总条数,而非不同股票的数量——同一支股票的多个交易日会被重复统计,计算出的规模和实际股票数偏差极大。
- 数据结构不兼容:
groupby(['Market Division','Sector']).count()返回的是双层索引的聚合表,ticker仅作为聚合计数的普通列存在,并不属于层级字段,将其加入path参数会导致层级断裂,无法正常解析渲染。 - 取值逻辑错误:用聚合后的ticker列作为
values参数,本质是拿每个组的行情行数当面积值,和“统计股票数量”的目标完全无关。
正确实现步骤
核心逻辑:由于每支股票所属的市场板块、行业是固定的,首先要从逐行行情数据中提取去重后的股票维度元数据,再基于股票数量做分层可视化。
完整可运行代码
import plotly.express as px import pandas as pd # 第一步:提取每支股票对应的唯一分类,剔除重复的交易日行 ticker_meta = df[['ticker', 'Sector', 'Market Division']].drop_duplicates() # 第二步:为每支股票新增计数列,单支股票计为1,用于计算分层面积 ticker_meta['count'] = 1 # 第三步:新增统一根节点列,实现单根的层级树形结构 ticker_meta['Root'] = '全部上市股票' # 绘制Treemap fig = px.treemap( ticker_meta, path=['Root', 'Market Division', 'Sector', 'ticker'], values='count', color='Market Division', hover_data={'count': False, 'Root': False} ) # 可选优化:在每个矩形块上直接标注分类和对应的股票数量,无需悬浮查看 fig.update_traces(textinfo="label+value") fig.show()
可视化效果说明
- 一级子块的面积直接对应不同Market Division的总股票数量,矩形越大代表板块内股票数越多,可直观对比规模差异。
- 每个Market Division的块内部会按所属Sector拆分为子块,清晰展示板块内的行业构成。
- 最内层的块对应具体股票,逐层下钻即可看到每个行业下包含的标的。
基于你给出的示例数据,最终渲染结果中Mothers板块的面积是JASDAQ Standard的2倍,对应2支股票 vs 1支股票的规模差,分层拆分后Mothers板块下包含Communications、Real Estate两个行业,JASDAQ Standard板块下包含Pharmaceuticals行业。
内容的提问来源于stack exchange,提问作者K saman
相关产品推荐
相关产品推荐

