如何摆脱相对频率图后出现的垂直线？ （Python 3.5）

Question

我正在尝试构建一个相对频率图，用于我获得的某些资产（特别是股票）的对数回报，其中我使用plt.yscale（'log'）在y轴上使用了log10比例。 但是，我获得了一些垂直线条，这些线条在我的图形的某些点上明显倾向于无限，我在Python上构建如下所示：

这显然不应该发生。 相反，它应该看起来像这个图：

这显然与我的相似，不同之处在于它不包括这些点上的垂直线。 我的代码如下：

plt.figure(1)
plt.figure(figsize=(9,7))
hist1, bins1 = np.histogram(returns_assetA_daily_mat, bins=20)
hist2, bins2 = np.histogram(returns_assetA_weekly_mat, bins=20)
hist3, bins3 = np.histogram(returns_assetA_monthly_mat, bins=20)
hist1 = hist1/len(returns_assetA_daily_mat)
hist2 = hist2/len(returns_assetA_weekly_mat)
hist3 = hist3/len(returns_assetA_monthly_mat)
bins1 = 0.5 * (bins1[1:] + bins1[:-1])
bins2 = 0.5 * (bins2[1:] + bins2[:-1])
bins3 = 0.5 * (bins3[1:] + bins3[:-1])
plt.plot(bins1, hist1, bins2, hist2, bins3, hist3)
plt.yscale('log')
plt.xlabel('Log-Returns')
plt.ylabel('Relative Frequency')
plt.title('Original for Asset A')
plt.show()

知道这一点非常有用

returns_assetA_daily_mat, returns_assetA_weekly_mat, returns_assetA_monthly_mat

只是行数组，其中包含负值，正值和零的资产的每日，每周和每月对数回报的值，所以也许因为我在y轴上做log10比例，负值或零可以是潜在问题的原因，因为很明显，当x趋于零时，对数将倾向于减去无穷大？ 也许问题出在我的代码结构中？ 如果没有解决这个问题的方法，我有什么方法可以将那些包含垂直线的点隔离到负无穷大，这样它们看起来就像是孤立的点？ 我是一名Python新手，目前正在学习它作为我计算金融硕士学位的一部分，所以任何形式的帮助都将受到高度赞赏！ 非常感谢提前！

Answer 1

在Matplotlib中，在绘图中以视觉方式“移除”点的一种方法是将受影响的点设置为numpy.nan 。 这样做的结果是numpy.nan之前和之后的numpy.nan将显示出我认为你所追求的差距。

因此，对于您的数组，找到任何负数或0的值，并在绘图之前将它们设置为numpy.nan 。 因为您正在计算直方图，所以这些应该永远不会产生负值，因此您实际上只是检查等于0的二进制数。

您需要确保的一件事是将数组的类型更改为float 。 numpy.nan仅适用于浮点数组。

如果您还想绘制每个图形以添加图例，只需通过调用matplotlib.pyplot.plot三次，在同一图上一次绘制一个数组，然后添加您的图例，然后显示图：

plt.figure(1)
plt.figure(figsize=(9,7))
hist1, bins1 = np.histogram(returns_assetA_daily_mat, bins=20)
hist2, bins2 = np.histogram(returns_assetA_weekly_mat, bins=20)
hist3, bins3 = np.histogram(returns_assetA_monthly_mat, bins=20)
hist1 = hist1/len(returns_assetA_daily_mat)
hist2 = hist2/len(returns_assetA_weekly_mat)
hist3 = hist3/len(returns_assetA_monthly_mat)
bins1 = 0.5 * (bins1[1:] + bins1[:-1])
bins2 = 0.5 * (bins2[1:] + bins2[:-1])
bins3 = 0.5 * (bins3[1:] + bins3[:-1])

# New code
hist1_new = hist1.astype(np.float)
hist2_new = hist2.astype(np.float)
hist3_new = hist3.astype(np.float)
hist1_new[hist1 <= 0] = np.nan
hist2_new[hist2 <= 0] = np.nan
hist3_new[hist3 <= 0] = np.nan

# New - Plot the three graphs separately for making the legend
# Also plot the NaN versions
plt.plot(bins1, hist1_new, label='Daily')
plt.plot(bins2, hist2_new, label='Weekly')
plt.plot(bins3, hist3_new, label='Monthly')

plt.yscale('log')
plt.xlabel('Log-Returns')
plt.ylabel('Relative Frequency')
plt.title('Original for Asset A')
plt.legend() # Added for the legend
plt.show()

---

我没有您的数据，但我可以向您展示这个工作的玩具示例：

# Import relevant packages
import numpy as np
import matplotlib.pyplot as plt

# Create array from 0 to 8 for the horizontal axis
x = np.arange(9)

# Create test array with some zero, positive and negative values
y = np.array([1, 2, 3, 0, -1, -2, 1, 2, -1])

# Create a figure with two graphs in one row
plt.subplot(1, 2, 1)

# Graph the data normally
plt.plot(x, y)

# Visually remove those points that are zero or negative
y2 = y.astype(np.float)
y2[y2 <= 0] = np.nan

# Plot these points now
plt.subplot(1, 2, 2)
plt.plot(x, y2)

# Adjust the x and y limits (see further discussion below)
plt.xlim(0, 8)
plt.ylim(-1, 3)

# Show the figure
plt.show()

请注意，第二个绘图我强制x和y限制与第一个绘图相同，因为我们在视觉上删除了点，因此轴将自动调整。 我们得到：