用python绘制三支股票数据集的决策树模型图

要在Python中使用决策树绘制股票数据集，你需要先安装必要的库，如`pandas`, `matplotlib`, `sklearn`（用于构建决策树模型）以及可能需要的`graphviz`（用于可视化）。以下是一些步骤和代码示例：

1. **数据准备**：
假设你已经有了三个股票的数据集（每个数据集中有特征和标签），比如收盘价、交易量等。你可以使用`pandas`加载数据。

import pandas as pd

# 假设df1, df2, df3是三个股票数据集

2. **数据预处理**：
清洗和转换数据，将数据分为特征（X）和目标变量（y）。例如，我们可以选择收盘价作为预测目标，其他特征作为输入。

X = pd.concat([df1.drop('target_column', axis=1), df2.drop('target_column', axis=1), df3.drop('target_column', axis=1)], ignore_index=True)
y = pd.concat([df1['target_column'], df2['target_column'], df3['target_column']], ignore_index=True)

3. **划分训练集和测试集**：
使用`train_test_split`进行分割。

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. **创建并训练决策树模型**：
使用`DecisionTreeClassifier`。

from sklearn.tree import DecisionTreeClassifier
model = DecisionTreeClassifier()
model.fit(X_train, y_train)

5. **绘制决策树**：
为了可视化决策树，首先安装`graphviz`，然后使用`export_graphviz`将其导出为图像文件。

import graphviz
dot_data = tree.export_graphviz(model, out_file=None, 
                                feature_names=X.columns,  
                                class_names=y.unique(), filled=True, rounded=True,
                                special_characters=True)
graph = graphviz.Source(dot_data)
graph.view()  # 如果在Jupyter Notebook中，也可以使用display(graph)

6. **保存或显示图片**：
可以选择保存图像到本地，或者在支持图形显示的环境中直接显示。

graph.save("stock_decision_tree.png")