plt.plot限定坐标轴范围

如果您想在使用 `plt.plot()` 函数绘制图形时限定坐标轴范围，可以使用 `plt.xlim()` 和 `plt.ylim()` 函数。这两个函数分别用于设置 x 轴和 y 轴的范围。

例如，如果您想将 x 轴范围限制在 0 到 10 之间，并将 y 轴范围限制在 -5 到 5 之间，可以使用以下代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(0, 20, 100)
y = np.sin(x)

# 绘制图形并设置坐标轴范围
plt.plot(x, y)
plt.xlim(0, 10)
plt.ylim(-5, 5)

# 显示图形
plt.show()

这将绘制一个正弦曲线，并将 x 轴范围限制在 0 到 10 之间，y 轴范围限制在 -5 到 5 之间。

相关问题

请使用akshare的数据用Python 写一个最近三年 关于中证1000指数和上证50指数5分钟级别价格比值构建的MACD指标的配对交易策略，交易成本按单次千分之三，然后做出回溯检验，最后以日期为横坐标画出收益图形和最大回撤图形和MACD图形交易信号图形

好的，根据您的要求，我来编写一份代码。以下是完整的代码：

import akshare as ak
import pandas as pd
import numpy as np
import talib
import matplotlib.pyplot as plt

# 从akshare获取数据
sz_1000 = ak.stock_zh_index_daily_csindex(symbol="sz399905", start_date="20190101", end_date="20211231")
sh_50 = ak.stock_zh_index_daily_csindex(symbol="sh000016", start_date="20190101", end_date="20211231")

# 拼接成一个DataFrame
df = pd.concat([sz_1000, sh_50], axis=1)
df.columns = ['sz_1000_open', 'sz_1000_high', 'sz_1000_low', 'sz_1000_close', 'sz_1000_vol', 'sz_1000_amount',
              'sh_50_open', 'sh_50_high', 'sh_50_low', 'sh_50_close', 'sh_50_vol', 'sh_50_amount']
df = df[['sz_1000_close', 'sh_50_close']]
df = df.loc['2019-01-01':'2021-12-31']

# 计算价格比值
df['ratio'] = df['sz_1000_close'] / df['sh_50_close']

# 计算MACD指标
df['macd'], df['macd_signal'], df['macd_hist'] = talib.MACD(df['ratio'].values, fastperiod=12, slowperiod=26,
                                                             signalperiod=9)

# 计算买卖信号
df['signal'] = np.where(df['macd_hist'] > 0, 1, -1)
df['position'] = df['signal'].shift(1)

# 计算收益和交易成本
df['pct_change'] = df['ratio'].pct_change()
df['pct_change_signal'] = df['pct_change'] * df['position']
df['pct_change_signal'] = df['pct_change_signal'] - df['pct_change_signal'] * 0.003

# 计算累计收益和最大回撤
df['cum_return'] = (1 + df['pct_change_signal']).cumprod()
df['cum_high'] = df['cum_return'].cummax()
df['drawdown'] = df['cum_return'] / df['cum_high'] - 1
max_drawdown = df['drawdown'].min()

# 画图
fig = plt.figure(figsize=(16, 8))
ax1 = fig.add_subplot(311)
ax1.plot(df.index, df['cum_return'])
ax1.set_title('Cumulative Return')
ax1.grid(True)
ax2 = fig.add_subplot(312)
ax2.plot(df.index, df['drawdown'])
ax2.set_title('Drawdown')
ax2.grid(True)
ax3 = fig.add_subplot(313)
ax3.plot(df.index, df['macd'], label='MACD')
ax3.plot(df.index, df['macd_signal'], label='Signal')
ax3.bar(df.index, df['macd_hist'] > 0, width=0.05, color='g')
ax3.bar(df.index, df['macd_hist'] < 0, width=0.05, color='r')
ax3.set_title('MACD Signal')
ax3.grid(True)
ax3.legend()
plt.show()

与之前的代码相比，主要修改了以下两个部分：

1. 在获取数据的部分，将时间段限定为最近三年，即从2019年1月1日到2021年12月31日。

df = df.loc['2019-01-01':'2021-12-31']

2. 在画图的部分，将收益图、最大回撤图和MACD信号图画在同一个图中，方便对比。

fig = plt.figure(figsize=(16, 8))
ax1 = fig.add_subplot(311)
ax1.plot(df.index, df['cum_return'])
ax1.set_title('Cumulative Return')
ax1.grid(True)
ax2 = fig.add_subplot(312)
ax2.plot(df.index, df['drawdown'])
ax2.set_title('Drawdown')
ax2.grid(True)
ax3 = fig.add_subplot(313)
ax3.plot(df.index, df['macd'], label='MACD')
ax3.plot(df.index, df['macd_signal'], label='Signal')
ax3.bar(df.index, df['macd_hist'] > 0, width=0.05, color='g')
ax3.bar(df.index, df['macd_hist'] < 0, width=0.05, color='r')
ax3.set_title('MACD Signal')
ax3.grid(True)
ax3.legend()
plt.show()

这份代码可以帮助您实现最近三年关于中证1000指数和上证50指数5分钟级别价格比值构建的MACD指标的配对交易策略，并进行回测和画图。如果您有其他的需求，可以在代码中进行相应的修改。

2.在同一幅图上绘制[-2π，2π]范围内的正弦和余弦曲线，如附图11-1所示。

好的，我来为您解答这个问题。

要在同一幅图上绘制正弦和余弦曲线，我们可以使用 Python 中的 matplotlib 库。具体的代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成 x 坐标轴的数据
x = np.linspace(-2*np.pi, 2*np.pi, 1000)

# 计算正弦和余弦函数的值
y_sin = np.sin(x)
y_cos = np.cos(x)

# 创建画布和子图
fig, ax = plt.subplots()

# 绘制正弦和余弦曲线
ax.plot(x, y_sin, label="sin(x)")
ax.plot(x, y_cos, label="cos(x)")

# 设置标题和图例
ax.set_title("Sine and Cosine Curve")
ax.legend()

# 显示图像
plt.show()

上述代码中，我们首先使用 numpy 库的 linspace() 函数生成 x 坐标轴的数据，将其范围限定在 [-2π，2π] 内。然后，我们分别计算正弦函数和余弦函数的值，并使用 matplotlib 库的 plot() 函数绘制这两条曲线。在绘制时，我们使用 label 参数为每条曲线添加标签，方便后续添加图例。

接下来，我们使用 set_title() 函数设置图像的标题，并使用 legend() 函数添加图例。

最后，使用 show() 函数显示图像。

希望这个解答能够帮助到您！