金融数据可视化--相图

        此类图主要是看两个变量在不同的时间阶段上呈现不同的相关关系，以美国原油WTI价格与原油库存数据为例，在早期，库存与油价的负相关关系相对来讲十分明显，库存高位对应油价低位，但近几年这种负相关关系不再是十分明显。

import pandas as pd
import matplotlib.pyplot as plt

import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'Heiti TC'      # 黑体，适用于大多数中文
plt.rcParams['axes.unicode_minus'] = False  # 正确显示负号

# 读取数据
df = pd.read_excel("文件路径/WTI与库存.xlsx")  
df['date'] = pd.to_datetime(df['date'])

# 添加 period 列，按照图中区间定义
def assign_period(date):
    if pd.to_datetime('2010-01-01') <= date < pd.to_datetime('2014-01-01'):
        return '2010.1-2014.1'
    elif pd.to_datetime('2014-01-01') <= date < pd.to_datetime('2016-01-01'):
        return '2014.1-2016.1'
    elif pd.to_datetime('2016-01-01') <= date < pd.to_datetime('2020-01-01'):
        return '2016.1-2020.1'
    elif pd.to_datetime('2020-01-01') <= date < pd.to_datetime('2021-01-01'):
        return '2020.1-2021.1'
    elif pd.to_datetime('2021-01-01') <= date < pd.to_datetime('2022-01-01'):
        return '2021.1-2022.1'
    elif pd.to_datetime('2022-01-01') <= date < pd.to_datetime('2023-01-01'):
        return '2022.1-2023.1'
    elif pd.to_datetime('2023-01-01') <= date < pd.to_datetime('2024-01-01'):
        return '2023.1-2024.1'
    else:
        return '2024-至今'

df['period'] = df['date'].apply(assign_period)

# 自定义颜色
colors = {
    '2010.1-2014.1': 'gold',
    '2014.1-2016.1': 'green',
    '2016.1-2020.1': 'pink',
    '2020.1-2021.1': 'limegreen',
    '2021.1-2022.1': 'red',
    '2022.1-2023.1': 'black',
    '2023.1-2024.1': 'purple',
    '2024-至今': 'gray'
}

# 画图
plt.figure(figsize=(14, 8))

for period, group in df.groupby('period'):
    plt.plot(group['wti_price'], group['us_total_inventory'],
             marker='o', label=period,
             color=colors.get(period, 'gray'))

# 当前点（最新点）标记为“当前位置”
latest = df.sort_values('date').iloc[-1]
plt.scatter(latest['wti_price'], latest['us_total_inventory'],
            color='blue', s=100, zorder=5)
plt.text(latest['wti_price'], latest['us_total_inventory'] + 20,
         '当前位置', fontsize=12, color='blue', ha='center')

# 美化
plt.xlabel('WTI 油价（美元/桶）', fontsize=14)
plt.ylabel('美国商业油品库存（千桶）', fontsize=14)
plt.title('美国商业油品库存 vs WTI 油价', fontsize=16)
plt.xticks(range(20, 130, 5)) 
plt.legend()
plt.grid(True)
plt.tight_layout()
plt.show()