Python培訓實例：2017年7月與2019年7月國際外匯市場美元/人民幣匯率走勢

　　匯率又稱外匯利率，指兩種貨幣之間兌換的比率，亦可視為一個國家貨幣對另一種貨幣的價值。匯率會受諸多外界因素的影響而出現(xiàn)上下波動，從而產(chǎn)生貨幣貶值和貨幣升值的現(xiàn)象。已知2017年7月與2019年7月國際外匯市場美元/人民幣的匯率如表4-4所示。

　　表4-4 2017年7月與2019年7月美元/人民幣的匯率

　　根據(jù)表4-4的數(shù)據(jù)，將“日期”一列的數(shù)據(jù)作為x軸的刻度范圍，將“2017年匯率”和“2019年匯率”兩列數(shù)據(jù)作為y軸的數(shù)據(jù)，使用plot()函數(shù)分別繪制反映2017年7月與2019年7月美元/人民幣匯率走勢的折線圖，并使用實線和長虛線進行區(qū)分，具體代碼如下。

# 02_dollar_RMB_exchange_rate
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 匯率
eurcny_2017 = np.array([6.8007, 6.8007, 6.8015, 6.8015, 6.8060,
                        6.8060, 6.8060, 6.8036, 6.8025, 6.7877,
                        6.7835, 6.7758, 6.7700, 6.7463, 6.7519,
                        6.7511, 6.7511, 6.7539, 6.7265])
eurcny_2019 = np.array([6.8640, 6.8705, 6.8697, 6.8697, 6.8697,
                        6.8881, 6.8853, 6.8856, 6.8677, 6.8662,
                        6.8662, 6.8662, 6.8827, 6.8761, 6.8635,
                        6.8860, 6.8737, 6.8796, 6.8841])
date_x = np.array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12,
                   13, 14, 17, 18, 19, 24, 25, 26, 31])
figure = plt.figure()
ax = figure.add_subplot(111)
# 第1條折線：湖綠色, 實線, 線寬為 2
ax.plot(date_x, eurcny_2017, color='#006374', linewidth=2,
        label='2017年7月美元/人民幣匯率')
# 第2條折線：紫色, 長虛線, 線寬為2
ax.plot(date_x, eurcny_2019, color='#8a2e76', linestyle='--',
        linewidth=2, label='2019年7月美元/人民幣匯率')
ax.set_title('2017年7月與2019年7月美元/人民幣匯率走勢')
ax.set_xlabel('日期')
ax.set_ylabel('匯率')
ax.legend()
plt.show()

　　運行程序，效果如圖4-3所示。

　　圖4-3 2017年7月與2019年7月國際外匯市場美元/人民幣匯率的折線圖

　　圖4-3中，紫色的虛線代表2019年7月的匯率，湖綠色的實線代表2017年7月的匯率。由圖4-3可知，2019年7月的匯率呈現(xiàn)較為平穩(wěn)的趨勢，2017年7月的匯率呈現(xiàn)下降趨勢。