Python金融大数据分析——第5章数据可视化笔记

逃离我推掉我的手 2022-05-21 00:35 162阅读 0赞

### 文章目录 ###

*   *   *  5.1.3 其他绘图样式
     *  5.2 金融学图表

\#第5章 数据可视化  
\#\#5.1 二维绘图  
\#\#\#5.1.1 一维数据集  
按照给定的x和y值绘图

import matplotlib as mpl
    import matplotlib.pyplot as plt
    %matplotlib inline  # 如果是在控制台上执行代码，这行如果报错，下面的图片显示一张，关闭后再执行下一张的显示，不然都会画到一张图上
    np.random.seed(1000)
    # 生成20个标准正态分布（伪）随机数， 保存在一个NumPy ndarray中
    y = np.random.standard_normal(20)
    x = range(len(y))
    plt.plot(x, y)
    plt.title('5-1 按照给定的x和y值绘图')

![5-1 按照给定的x和y值绘图][5-1 _x_y]

按照给定的一维数组和附加方法绘图

# 按照给定的一维数组和附加方法绘图
    plt.plot(y)
    plt.title('5-2 按照一维数组给出的数据绘图')

![5-2 按照一维数组给出的数据绘图][5-2]

按照给定的一维数组和附加方法绘图

# 按照给定的一维数组和附加方法绘图
    plt.plot(y.cumsum())
    plt.title('5-3 按照给定的一维数组和附加方法绘图')

![5-3 按照给定的一维数组和附加方法绘图][5-3]

带有网络和紧凑坐标轴的图表

# 带有网络和紧凑坐标轴的图表
    plt.plot(y.cumsum())
    plt.grid(True)
    plt.axis('tight')
    plt.title('5-4 带有网络和紧凑坐标轴的图表')

![5-4 带有网络和紧凑坐标轴的图表][5-4]  
plt.axis选项

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th align="center">描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Empty</td> 
   <td align="center">返回当前坐标轴限值</td> 
  </tr> 
  <tr> 
   <td>off</td> 
   <td align="center">关闭坐标轴和标签</td> 
  </tr> 
  <tr> 
   <td>equat</td> 
   <td align="center">使用等刻度</td> 
  </tr> 
  <tr> 
   <td>scaled</td> 
   <td align="center">通过尺寸变化平衡度量</td> 
  </tr> 
  <tr> 
   <td>tight</td> 
   <td align="center">所有数据可见（缩小限值）</td> 
  </tr> 
  <tr> 
   <td>image</td> 
   <td align="center">是所有数据可见（使用数据限值）</td> 
  </tr> 
  <tr> 
   <td>[xmin,xmax,ymin,ymax]</td> 
   <td align="center">将设置限值为给定的一组值</td> 
  </tr> 
 </tbody> 
</table>

使用自定义坐标轴限值绘制图表

# 使用自定义坐标轴限值绘制图表
    plt.plot(y.cumsum())
    plt.grid(True)
    plt.xlim(-1, 20)
    plt.ylim(np.min(y.cumsum()) - 1, np.max(y.cumsum()) + 1)
    plt.title('5-5 使用自定义坐标轴限值绘制图表')

![5-5 使用自定义坐标轴限值绘制图表][5-5]  
带有典型标签的图表

# 带有典型标签的图表
    plt.figure(figsize=(7, 4))
    # the figsize parameter defines the size of the figure in (width,height)
    plt.plot(y.cumsum(),'b',lw=1.5)
    plt.plot(y.cumsum(),'ro')
    plt.grid(True)
    plt.axis('tight')
    plt.xlabel('index')
    plt.ylabel('value')
    plt.title('A Simple Plot')

![5-6 带有典型标签的图表][5-6]

标准颜色缩写

标准样式字符

<table> 
 <thead> 
  <tr> 
   <th>字符</th> 
   <th align="center">象征</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>-</td> 
   <td align="center">实现样式</td> 
  </tr> 
  <tr> 
   <td>–</td> 
   <td align="center">短划线样式</td> 
  </tr> 
  <tr> 
   <td>-.</td> 
   <td align="center">点实线样式</td> 
  </tr> 
  <tr> 
   <td>:</td> 
   <td align="center">虚线样式</td> 
  </tr> 
  <tr> 
   <td>.</td> 
   <td align="center">点标记</td> 
  </tr> 
  <tr> 
   <td>,</td> 
   <td align="center">像素标记</td> 
  </tr> 
  <tr> 
   <td>o</td> 
   <td align="center">圆标记</td> 
  </tr> 
  <tr> 
   <td>v</td> 
   <td align="center">向下三角形标记</td> 
  </tr> 
  <tr> 
   <td>^</td> 
   <td align="center">向上三角形标记</td> 
  </tr> 
  <tr> 
   <td>&lt;</td> 
   <td align="center">向左三角形标记</td> 
  </tr> 
  <tr> 
   <td>&gt;</td> 
   <td align="center">向右三角形标记</td> 
  </tr> 
  <tr> 
   <td>1</td> 
   <td align="center">Tri_down标记</td> 
  </tr> 
  <tr> 
   <td>2</td> 
   <td align="center">Tri_up标记</td> 
  </tr> 
  <tr> 
   <td>3</td> 
   <td align="center">Tri_left标记</td> 
  </tr> 
  <tr> 
   <td>4</td> 
   <td align="center">Tri_right标记</td> 
  </tr> 
  <tr> 
   <td>s</td> 
   <td align="center">方形标记</td> 
  </tr> 
  <tr> 
   <td>P</td> 
   <td align="center">五边形标记</td> 
  </tr> 
  <tr> 
   <td>*</td> 
   <td align="center">星号</td> 
  </tr> 
  <tr> 
   <td>h</td> 
   <td align="center">六角形标记1</td> 
  </tr> 
  <tr> 
   <td>H</td> 
   <td align="center">六角形标记2</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td align="center">加好</td> 
  </tr> 
  <tr> 
   <td>x</td> 
   <td align="center">X标记</td> 
  </tr> 
  <tr> 
   <td>D</td> 
   <td align="center">菱形标记</td> 
  </tr> 
  <tr> 
   <td>d</td> 
   <td align="center">细菱形标记</td> 
  </tr> 
  <tr> 
   <td>|</td> 
   <td align="center">垂直标记</td> 
  </tr> 
 </tbody> 
</table>

\#\#\#5.1.2 二维数据集  
用两个数据集绘制图表

# 用两个数据集绘制图表
    np.random.seed(2000)
    y = np.random.standard_normal((20, 2)).cumsum(axis=0)
    plt.figure(figsize=(7, 4))
    plt.plot(y, lw=1.5)
    plt.plot(y, 'ro')
    plt.grid(True)
    plt.axis('tight')
    plt.xlabel('index')
    plt.ylabel('value')
    plt.title('A Simple Plot')

![用两个数据集绘制图表][70]  
带有数据集的图表

# 带有数据集的图表
    plt.figure(figsize=(7, 4))
    plt.plot(y[:, 0], lw=1.5, label='1st')
    plt.plot(y[:, 1], lw=1.5, label='2nd')
    plt.grid(True)
    plt.legend(loc=0)
    plt.axis('tight')
    plt.xlabel('index')
    plt.ylabel('value')
    plt.title('A Simple Plot')

![带有数据集的图表][70 1]  
plt.legend选项

包含两个数据集、 两个y轴的图表

# 包含两个数据集、 两个y轴的图表
    y[:, 0] = y[:, 0] * 10
    fig, ax1 = plt.subplots()
    plt.plot(y[:, 0], 'b', lw=1.5, label='1st')
    plt.plot(y[:, 0], 'ro')
    plt.grid(True)
    plt.legend(loc=8)
    plt.axis('tight')
    plt.xlabel('index')
    plt.ylabel('value 1st')
    plt.title('A Simple Plot')
    ax2 = ax1.twinx()
    plt.plot(y[:, 1], 'g', lw=1.5, label='2nd')
    plt.legend(loc=0)
    plt.ylabel('value 2nd')

![包含两个数据集、 两个y轴的图表][_y]

带有两个子图的图表

# 带有两个子图的图表
    plt.figure(figsize=(7, 5))
    plt.subplot(211)
    plt.plot(y[:, 0], 'b', lw=1.5, label='1st')
    plt.plot(y[:, 0], 'ro')
    plt.grid(True)
    plt.legend(loc=0)
    plt.axis('tight')
    plt.ylabel('value')
    plt.title('A Simple Plot')
    plt.subplot(212)
    plt.plot(y[:, 0], 'g', lw=1.5, label='2nd')
    plt.plot(y[:, 0], 'ro')
    plt.grid(True)
    plt.legend(loc=0)
    plt.axis('tight')
    plt.xlabel('index')
    plt.ylabel('value')

![带有两个子图的图表][70 2]

组合线、点子图和柱状子图

# 组合线、点子图和柱状子图
    plt.figure(figsize=(9, 4))
    plt.subplot(121)
    plt.plot(y[:, 0], lw=1.5, label='1st')
    plt.plot(y[:, 0], 'ro')
    plt.grid(True)
    plt.legend(loc=0)
    plt.axis('tight')
    plt.xlabel('index')
    plt.ylabel('value')
    plt.title('1st Data Set')
    
    plt.subplot(122)
    plt.bar(np.arange(len(y)), y[:, 1], width=0.5, color='g', label='2nd')
    plt.grid(True)
    plt.legend(loc=0)
    plt.axis('tight')
    plt.xlabel('index')
    plt.title('2nd Data Set')

![组合线、点子图和柱状子图][70 3]

### 5.1.3 其他绘图样式 ###

通过plot函数绘制散点图

# 通过plot函数绘制散点图
    y = np.random.standard_normal((1000, 2))
    plt.figure(figsize=(7, 5))
    plt.plot(y[:, 0], y[:, 1], 'ro')
    plt.grid(True)
    plt.xlabel('1st')
    plt.ylabel('2nd')
    plt.title('Scatter Plot')

![通过plot函数绘制散点图][plot]

通过scatter函数绘制散点图

# 通过scatter函数绘制散点图
    plt.figure(figsize=(7, 5))
    plt.scatter(y[:, 0], y[:, 1], marker='o')
    plt.grid(True)
    plt.xlabel('1st')
    plt.ylabel('2nd')
    plt.title('Scatter Plot')

![通过scatter函数绘制散点图][scatter]

# 具备第三维的散点图
    c = np.random.randint(0, 10, len(y))
    plt.figure(figsize=(7, 5))
    plt.scatter(y[:, 0], y[:, 1], c=c, marker='o')
    plt.colorbar()
    plt.grid(True)
    plt.xlabel('1st')
    plt.ylabel('2nd')
    plt.title('Scatter Plot')

![具备第三维的散点图][70 4]  
两个数据集的直方图

# 两个数据集的直方图
    plt.figure(figsize=(7, 5))
    plt.hist(y, label=['1st', '2nd'], bins=25)
    plt.grid(True)
    plt.legend(loc=0)
    plt.xlabel('value')
    plt.ylabel('frequency')
    plt.title('Histogram')

![两个数据集的直方图][70 5]

plt.hist所支持的参数:  
plt.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=‘bar’, align=‘mid’, orientation=‘vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, \*\*kwargs)

plt.hist参数

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th align="center">描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>x</td> 
   <td align="center">列表对象，ndarray对象</td> 
  </tr> 
  <tr> 
   <td>bins</td> 
   <td align="center">数据组（bin）数</td> 
  </tr> 
  <tr> 
   <td>range</td> 
   <td align="center">数据组的上界和下界</td> 
  </tr> 
  <tr> 
   <td>normed</td> 
   <td align="center">规范化为整数</td> 
  </tr> 
  <tr> 
   <td>weights</td> 
   <td align="center">x轴上每个值的权重</td> 
  </tr> 
  <tr> 
   <td>cumulative</td> 
   <td align="center">每个数据组包含较低组别的计数</td> 
  </tr> 
  <tr> 
   <td>histtype</td> 
   <td align="center">选项（字符串）： bar, barstacked, step, stepfilled</td> 
  </tr> 
  <tr> 
   <td>align</td> 
   <td align="center">选项（字符串）： lef, mid, right</td> 
  </tr> 
  <tr> 
   <td>orientation</td> 
   <td align="center">选项（字符串）： horizontal, vertical</td> 
  </tr> 
  <tr> 
   <td>rwidth</td> 
   <td align="center">条块的相对宽度</td> 
  </tr> 
  <tr> 
   <td>log</td> 
   <td align="center">对数刻度</td> 
  </tr> 
  <tr> 
   <td>color</td> 
   <td align="center">每个数据集的颜色（类似数组）</td> 
  </tr> 
  <tr> 
   <td>label</td> 
   <td align="center">标签所用的字符席或者字符串序列</td> 
  </tr> 
  <tr> 
   <td>stacked</td> 
   <td align="center">堆叠多个数据集</td> 
  </tr> 
 </tbody> 
</table>

两个数据集堆叠的直方图

# 两个数据集堆叠的直方图
    plt.figure(figsize=(7, 4))
    plt.hist(y, label=['1st', '2nd'], color=['b', 'g'], stacked=True, bins=20)
    plt.grid(True)
    plt.legend(loc=0)
    plt.xlabel('value')
    plt.ylabel('frequency')
    plt.title('Histogram')

![两个数据集堆叠的直方图][70 6]

两个数据集的箱形图

# 两个数据集的箱形图
    fig, ax = plt.subplots(figsize=(7, 4))
    plt.boxplot(y)
    plt.grid(True)
    plt.setp(ax, xticklabels=['1st', '2nd'])
    plt.xlabel('data set')
    plt.ylabel('value')
    plt.title('Boxplot')

![两个数据集的箱形图][70 7]

指数函数、积分面积和LaTeX标签

# 指数函数、积分面积和LaTeX标签
    from matplotlib.patches import Polygon
    
    
    def func(x):
        return 0.5 * np.exp(x) + 1
    
    
    a, b = 0.5, 1.5
    x = np.linspace(0, 2)
    y = func(x)
    fig, ax = plt.subplots(figsize=(7, 5))
    plt.plot(x, y, 'b', linewidth=2)
    plt.ylim(ymin=0)
    Ix = np.linspace(a, b)
    Iy = func(Ix)
    verts = [(a, 0)] + list(zip(Ix, Iy)) + [(b, 0)]
    poly = Polygon(verts, facecolor='0.7', edgecolor='0.5')
    ax.add_patch(poly)
    
    plt.text(0.5 * (a + b), 1, r"$\int_a^b f(x)\mathrm{d}x$", horizontalalignment='center', fontsize=20)
    plt.figtext(0.9, 0.075, '$x$')
    plt.figtext(0.075, 0.9, '$x$')
    ax.set_xticks((a, b))
    ax.set_xticklabels(('$a$', '$b$'))
    ax.set_yticks([func(a), func(b)])
    ax.set_yticklabels(('$f(a)$', '$f(b)$'))
    plt.grid(True)

![指数函数、积分面积和LaTeX标签][LaTeX]

## 5.2 金融学图表 ##

金融数据的蜡烛图

"""
    # import matplotlib.finance as mpf # 这个方法过期了 
    # MatplotlibDeprecationWarning: The finance module has been deprecated in mpl 2.0 and will be removed in mpl 2.2. Please use the module mpl_finance instead. warnings.warn(message, mplDeprecation, stacklevel=1)
    # 要用下面的方法 import mpl_finance as mpf
    # 安装方法： >pip install https://github.com/matplotlib/mpl_finance/archive/master.zip
    """
    import mpl_finance as mpf
    
    # start = (2014, 5, 1)
    # end = (2014, 6, 30)
    # quotes = mpf._quotes_historical_yahoo('GDAXI', start, end)
    # 由于伟大的墙，调取不到国外的数据，这里用tushare获取600118中国卫星的数据
    import tushare as ts
    import datetime
    from matplotlib.pylab import date2num
    
    start = '2018-05-01'
    end = '2018-06-30'
    k_d = ts.get_k_data('600118', start, end, ktype='D')
    k_d.head()
    k_d.date = k_d.date.map(lambda x: date2num(datetime.datetime.strptime(x, '%Y-%m-%d')))
    quotes = k_d.values
    
    fig, ax = plt.subplots(figsize=(8, 5))
    fig.subplots_adjust(bottom=0.2)
    mpf.candlestick_ochl(ax, quotes, width=0.6, colorup='r', colordown='g', alpha=0.8)
    plt.grid(True)
    ax.xaxis_date()
    # dates on the x-axis
    ax.autoscale_view()
    plt.setp(plt.gca().get_xticklabels(), rotation=30)

k\_d.head()输入的结果：

<table> 
 <thead> 
  <tr> 
   <th>&nbsp;</th> 
   <th>date</th> 
   <th>open</th> 
   <th>close</th> 
   <th>high</th> 
   <th>low</th> 
   <th>volume</th> 
   <th align="left">code</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>77</td> 
   <td>2018-05-02</td> 
   <td>23.05</td> 
   <td>22.45</td> 
   <td>23.10</td> 
   <td>22.25</td> 
   <td>90673.0</td> 
   <td align="left">600118</td> 
  </tr> 
  <tr> 
   <td>78</td> 
   <td>2018-05-03</td> 
   <td>22.30</td> 
   <td>22.52</td> 
   <td>22.58</td> 
   <td>21.71</td> 
   <td>78948.0</td> 
   <td align="left">600118</td> 
  </tr> 
  <tr> 
   <td>79</td> 
   <td>2018-05-04</td> 
   <td>22.50</td> 
   <td>22.35</td> 
   <td>22.58</td> 
   <td>22.21</td> 
   <td>58511.0</td> 
   <td align="left">600118</td> 
  </tr> 
  <tr> 
   <td>80</td> 
   <td>2018-05-07</td> 
   <td>22.49</td> 
   <td>22.70</td> 
   <td>22.71</td> 
   <td>22.30</td> 
   <td>58248.0</td> 
   <td align="left">600118</td> 
  </tr> 
  <tr> 
   <td>81</td> 
   <td>2018-05-08</td> 
   <td>22.80</td> 
   <td>23.07</td> 
   <td>23.45</td> 
   <td>22.75</td> 
   <td>115629.0</td> 
   <td align="left">600118</td> 
  </tr> 
 </tbody> 
</table>

最后的图片：  
![金融数据的烛柱图][70 8]  
金融数据每日摘要图表

# 金融数据每日摘要图表
    fig, ax = plt.subplots(figsize=(8, 5))
    fig.subplots_adjust(bottom=0.2)
    mpf._plot_day_summary(ax, quotes, colorup='r', colordown='g')
    plt.grid(True)
    ax.xaxis_date()
    # dates on the x-axis
    ax.autoscale_view()
    plt.setp(plt.gca().get_xticklabels(), rotation=30)
    plt.title('金融数据每日摘要图表')

![金融数据每日摘要图表][70 9]

蜡烛图和成交量柱状图组合而成的图表

# 蜡烛图和成交量柱状图组合而成的图表
    fig, (ax1, ax2) = plt.subplots(2, sharex=True, figsize=(8, 6))
    mpf.candlestick_ochl(ax1, quotes, width=0.6, colorup='r', colordown='g', alpha=0.8)
    ax1.set_title('中国卫星')
    ax1.set_ylabel('index level')
    plt.grid(True)
    ax1.xaxis_date()
    plt.bar(quotes[:,0],quotes[:,5],width=0.5)
    ax2.set_ylabel('volume')
    ax2.grid(True)
    plt.setp(plt.gca().get_xticklabels(), rotation=30)

![蜡烛图和成交量柱状图组合而成的图表][70 10]

\#\#5.3 3D绘图  
（模拟）隐含波动率的 3D 曲面图

# 
    strike = np.linspace(50, 150, 24)
    ttm = np.linspace(0.5, 2.5, 24)
    strike, ttm = np.meshgrid(strike, ttm)
    iv = (strike - 100) ** 2 / (100 * strike) / ttm
    # generate fake implied volatilities
    
    from mpl_toolkits.mplot3d import Axes3D
    
    fig = plt.figure(figsize=(9, 6))
    ax = fig.gca(projection='3d')
    surf = ax.plot_surface(strike, ttm, iv, rstride=2, cstride=2, cmap=plt.cm.coolwarm, linewidth=0.5, antialiased=True)
    ax.set_xlabel('strike')
    ax.set_ylabel('time-to-maturity')
    ax.set_zlabel('implied volatility')
    fig.colorbar(surf, shrink=0.5, aspect=5)

![（模拟）隐含波动率的 3D 曲面图][3D]

plot\_surface参数

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th align="center">描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>X,Y,Z</td> 
   <td align="center">2D数组形式的数据值</td> 
  </tr> 
  <tr> 
   <td>rstride</td> 
   <td align="center">数组行距（步长大小）</td> 
  </tr> 
  <tr> 
   <td>cstride</td> 
   <td align="center">数组列距（步长大小）</td> 
  </tr> 
  <tr> 
   <td>color</td> 
   <td align="center">曲面块颜色</td> 
  </tr> 
  <tr> 
   <td>cmap</td> 
   <td align="center">曲面块颜色映射</td> 
  </tr> 
  <tr> 
   <td>facecolors</td> 
   <td align="center">单独曲面块表面颜色</td> 
  </tr> 
  <tr> 
   <td>norm</td> 
   <td align="center">将值映射为颜色的 Nonnalize实例</td> 
  </tr> 
  <tr> 
   <td>vmin</td> 
   <td align="center">映射的最小值</td> 
  </tr> 
  <tr> 
   <td>vmax</td> 
   <td align="center">映射的最大值</td> 
  </tr> 
 </tbody> 
</table>

（模拟）隐含波动率的 3D 散点图

#（模拟）隐含波动率的 3D 散点图
    fig = plt.figure(figsize=(8, 5))
    ax = fig.add_subplot(111,projection='3d')
    ax.view_init(30,60)
    ax.scatter(strike, ttm, iv, zdir='z',s=25,c='b',marker='^')
    ax.set_xlabel('strike')
    ax.set_ylabel('time-to-maturity')
    ax.set_zlabel('implied volatility')

![这里写图片描述][70 11]

end

[5-1 _x_y]: /images/20220521/e61193abaee346e9b1729144cc1e85bf.png
[5-2]: /images/20220521/8cce7496e4d046b7a0eefcc470f2a36a.png
[5-3]: /images/20220521/87fbe912f7e143c3974cd4d374dab968.png
[5-4]: /images/20220521/f5988ba04cc74556add5b0694fce402a.png
[5-5]: /images/20220521/85b9fbef1f7a4310ad9d2d853d81160c.png
[5-6]: /images/20220521/d1f412d014b64451941e2bc33ad31aa3.png
[70]: /images/20220521/d8fa04b55e334d97b284e2f654557a20.png
[70 1]: /images/20220521/5c1e641a1a6f471ab8793e99b248dd98.png
[_y]: /images/20220521/3d75bc2b535e44fb91f9ff1b32d6baa1.png
[70 2]: /images/20220521/39257fe221544c18883e3ebda4c9e494.png
[70 3]: /images/20220521/e667c78adb5a4121ba9f0de0f198c12e.png
[plot]: /images/20220521/18c47136d35d4970843f0f2905674d49.png
[scatter]: /images/20220521/bc4c3b954f034ec1b7842c39a6c8d179.png
[70 4]: /images/20220521/a7434a996c26494d85ee85fcf95499bf.png
[70 5]: /images/20220521/9e9b776893f5401cbff64c37fb3151a2.png
[70 6]: /images/20220521/e8cc235053db4daab310f05378d40eba.png
[70 7]: /images/20220521/27a2863f46e742d787cabe79814ca560.png
[LaTeX]: /images/20220521/0e1a0769b6d74bbcb498724f16f76921.png
[70 8]: /images/20220521/c472687381a548628b66ace1431cc10b.png
[70 9]: /images/20220521/3d75c8a37e7e48f6ab319b504e542ad2.png
[70 10]: /images/20220521/06e5c4bd51aa4bbdb20fa5fbc5b4c640.png
[3D]: /images/20220521/d9e7f0db89bc4c67aed013d5f8545d99.png
[70 11]: /images/20220521/d2baf50829a7409d8a4f09a560e5149a.png