Python股票分析系列——基础股票数据操作(二).p4
该系列视频已经搬运至bilibili: 点击查看
欢迎来到Python for Finance教程系列的第4部分。在本教程中,我们将基于Adj Close列创建烛台/ OHLC图,这将允许我介绍重新采样和其他一些数据可视化概念。
名为烛台图的OHLC图表是一种将开盘价Open,最高价High,最低价Low和收盘价Close数据全部集中在一个很好的格式中的图表。另外,它使得漂亮的颜色,并记住我告诉你关于美观的图表?
在之前的教程中已经涉及到了这一点:
import datetime as dt import matplotlib.pyplot as plt from matplotlib import style import pandas as pd import pandas_datareader.data as web style.use('ggplot')df = pd.read_csv('tsla.csv', parse_dates=True, index_col=0)
不幸的是,即使创建OHLC数据,直接从Pandas制作烛台图也不是内置的。未来我确信这个图表类型将会被提供,但现在不是。没关系,we can make it!首先,我们需要import两个新的库:
from matplotlib.finance import candlestick_ohlc import matplotlib.dates as mdates
第一个导入是来自matplotlib的OHLC图形类型,第二个导入是特殊的mdates类型,它大多只是一个屁股疼痛,但这是matplotlib图形的日期类型。pandas会自动为你处理,但就像我说的那样,我们没有烛台的奢侈品。
首先,我们需要适当的OHLC数据。我们目前的数据确实有OHLC的价值,除非我错了,特斯拉从来没有分裂过,但是你永远不会这么幸运。因此,我们将创建我们自己的OHLC数据,这也将允许我们展示另一个来自Pandas的数据转换:
df_ohlc = df['Adj Close'].resample('10D').ohlc()
我们在这里所做的是创建一个基于df ['Adj Close']列的新数据框,重新封装10天的窗口,并且重采样是一个ohlc(开高低关闭)。我们也可以用.mean()或.sum()做10天的平均值或10天的总和。请记住,这10天的平均值是10天的平均值,而不是平均值。由于我们的数据是每日数据,因此将其重新采样为10天的数据会显着缩小数据的大小。这是你可以如何规范化多个数据集。有时,您可能会在每个月的一个月中记录一次每月记录的数据,每个月末记录的其他数据,以及最终每周记录一些数据。您可以每个月对该数据帧重新采样到月末,并有效地将其标准化!如果你喜欢的话,这是更高级的熊猫功能,你可以从熊猫系列中了解更多。
我们想要绘制烛台数据以及体积数据。我们不必重新采样数据,但我们应该,因为它与我们的10D定价数据相比太细致。
df_volume = df['Volume'].resample('10D').sum()
我们在这里使用金额,因为我们确实想知道在这10天内交易的总量,但您也可以使用平均值。现在如果我们这样做:
print(df_ohlc.head())
我们得到:
open high low close Date 2010-06-29 23.889999 23.889999 15.800000 17.459999 2010-07-09 17.400000 20.639999 17.049999 20.639999 2010-07-19 21.910000 21.910000 20.219999 20.719999 2010-07-29 20.350000 21.950001 19.590000 19.590000 2010-08-08 19.600000 19.600000 17.600000 19.150000
这是预期的,但是,我们现在要将这些信息移动到matplotlib中,并将日期转换为mdates版本。由于我们只是要在Matplotlib中绘制列,所以我们实际上不希望日期成为索引,所以我们可以这样做:
df_ohlc = df_ohlc.reset_index()
现在的日期只是一个普通的专栏。接下来,我们要转换它:
df_ohlc ['Date'] = df_ohlc ['Date']。map(mdates.date2num)
现在我们要设置这个数字:
fig = plt.figure() ax1 = plt.subplot2grid((6,1),(0,0),rowspan = 5,colspan = 1) ax2 = plt.subplot2grid((6,1),(5,0),rowspan = 1,colspan = 1,sharex = ax1) ax1.xaxis_date()
除了ax1.xaxis_date()之外,您已经看到过的所有内容。这对我们来说就是将轴从原始的生成号码转换为日期。
现在我们可以绘制烛台图:
candlestick_ohlc(ax1,df_ohlc.values,width = 2,colorup ='g')
然后做量:
ax2.fill_between(df_volume.index.map(mdates.date2num),df_volume.values,0)
fill_between函数将绘制x,y,然后填充/之间的内容。在我们的例子中,我们选择0。
plt.show()
完整代码:
import datetime as dt import matplotlib.pyplot as plt from matplotlib import style from matplotlib.finance import candlestick_ohlc import matplotlib.dates as mdates import pandas as pd import pandas_datareader.data as web style.use('ggplot')df = pd.read_csv('tsla.csv', parse_dates=True, index_col=0)df_ohlc = df['Adj Close'].resample('10D').ohlc() df_volume = df['Volume'].resample('10D').sum()df_ohlc.reset_index(inplace=True) df_ohlc['Date'] = df_ohlc['Date'].map(mdates.date2num)ax1 = plt.subplot2grid((6,1), (0,0), rowspan=5, colspan=1) ax2 = plt.subplot2grid((6,1), (5,0), rowspan=1, colspan=1, sharex=ax1) ax1.xaxis_date()candlestick_ohlc(ax1, df_ohlc.values, width=5, colorup='g') ax2.fill_between(df_volume.index.map(mdates.date2num), df_volume.values, 0) plt.show()
在接下来的几个教程中,我们将留下可视化位,稍微讨论一下获取数据和处理数据。
下一篇教程:Python股票分析系列——自动获取标普500股票列表.p5
转载于:https://www.cnblogs.com/Blaxon/p/8567772.html
Python股票分析系列——基础股票数据操作(二).p4相关推荐
- python股票分析系列_Python股票分析系列——基础股票数据操作(一)
该系列视频已经搬运至bilibili: 点击查看 欢迎来到Python for Finance教程系列的第3部分.在本教程中,我们将使用我们的股票数据进一步分解一些基本的数据操作和可视化.我们将要使用 ...
- python股票分析系列_Python股票分析系列——基础股票数据操作(一).p3
该系列视频已经搬运至bilibili: 点击查看 欢迎来到Python for Finance教程系列的第3部分.在本教程中,我们将使用我们的股票数据进一步分解一些基本的数据操作和可视化.我们将要使用 ...
- python股票分析系列_Python股票分析系列——基础股票数据操作(二).p4
该系列视频已经搬运至bilibili: 点击查看 欢迎来到Python for Finance教程系列的第4部分.在本教程中,我们将基于Adj Close列创建烛台/ OHLC图,这将允许我介绍重新采 ...
- Python股票分析系列——系列介绍和获取股票数据.p1
本系列转载自youtuber sentdex博主的教程视频内容 https://www.youtube.com/watch?v=19yyasfGLhk&index=4&list=PLQ ...
- Python股票分析系列——数据整理和绘制.p2
Python股票分析系列--数据整理和绘制.p2 欢迎来到Python for Finance教程系列的第2部分. 在本教程中,我们将利用我们的股票数据进一步分解一些基本的数据操作和可视化. 我们将要 ...
- python量化分析系列之---5行代码实现1秒内获取一次所有股票的实时分笔数据
python量化分析系列之---5行代码实现1秒内获取一次所有股票的实时分笔数据 最近工作太忙了,有一个星期没有更新文章了,本来这一期打算分享一些对龙虎榜数据的分析结果的,现在还没有把数据内的价值很好 ...
- 手把手教你利用 python 爬虫分析基金、股票
手把手教你利用 python 爬虫分析基金.股票 文章目录 手把手教你利用 python 爬虫分析基金.股票 第一步:基金数据爬取 第二步:股票增持计算 第三步:好股基金选取 桌面程序 exe 从前大 ...
- python应用中调用spark_在python中使用pyspark读写Hive数据操作
1.读Hive表数据 pyspark读取hive数据非常简单,因为它有专门的接口来读取,完全不需要像hbase那样,需要做很多配置,pyspark提供的操作hive的接口,使得程序可以直接使用SQL语 ...
- 【python opencv 计算机视觉零基础到实战】二、 opencv文件格式与摄像头读取
一.学习目标 了解图片的结构属性 了解如何捕获视频 了解waitkey的使用方法 目录 [python opencv 计算机视觉零基础到实战] 一.opencv的helloworld [[python ...
最新文章
- jupyter笔记本_如何为Jupyter笔记本电脑设置PySpark
- 果粉们注意了 外媒爆料以下机型不再支持iOS 13
- 关于eclpse java项目与tomcat jdk版本不一致的解决方法
- java redis 批量删除key_Redis,就是这么朴实无华
- HD 1003 Max Sum(贪心)
- 日本語を勉強するの日記(八)
- html5 indexeddb 排序,HTML5 IndexedDB,Web SQL数据库和浏览器大战
- zookeeper+kafka集群安装之中的一个
- argmax函数_Python科学计算库numpy——统计函数
- 阿里云张建锋:数字技术要服务好实体经济
- Redis 对象系统
- 《水经注地图发布服务中间件》for Linux 版发布
- 制作3D实时交互影像产品,需要用到的技术和软件!
- windows操作系统32位与64位的含义
- qchart实现图片缩放 qt_Qt图形图像开发曲线图表模块QChart库缩放/平移详细方法与实例...
- 转载文章 Android功耗改进
- python 循序渐进学习:输出线段图案、正方形图案、直角三角形图案、翻转直角三角形图案、带空格直角三角形图案
- KeyError: ‘[1 2] not found in axis‘
- 【电子取证:镜像仿真篇】DD、E01系统镜像动态仿真
- 「GitLab CI/CD」- You are not allowed to download code from this project @20210402
热门文章
- 【CyberSecurityLearning 57】XSS
- QT读取Word文档
- LIVE555再学习 -- Linux 下编译
- Top-1 Error 和 Top-5 Error
- 【译】The Faults and Shortcomings of the EVM
- PWN2OWN 2017 Linux 内核提权漏洞分析
- c语言赋值小数,c语言中将一个浮点型赋值给整型时,会不会四舍五入?
- python采集_Python采集实例1
- python怎么安装turtle_Python3.6安装turtle模块
- 为什么在反向传播中感知器初始值不能为0_深度学习理论分享之——单层感知器简述...