本文介绍关于Python绘制K线图与股票中怎样才能画出有效的趋势线、压力和支撑位？与手工绘制股票K线图有什么技巧，要先从哪学起？与外汇怎样绘制蜡烛图？与k线图怎么变宽了，怎么复原？与怎样判断K线点位高低？及1分钟及5分钟K线图有什么指导意义吗？的相关内容。

怎样判断K线点位高低？

我知道

k线图怎么变宽了，怎么复原？

用光标把它缩一下。

证券之星问股

外汇怎样绘制蜡烛图？

下一个mt4就行了

手工绘制股票K线图有什么技巧，要先从哪学起？

1/要买表格纸，或者自己做表格纸

2/要记录每天每周的4个价格，最高/最低/开盘/收盘，其中收盘是最关键的

3/在表格纸上画

4/没啥技巧，画啊画啊的就有感觉了

股票中怎样才能画出有效的趋势线、压力和支撑位？

谢谢邀请。大家好我是投资观，财经领域原创作者。我们在分析股票的时候经常会用到趋势线，压力位，支撑位等来作为判断股票买卖的依据。有效的画出趋势线，压力和支撑线能让我们获得更大的收益，能让我们的风险降到最低。下面关于趋势线，压力位，支撑位的画线我说一下我的方法。

一，黄金分割线寻找支撑和压力位。把一个股票的一大波段的下跌作为一个单位进行黄金分割，就会出现如图所示的黄金分割线图形。一大波段的下跌结束后股票开始反弹，那么反弹到0.618处时是股票面临的第一个压力，0.5时是第二个压力，且越向上压力越重。突破黄金分割线的压力后压力线就变成了支撑，股价回调到支撑处也会出现一定幅度的反弹。下跌后的反弹0.618,0.5处的压力最为重要。上涨趋势结束的股票寻找支撑位也是一样的方法，只不过上涨结束后的股票是支撑而不是压力。

二，高点寻找压力位。股票上涨中形成的多个高点是我们寻找压力位的关键方法。如图所示股价在上涨结束后出现高位震荡的走势，并且每次的反弹上涨的高点股价都在前期高点附近。股票k线并没有形成实质性的突破，那么两个以上的高点联系就是这个股票近期形成的压力位，股票反弹到压力附近时就是我们的出票点，形成多个高点的股票也不适合短期的建仓。

三，支撑点逐渐抬高形成的上升趋势线。我们都知道股票在上涨过程中都会出现反复的调整，调整点就是我们寻找趋势线的重要参考。如图所示股价在上涨过程中每次的调整低点是呈现逐渐抬高的趋势，那么这些调整低点之间的连线就是这个股票的趋势线。上升趋势的股票趋势线是逐渐抬高的，且趋势线对股价起到支撑作用。下跌趋势和上升趋势刚好相反，趋势线对股票起到的作用也是压力作用。

我是投资观，感谢阅读，更感谢点赞。

Python绘制K线图

不管是对量化分析师还是普通的投资者来说，K线图(蜡烛图)都是一种很经典、很重要的工具。在K线图中，它会绘制每天的最高价、最低价、开盘价和收盘价，这对于我们理解股票的趋势以及每天的多空对比很有帮助。

一般来说，我们会从各大券商平台获取K线图，但是这种情况下获得的K线图往往不能灵活调整，也不能适应复杂多变的生产需求。因此我们有必要学习一下如何使用Python绘制K线图。

导入必要库

需要说明的是，这里mpl_finance是原来的matplotlib.finance，但是现在独立出来了(而且好像没什么人维护更新了)，我们将会使用它提供的方法来绘制K线图；tushare是用来在线获取股票数据的库；matplotlib.ticker中有个FuncFormatter()方法可以帮助我们调整坐标轴；matplotlib.pylab.date2num可以帮助我们将日期数据进行必要的转化。

import mpl_financeimport tushare as tsimport pandas as pdimport seaborn as snsimport matplotlib.pyplot as pltfrom matplotlib import tickerfrom matplotlib.pylab import date2numimport numpy as npsns.set()pro = ts.pro_api()

获取行情数据

我们以上证综指18年9月份以来的行情为例。

这里我们对数据按照日期做了个排序，因为tushare默认提供的数据是最新的数据在最前边;

我们用pd.to_datetime()将字符串日期转换为pandas Timestamp格式(类似datetime.datetime)，然后用date2num转换为matplotlib需要的格式。

然后我们另外添加一列dates，这一列用于解决mpl_finance中存在的一些问题，后边我们会详细解释。

绘制K线图

我们先使用mpl_finance绘制一下，看看是否一切正常。

fig, ax = plt.subplots(figsize=(10,5))mpl_finance.candlestick_ochl(ax=ax,quotes=df[['trade_date', 'open', 'close', 'high', 'low']].values,width=0.7,colorup='r',colordown='g',alpha=0.7)ax.xaxis_date()plt.xticks(rotation=30);

可以看到，所有的节假日包括周末，在这里都会显示为空白，这对于我们图形的连续性非常不友好，因此我们要解决掉他们。

解决空白问题

def format_date(x,pos):if x<0 or x>len(date_tickers)-1:return ''return date_tickers[int(x)]date_tickers = df.trade_date2.valuesfig, ax = plt.subplots(figsize=(10,5))ax.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))mpl_finance.candlestick_ochl(ax=ax,quotes=df[['dates', 'open', 'close', 'high', 'low']].values,width=0.7,colorup='r',colordown='g',alpha=0.7)ax.set_title('上证综指K线图(2018.9-)', fontsize=20);

可以看到，空白问题完美解决，这里我们解释一下。由于matplotlib会将日期数据理解为连续数据，而连续数据之间的间距是有意义的，所以非交易日即使没有数据，在坐标轴上还是会体现出来。连续多少个非交易日，在坐标轴上就对应了多少个小格子，但这些小格子上方并没有相应的蜡烛图。

明白了它的原理，我们就可以对症下药了。我们可以给横坐标(日期)传入连续的、固定间距的数据，先保证K线图的绘制是连续的；然后生成一个保存有正确日期数据的列表，接下来，我们根据坐标轴上的数据去取对应的正确的日期，并替换为坐标轴上的标签即可。

上边format_date函数就是这个作用。由于前边我们给dates列生成了从0开始的序列连续数据，因此我们可以直接把它当作索引，从真正的日期列表里去取对应的数据。在这里我们要使用matplotlib.ticker.FuncFormattter()方法，它允许我们指定一个格式化坐标轴标签的函数，在这个函数里，我们需要接受坐标轴的值以及位置，并返回自定义的标签。

你学会了吗？

当然，一个完整的K线图到这里并没有结束，后边我们会考虑加入均线、成交量等元素，感兴趣的同学欢迎关注哦！

k线图怎么画?：1分钟及5分钟K线图有什么指导意义吗？

越短的趋势，越没什么参考价值。