python画k线图_一步一步教你用Python画出专业的K线图

漂亮的界面是量化程序的脸面，直观专业的界面能帮助我们了解股票的走势和形象地展示量化交易的结果。本文介绍如何使用matplotlib做出专业的K线图和展示各种技术指标：

matplotlib是受MATLAB的启发构建的。MATLAB是数据绘图领域广泛使用的语言和工具。MATLAB语言是面向过程的。利用函数的调用，MATLAB中可以轻松的利用一行命令来绘制直线，然后再用一系列的函数调整结果。

matplotlib有一套完全仿照MATLAB的函数形式的绘图接口，十分方便实用。下面我们一步步使用它来绘出上面的图片。

准备工作

在上文中（量化回测的基础：干净的，准确的历史股票数据），我们已经为大家准备好了日k线数据，大家可以去下载。下面我们来为绘图做一些准备工作：

from pandas import DataFrame, Series

import pandas as pd; import numpy as np

import matplotlib.pyplot as plt

from matplotlib import dates as mdates

from matplotlib import ticker as mticker

from matplotlib.finance import candlestick_ohlc

from matplotlib.dates import DateFormatter, WeekdayLocator, DayLocator, MONDAY,YEARLY

from matplotlib.dates import MonthLocator,MONTHLY

import datetime as dt

import pylab

daylinefilespath = 'G:\\dayline\\'

stock_b_code = '000001' #平安银行

MA1 = 10

MA2 = 50

startdate = dt.date(2016, 6, 29)

enddate = dt.date(2017, 1, 30)

def readstkData(rootpath, stockcode, sday, eday):

returndata = pd.DataFrame()

for yearnum in range(0,int((eday - sday).days / 365.25)+1):

theyear = sday + dt.timedelta(days = yearnum * 365)

# build file name

filename = rootpath + theyear.strftime('%Y') + '\\' + str(stockcode).zfill(6) + '.csv'

try:

rawdata = pd.read_csv(filename, parse_dates = True, index_col = 0, encoding = 'gbk')

except IOError:

raise Exception('IoError when reading dayline data file: ' + filename)

returndata = pd.concat([rawdata, returndata])

# Wash data

returndata = returndata.sort_index()

returndata.index.name = 'DateTime'

returndata.drop('amount', axis=1, inplace = True)

returndata.columns = ['Open', 'High', 'Close', 'Low', 'Volume']

returndata = returndata[returndata.index < eday.strftime('%Y-%m-%d')]

return returndata

这里定义了几个全局变量：

daylinefilespath 是下载的日k线数据

stock_b_code 是要显示的股票代码，大家可以换成自己想要的股票

MA1和MA2是移动平均线的日期间隔，例如10是10日移动平均线

startdate和enddate是想要显示的日期范围

函数readstkData读入数据并做了必要的合并和清洗。注意这里年做了简化处理，并不完全准确。

绘出日K线

Talk is cheap，我们直接上代码：

def main():

days = readstkData(daylinefilespath, stock_b_code, startdate, enddate)

# drop the date index from the dateframe & make a copy

daysreshape = days.reset_index()

# convert the datetime64 column in the dataframe to 'float days'

daysreshape['DateTime']=mdates.date2num(daysreshape['DateTime'].astype(dt.date))

# clean day data for candle view

daysreshape.drop('Volume', axis=1, inplace = True)

daysreshape = daysreshape.reindex(columns=['DateTime','Open','High','Low','Close'])

Av1 = movingaverage(daysreshape.Close.values, MA1)

Av2 = movingaverage(daysreshape.Close.values, MA2)

SP = len(daysreshape.DateTime.values[MA2-1:])

fig = plt.figure(facecolor='#07000d',figsize=(15,10))

ax1 = plt.subplot2grid((6,4), (1,0), rowspan=4, colspan=4, axisbg='#07000d')

candlestick_ohlc(ax1, daysreshape.values[-SP:], width=.6, colorup='#ff1717', colordown='#53c156')

Label1 = str(MA1)+' SMA'

Label2 = str(MA2)+' SMA'

ax1.plot(daysreshape.DateTime.values[-SP:],Av1[-SP:],'#e1edf9',label=Label1, linewidth=1.5)

ax1.plot(daysreshape.DateTime.values[-SP:],Av2[-SP:],'#4ee6fd',label=Label2, linewidth=1.5)

ax1.grid(True, color='w')

ax1.xaxis.set_major_locator(mticker.MaxNLocator(10))

ax1.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))

ax1.yaxis.label.set_color("w")

ax1.spines['bottom'].set_color("#5998ff")

ax1.spines['top'].set_color("#5998ff")

ax1.spines['left'].set_color("#5998ff")

ax1.spines['right'].set_color("#5998ff")

ax1.tick_params(axis='y', colors='w')

plt.gca().yaxis.set_major_locator(mticker.MaxNLocator(prune='upper'))

ax1.tick_params(axis='x', colors='w')

plt.ylabel('Stock price and Volume')

plt.show()

if __name__ == "__main__":

main()

这里有几点要注意：

为了调用matplotlib的蜡烛图函数，我们把数据重新排布了一下，并修改了日期的格式。以满足candlestick_ohlc函数的要求。

创立了ax1来显示日k线，后面还会建立其他几个子图。

我们来运行一下：

效果还行，不但有K线，还叠加了MA1和MA2。下面我们来绘制其他技术参数。

绘制RSI

下面我们在顶部加入RSI:

# plot an RSI indicator on top

maLeg = plt.legend(loc=9, ncol=2, prop={'size':7},

fancybox=True, borderaxespad=0.)

maLeg.get_frame().set_alpha(0.4)

textEd = pylab.gca().get_legend().get_texts()

pylab.setp(textEd[0:5], color = 'w')

ax0 = plt.subplot2grid((6,4), (0,0), sharex=ax1, rowspan=1, colspan=4, axisbg='#07000d')

rsi = rsiFunc(daysreshape.Close.values)

rsiCol = '#c1f9f7'

posCol = '#386d13'

negCol = '#8f2020'

ax0.plot(daysreshape.DateTime.values[-SP:], rsi[-SP:], rsiCol, linewidth=1.5)

ax0.axhline(70, color=negCol)

ax0.axhline(30, color=posCol)

ax0.fill_between(daysreshape.DateTime.values[-SP:], rsi[-SP:], 70, where=(rsi[-SP:]>=70), facecolor=negCol, edgecolor=negCol, alpha=0.5)

ax0.fill_between(daysreshape.DateTime.values[-SP:], rsi[-SP:], 30, where=(rsi[-SP:]<=30), facecolor=posCol, edgecolor=posCol, alpha=0.5)

ax0.set_yticks([30,70])

ax0.yaxis.label.set_color("w")

ax0.spines['bottom'].set_color("#5998ff")

ax0.spines['top'].set_color("#5998ff")

ax0.spines['left'].set_color("#5998ff")

ax0.spines['right'].set_color("#5998ff")

ax0.tick_params(axis='y', colors='w')

ax0.tick_params(axis='x', colors='w')

plt.ylabel('RSI')

我们在ax1的上面加上了ax0子图，用以绘制RSI曲线。程序比较简单，我们来运行一下：

绘制成交量

所有的股票软件都有成交量图，我们当然也不能免俗。我们不再增加子图，而是把成交量叠加在k线图下面，用浅蓝色标识，这样既清楚又节省空间：

volumeMin = 0

ax1v = ax1.twinx()

ax1v.fill_between(daysreshape.DateTime.values[-SP:],volumeMin, days.Volume.values[-SP:], facecolor='#00ffe8', alpha=.4)

ax1v.axes.yaxis.set_ticklabels([])

ax1v.grid(False)

###Edit this to 3, so it's a bit larger

ax1v.set_ylim(0, 3*days.Volume.values.max())

ax1v.spines['bottom'].set_color("#5998ff")

ax1v.spines['top'].set_color("#5998ff")

ax1v.spines['left'].set_color("#5998ff")

ax1v.spines['right'].set_color("#5998ff")

ax1v.tick_params(axis='x', colors='w')

ax1v.tick_params(axis='y', colors='w')

注意这里不是家里一个新的ax，而是从ax1上加入了个twinx，从而和k线共用x轴。效果如下：

绘制MACD

我们再在最下面画出MACD图。经过了前面那些步骤，你一定知道只要增加个新的子图就好了。是的，程序比较简单：

# plot an MACD indicator on bottom

ax2 = plt.subplot2grid((6,4), (5,0), sharex=ax1, rowspan=1, colspan=4, axisbg='#07000d')

fillcolor = '#00ffe8'

nslow = 26

nfast = 12

nema = 9

emaslow, emafast, macd = computeMACD(daysreshape.Close.values)

ema9 = ExpMovingAverage(macd, nema)

ax2.plot(daysreshape.DateTime.values[-SP:], macd[-SP:], color='#4ee6fd', lw=2)

ax2.plot(daysreshape.DateTime.values[-SP:], ema9[-SP:], color='#e1edf9', lw=1)

ax2.fill_between(daysreshape.DateTime.values[-SP:], macd[-SP:]-ema9[-SP:], 0, alpha=0.5, facecolor=fillcolor, edgecolor=fillcolor)

plt.gca().yaxis.set_major_locator(mticker.MaxNLocator(prune='upper'))

ax2.spines['bottom'].set_color("#5998ff")

ax2.spines['top'].set_color("#5998ff")

ax2.spines['left'].set_color("#5998ff")

ax2.spines['right'].set_color("#5998ff")

ax2.tick_params(axis='x', colors='w')

ax2.tick_params(axis='y', colors='w')

plt.ylabel('MACD', color='w')

ax2.yaxis.set_major_locator(mticker.MaxNLocator(nbins=5, prune='upper'))

for label in ax2.xaxis.get_ticklabels():

label.set_rotation(45)

运行效果如下：

收尾

不知你注意到没有，上图有几个问题：

x轴日期出现了三次

没有title

下面我们做一些美化工作，并演示如何加入一个提示点，将来你可以用它来展示自己量化操作的节点：

plt.suptitle(stock_b_code,color='w')

plt.setp(ax0.get_xticklabels(), visible=False)

plt.setp(ax1.get_xticklabels(), visible=False)

# Mark big event

# TODO: Make a real case here

ax1.annotate('BreakNews!',(daysreshape.DateTime.values[155],Av1[155]),

xytext=(0.8, 0.9), textcoords='axes fraction',

arrowprops=dict(facecolor='white', shrink=0.05),

fontsize=10, color = 'w',

horizontalalignment='right', verticalalignment='bottom')

plt.subplots_adjust(left=.09, bottom=.14, right=.94, top=.95, wspace=.20, hspace=0)

plt.show()

好了，大功告成：

结语

大家可能注意到了，有很多代码在配色。是的，如果我们把所有的colorxxx都删掉，也可以显示出大致的曲线，但是却非常难看。这也是为什么要改变缺省matplotlib配色的原因。

大家可以实验一下更新前面的几个全局变量，比如换一换股票、MA或者开始结束日期什么的，这里给大家一个思考题：

在readstkData（）切片时为什么只切了结束时间没有切开始时间？SP变量是干什么用的？

欢迎关注本专栏！

原文地址：https://zhuanlan.zhihu.com/p/29519040

python画k线图_一步一步教你用Python画出专业的K线图相关推荐

python画卡通皮卡丘_实现童年Pokémon，教你用Python画一只属于自己的皮卡丘
原标题:实现童年Pokémon,教你用Python画一只属于自己的皮卡丘大数据文摘出品作者:李雷.蒋宝尚还记得小时候疯狂收集和交换神奇宝贝卡片的经历吗? 还记得和小伙伴拿着精灵球,一起召唤小精灵 ...
python模拟app抢票_亲测，手把手教你用Python抢票
大数据文摘作品,欢迎个人转发朋友圈,自媒体.媒体.机构转载务必申请授权,后台留言"机构名称+转载",申请过授权的不必再次申请,只要按约定转载即可,但文末需放置大数据文摘二维码. 大 ...
python短视频自动制作_拒绝降权！教你用 Python 确保制作的短视频独一无二
1. 场景前段时间有人私信我,说自己辛辛苦苦剪辑的短视频,上传到某平台后,由于播放量太大,收到降权的通知,直接导致这个账号废掉了! 其实,各大视频平台都有自己的一套鉴别算法,针对视频的二次创作, ...
python绘制蜡烛图_一步一步教你用Python画出专业的K线图
漂亮的界面是量化程序的脸面,直观专业的界面能帮助我们了解股票的走势和形象地展示量化交易的结果.本文介绍如何使用matplotlib做出专业的K线图和展示各种技术指标: matplotlib是受MATL ...
用python绘制股票图_一步一步教你用Python画出专业的K线图
漂亮的界面是量化程序的脸面,直观专业的界面能帮助我们了解股票的走势和形象地展示量化交易的结果.本文介绍如何使用matplotlib做出专业的K线图和展示各种技术指标: matplotlib是受MATL ...
python阶梯图_不会你还不懂怎么用Python制图吧？师兄教你如何学会绘制漂亮的阶梯图...
Python制图你真的会吗?一文学会如何绘制漂亮的阶梯图说到Python制图就不得不提matplotlib这个最为常用的库,matplotlib库作为Python经典的二维绘图库,在Python的数 ...
python量化投资系统构建_零基础搭建量化投资系统以Python为工具
章准备工作 1 1.1 Python简介 1 1.2 Python安装 3 1.3 Pip包管理工具 13 1.4 Python常用开发工具安装 19 1.5 Python集成开发环境Spyder的 ...
python怎么做彩票概率_小白学数据小抄放送 Python,R,大数据,机器学习
原标题:小白学数据小抄放送 Python,R,大数据,机器学习大数据文摘作品,转载要求见文末作者 | Elaine,田桂英,Aileen 导读:前段时间小白学数据专栏出了一期Python小抄表,后 ...
python路径规划算法可视化_路径规划问题：DIJKSTRA算法以及Python实现
一. DJKSTRA算法概述我们可以将地图抽象为Graph的数据结构,然后利用Graph的广度优先遍历算法(Breadth-First Search, BFS)解决无权重的High-Level的地图 ...

python画k线图_一步一步教你用Python画出专业的K线图

python画k线图_一步一步教你用Python画出专业的K线图相关推荐

最新文章

热门文章