Line（折线/面积图）

折线图是用折线将各个数据点标志连接起来的图表，用于展现数据的变化趋势。

from pyecharts import Lineattr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
v1 = [5, 20, 36, 10, 10, 100]
v2 = [55, 60, 16, 20, 15, 80]line = Line("折线图示例")
line.add("商家A", attr, v1, mark_point=["average"])
line.add("商家B", attr, v2, is_smooth=True, mark_line=["max", "average"])
line

<div id="5e3af1faa1ba40cab8c1fb3a453095e6" style="width:800px;height:400px;"></div>

line = Line("折线图示例")
line.add("商家A", attr, v1, mark_point=["average", "max", "min"],mark_point_symbol='diamond', mark_point_textcolor='#FFB90F')
line.add("商家B", attr, v2, mark_point=["average", "max", "min"],mark_point_symbol='arrow', mark_point_symbolsize=40)
line

<div id="60416be7c8af4ce892e39d302952c92b" style="width:800px;height:400px;"></div>

line = Line("折线图示例")
line.add("商家A", attr, v1,mark_point=["average", {"coord": ["裤子", 10], "name": "这是我想要的第一个标记点"}])
line.add("商家B", attr, v2, is_smooth=False,mark_point=[{"coord": ["袜子", 80], "name": "这是我想要的第二个标记点"}])
line

<div id="82a6125d50414621bf433b18e3e7a505" style="width:800px;height:400px;"></div>

line = Line("折线图-数据堆叠示例")
line.add("商家A", attr, v1, is_stack=True, is_label_show=True)
line.add("商家B", attr, v2, is_stack=True, is_label_show=True)
line

<div id="4f148660a64649f18174d50faeff101d" style="width:800px;height:400px;"></div>

阶梯图

line = Line("折线图-阶梯图示例")
line.add("商家A", attr, v1, is_step=True, is_label_show=True)
line

<div id="b8785eeb9c3d44d792568b10aa373523" style="width:800px;height:400px;"></div>

import pandas as pd
from pyecharts import Linemonths = pd.DataFrame(pd.date_range('11/1/2016', '4/1/2018', freq='M'), columns=['Date'])
months['YearMonth'] = months['Date'].apply(lambda x:x.strftime('%Y-%m'))

value = [54986,54946,54931,54778,54730,54619,54512,54492,54446,54382,54314,54288,54278,54256,54240,54191,54185]
line = Line("深圳近年新房均价走势图", "单位：元/m2 数据来源：深圳房地产信息网数据中心", width=1000)
line.add("新房均价", months['YearMonth'], value, is_smooth=True, xaxis_rotate=40)
line

<div id="17b31d63817f42418f3967da13a9f50a" style="width:1000px;height:400px;"></div>

import pandas as pd
from pyecharts import Lineline = Line("深圳近年新房均价走势图", "单位：元/m2 数据来源：深圳房地产信息网数据中心", width=1000)
line.add("新房均价", months['YearMonth'], value,
#          mark_point=["average"],is_label_show=True,is_smooth=True,xaxis_rotate=30,yaxis_min=54100, yaxis_max=55000,
#          yaxis_interval=200,yaxis_force_interval=100,)
line

<div id="e00ba33f67944056875199edd385a761" style="width:1000px;height:400px;"></div>

index

DatetimeIndex(['2016-10-31', '2016-11-30', '2016-12-31', '2017-01-31','2017-02-28', '2017-03-31', '2017-04-30', '2017-05-31','2017-06-30', '2017-07-31', '2017-08-31', '2017-09-30','2017-10-31', '2017-11-30', '2017-12-31', '2018-01-31','2018-02-28'],dtype='datetime64[ns]', freq='M')

line = Line("折线图-面积图示例")
line.add("商家A", attr, v1, is_fill=True, line_opacity=0.9,area_opacity=0.4, symbol=None)
line.add("商家B", attr, v2, is_fill=True, area_color='#000',area_opacity=0.3, is_smooth=True)
line

<div id="33113fc7c38443528d739c43631b75c5" style="width:800px;height:400px;"></div>

import math, random
line = Line("折线图示例")
line.add("商家A", attr, [math.log10(random.randint(1, 99999)) for _ in range(6)])
line.add("商家B", attr, [math.log10(random.randint(1, 99999999)) for _ in range(6)],yaxis_type="log")
line

<div id="c72cd82b5d7f416a8a85fbdb79e8262c" style="width:800px;height:400px;"></div>

from pyecharts import Lineattr = ['周一', '周二', '周三', '周四', '周五', '周六', '周日', ]
line = Line("折线图示例")
line.add("最高气温", attr, [11, 11, 15, 13, 12, 13, 10],mark_point=["max", "min"], mark_line=["average"])
line.add("最低气温", attr, [1, -2, 2, 5, 3, 2, 0],mark_point=["max", "min"],  mark_line=["average"],yaxis_formatter="°C")
# line.show_config()
line

<div id="2dd92506908d4dbc91d853424d032fe8" style="width:800px;height:400px;"></div>

Kline/Candlestick（K线图）

  • 红涨蓝跌
  • 日K线图又称阴阳烛，最初是日本米商用来表示米价涨跌状况的工具，后来引入股市，并逐渐风行于东南亚地区。K线图以其直观、立体感强的特点而深受投资者欢迎。
  • 股市及期货市场中的K线图的画法包含四个数据，即开盘价、最高价、最低价、收盘价，所有的k线都是围绕这四个数据展开，反映大势的状况和价格信息。如果把每日的K线图放在一张纸上，就能得到日K线图，同样也可画出周K线图、月K线图。

日K线图解：
[外链图片转存失败(img-2ysno376-1562741412391)(日K线图解.gif)]

from pyecharts import Kline# [open, close, lowest, highest]
v1 = [[2320.26, 2320.26, 2287.3, 2362.94], [2300, 2291.3, 2288.26, 2308.38],[2295.35, 2346.5, 2295.35, 2345.92], [2347.22, 2358.98, 2337.35, 2363.8],[2360.75, 2382.48, 2347.89, 2383.76], [2383.43, 2385.42, 2371.23, 2391.82],[2377.41, 2419.02, 2369.57, 2421.15], [2425.92, 2428.15, 2417.58, 2440.38],[2411, 2433.13, 2403.3, 2437.42], [2432.68, 2334.48, 2427.7, 2441.73],[2430.69, 2418.53, 2394.22, 2433.89], [2416.62, 2432.4, 2414.4, 2443.03],[2441.91, 2421.56, 2418.43, 2444.8], [2420.26, 2382.91, 2373.53, 2427.07],[2383.49, 2397.18, 2370.61, 2397.94], [2378.82, 2325.95, 2309.17, 2378.82],[2322.94, 2314.16, 2308.76, 2330.88], [2320.62, 2325.82, 2315.01, 2338.78],[2313.74, 2293.34, 2289.89, 2340.71], [2297.77, 2313.22, 2292.03, 2324.63],[2322.32, 2365.59, 2308.92, 2366.16], [2364.54, 2359.51, 2330.86, 2369.65],[2332.08, 2273.4, 2259.25, 2333.54], [2274.81, 2326.31, 2270.1, 2328.14],[2333.61, 2347.18, 2321.6, 2351.44], [2340.44, 2324.29, 2304.27, 2352.02],[2326.42, 2318.61, 2314.59, 2333.67], [2314.68, 2310.59, 2296.58, 2320.96],[2309.16, 2286.6, 2264.83, 2333.29], [2282.17, 2263.97, 2253.25, 2286.33],[2255.77, 2270.28, 2253.31, 2276.22]]
kline = Kline("K 线图示例")
kline.add("日K", ["2017/7/{}".format(i + 1) for i in range(31)], v1)
kline

<div id="dd2d3eb1333042fea7e0da557a419d15" style="width:800px;height:400px;"></div>

语法及参数

  • add(name, x_axis, y_axis, **kwargs)

    • name -> str 图例名称
    • x_axis -> list x 坐标轴数据
    • y_axis -> [list], 包含列表的列表 y 坐标轴数据。数据中，每一行是一个『数据项』，每一列属于一个『维度』。 数据项具体为 [open, close, lowest, highest] （即：[开盘值, 收盘值, 最低值, 最高值]）
kline = Kline("K 线图示例",width=1000)
kline.add("日K", ["2017/7/{}".format(i + 1) for i in range(31)], v1,mark_point=["max"], is_datazoom_show=True,datazoom_type='both',  # 区域缩放组件类型，默认为'slider'，有'slider', 'inside', 'both'可选)
kline

<div id="66d1e093e60e446798b95512ff48ba09" style="width:1000px;height:400px;"></div>

kline = Kline("K 线图示例", width=1000)
kline.add("日K", ["2017/7/{}".format(i + 1) for i in range(31)], v1,mark_point=["max"],
#           mark_line=["max"], mark_line_symbolsize=0,is_datazoom_show=True,datazoom_orient='vertical',datazoom_range=[20,50],  # 区域缩放的范围，默认为[50, 100])
kline

<div id="a3a0a01713294ab2bad0602e3498a76c" style="width:1000px;height:400px;"></div>

import tushare as ts
kl_pa = ts.get_hist_data('000001',start='2018-04-01',end='2018-05-20') # 一次性获取全部日k线数据，平安银行
kl_pa.head()
open high close low volume price_change p_change ma5 ma10 ma20 v_ma5 v_ma10 v_ma20 turnover
date
2018-05-18 10.81 10.97 10.96 10.76 578384.75 0.14 1.29 10.996 10.979 11.115 717559.95 788817.68 986204.70 0.34
2018-05-17 10.91 10.94 10.82 10.78 586494.38 -0.08 -0.73 11.006 10.951 11.142 756356.94 802030.15 1031077.73 0.35
2018-05-16 11.07 11.07 10.90 10.89 714362.06 -0.22 -1.98 11.044 10.944 11.162 749605.24 871516.27 1066847.59 0.42
2018-05-15 11.18 11.19 11.12 11.02 669261.44 -0.06 -0.54 11.058 10.942 11.172 732264.05 919132.39 1102483.12 0.40
2018-05-14 11.09 11.23 11.18 11.03 1039297.12 0.17 1.54 11.036 10.915 11.194 873072.89 1123185.82 1134032.85 0.61 
# kl_pa.iloc[:,[0,2,3,1]].values

kl_wk = ts.get_hist_data('000002',start='2018-04-01',end='2018-05-20') # 一次性获取全部日k线数据，万科Ａ股
kl_wk.head()
open high close low volume price_change p_change ma5 ma10 ma20 v_ma5 v_ma10 v_ma20 turnover
date
2018-05-18 26.70 27.15 27.15 26.53 407222.28 0.36 1.34 27.372 27.714 28.365 396398.42 420323.74 417136.68 0.42
2018-05-17 27.19 27.22 26.79 26.77 445623.88 -0.44 -1.62 27.530 27.690 28.510 378614.71 422139.87 413217.33 0.46
2018-05-16 27.55 27.75 27.23 27.21 373238.09 -0.52 -1.87 27.786 27.744 28.666 375417.84 431819.46 403846.02 0.38
2018-05-15 28.11 28.15 27.75 27.34 405069.28 -0.19 -0.68 27.980 27.789 28.806 382576.39 434212.73 411587.55 0.42
2018-05-14 28.08 28.29 27.94 27.87 350838.56 0.00 0.00 28.168 27.854 28.981 432726.03 431901.63 408912.72 0.36 
from pyecharts import Klinekline = Kline("平安银行 vs. 万科Ａ股 日K线图", width=1000)
kline.add("平安银行", kl_pa.index, kl_pa.iloc[:,[0,2,3,1]].values,mark_point=["max"],
#           mark_line=["max"], mark_line_symbolsize=0,is_datazoom_show=True)
kline.add("万科Ａ股", kl_wk.index, kl_wk.iloc[:,[0,2,3,1]].values,mark_point=["max"],
#           mark_line=["max"], mark_line_symbolsize=0,is_datazoom_show=True)
kline

<div id="07fb632b8fa844a9bf03271e353b1b43" style="width:1000px;height:400px;"></div>

折线图-面积图-K线图相关推荐

  1. k线图及单个k线图形态分析

    在学习黄金白银交易的过程中,对k线图及单个k线图形态的分析可以说是基础中的基础,投资者在识记和实际运用到时候,一定要对有影线和没影线的K线作出区分,因为它们之间意义大不相同. K线图又称蜡烛图,它是以 ...

  2. matlab 绘制一分钟k线图,手工绘制k线图?一天的k线图怎么画。

    如何手工绘制K线图 怎么确定时间和价格的比例? 请教:手画k线图(日.周.月.年),是取收盘价还是...?怎样画?谢. 如何用坐标纸画股票k线图 股票的K线图怎么画图.我想知道自己画图这方面的知识.. ...

  3. 【适合Python语言小白的股价图】利用Python中的matplotlib绘制股价图（非k线图）

    [适合Python语言小白的股价图]利用Python中的matplotlib绘制股价图(非k线图) 代码小白,最近做一家公司的股价复盘用到了matplotlib,在此做个小小的记录.代码的逻辑比较笨, ...

  4. Pyecharts数据可视化之折线图(阶梯图、平滑曲线图、面积图）、K线图、常用配置项

    安装pyecharts pip install pyecharts -U 本次使用jupyter notebook编写代码 折线图 # 引入相关包 from pyecharts.faker impor ...

  5. php k线图 echarts,股票K线图，折线图总结（echarts）

    此处利用bootstrap+echarts画布配置参数实现响应式,并且利用socket实时通信实现数据的实时更新 (一)介绍 ECharts (Enterprise Charts 商业产品图表库) E ...

  6. python画k线图_python画k线图

    广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! import datetime import pandas_datareader ...

  7. 一分钟学会看k线图_看K线图：阴跌如钝刀

    一天跌一点,每天都跌,一天天就创出了新低,这就是阴跌:以较小波动的逐级下跌为主.体现在K线上,每天的K线都实体较小,期间夹杂着小阳线,伴随着成交量的缩减. 近期伦镍就是如此的图形.从4月中下旬起持续下 ...

  8. python画k线图_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 ...

  9. python做k线图_python做k线图(15分钟k线的意义)

    北大荒... 大家对图中的巨量高开涨停是什么理解的... 庄家最后的出 日k线图又称阴阳烛,最初是日本米商用来表示米价涨跌状况的工具,后来引入股市,并逐渐风行于东南亚地区.k线图以其直观.立体感强的特 ...

  10. android自定义实现分时图,Android专业版K线图、分时图 android-kline

    android-kline 基于MPAndroidChart的专业K线图 简介 android-kline是Android平台的金融图表库,包括分时图和K线图.本项目通过继承的方式定制了最新版本的MP ...

最新文章

  1. linux 查看可执行文件动态链接库相关信息(转)
  2. 实现算法2.11、2.12的程序
  3. chrome vue插件_不容错过的 Chrome 插件推荐合集-开发者必备篇
  4. 二级VB培训笔记09：真考题库试卷75演练
  5. pareto解是什么意思_Pareto是什么意思
  6. ios调用系统的短信和发送邮件功能,实现短信分享邮件分享
  7. 垂直旋转转台电机选型_高精密YRT转台轴承概览
  8. php 的sentmail支持ssl吗_php 的swoole 和websocket 连接wss
  9. 如何设置无线网络中计算机的ip,电脑wifi怎么设置 电脑wifi设置教程详解
  10. Python爬虫——selenium爬取当当畅销图书排行
  11. 【Kotlin-Room】 cannot pick a constructor since multiple constructors are suitable
  12. 【微积分的本质|笔记】隐函数求导的意义与理解
  13. Cell | 共生菌群通过γδ T细胞促进肺癌的发展
  14. python爬取携程旅游评价信息词云图分析
  15. TypeScript 中slice(-1)是什么意思？
  16. 支付宝小程序获取用户信息及手机号
  17. DAY2-Ubuntu主题与终端的美化
  18. python创建虚拟环境慢_小灶时间-如果你还不会用Python虚拟环境
  19. 粉丝福利——二次元图片展示（屏保）
  20. root用户切换到普通用户

热门文章

  1. 【一键安装+Docker】无视系统，十几个ROS版本任你选择
  2. Bulma CSS - 简介
  3. 全国区号省份mysql_中国各个省份的区号
  4. mysql 查询所有表结构_mysql数据库查看表结构
  5. 杭州电子科技大学计算机研究生很好考吗,杭州电子科技大学考研难吗？一般要什么水平才可以进入？...
  6. python取系统日期前一天_python 获取前一天或前N天的日期
  7. 解决安卓手机WIFI热点选项消失问题
  8. win7计算机管理员权限才能删除,手把手教你解决win7系统删除C盘文件需要管理员权限的图文办法...
  9. 如何恢复计算机管理员帐号,如何恢复装系统时建的计算机管理员账户
  10. TCP协议——SYN/ACK的使用以及滑动窗口机制