原来Matplotlib能画股票K线图!!附代码

之前在一篇文章中提到Matplotlib可视化,甚至可以用来画股票K线图,许多同学也在问代码,这次来发个文回应下。

Python用matplotlib绘制K线图,需要配合talib、numpy、mpl_finance等第三方库来使用,效果展示如下:简单讲讲K线图的结构,我不搞股票,所以不太懂,特地查了资料。

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。

下面开始使用Matplotlib来绘制K线图,建议在notebook中编程和展示。

第一步:导入相关库

import talib
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import datetime
import mpl_finance as mpf
import warnings
import akshare as ak

warnings.filterwarnings('ignore')
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False

第二步:获取股票数据 这里从akshare库接口自动获取数据

def getdata(stock_symbol):
    global data_all
    # 所有股票实时数据
    data_all = ak.stock_zh_a_spot()

    # 单个股票历史行情数据
    global data
    data = ak.stock_zh_a_daily(symbol=stock_symbol, adjust="hfq")

    # 生成股票code和name
    global stock_code
    stock_code = data_all[data_all['symbol'] == stock_symbol].values[01]
    global stock_name
    stock_name = data_all[data_all['symbol'] == stock_symbol].values[02]
    
    print("数据加载完成")

getdata('sh600006')

第三步:绘制k线图

def kline(start_time,end_time):    
    # 处理数据
    global data
    data = data[start_time:end_time]
    # 10天均线
    sma_10 = talib.SMA(np.array(data['close']), 10)
    # 30天均线
    sma_30 = talib.SMA(np.array(data['close']), 30)
    # 添加图表
    global fig
    fig = plt.figure(figsize=(84),dpi=200)
    ax = fig.add_axes([0,0.2,1,0.5])
    ax2 = fig.add_axes([0,0,1,0.2])
    # 绘制K线图
    mpf.candlestick2_ochl(ax, data['open'], data['close'], data['high'], data['low'],
                     width=0.5, colorup='r', colordown='g', alpha=0.6)
    ax.set_xticks(range(0, len(data.index), 10))
    ax.plot(sma_10, label='10 日均线')
    ax.plot(sma_30, label='30 日均线')
    global stock_name
    ax.set_title("{0}K线图".format(stock_name))
    ax.legend(loc='upper left')
    ax.grid(True)
    # 绘制成交量柱状图
    mpf.volume_overlay(ax2, data['open'], data['close'], data['volume'], colorup='r', colordown='g', width=0.5, alpha=0.8)
    ax2.set_xticks(range(0, len(data.index), 10))
    ax2.set_xticklabels(data.index[::10].strftime('%Y-%m-%d'), rotation=30)
    plt.show()

start_time = '2021-06-01'
end_time = '2021-09-30'
kline(start_time,end_time)

在公众号后台回复:k,获取完整代




加入知识星球【我们谈论数据科学】

600+小伙伴一起学习!




相关推荐

  • 文末送书 | 大模型开发的及时雨!《LangChain实战》全新教程来袭
  • 五光十色的多模态大模型:浅探视觉-语言大模型的关键模块设计
  • 人人都能在本地电脑上部署LLama3大模型
  • Visual studio官方正版
  • 3Q大战14年后——马化腾周鸿祎握手 “泯恩仇”
  • “业界毒瘤”Oracle买下Java已有15年——埃里森才是它的伯乐?
  • 读了这四本书,你会更懂丹尼特
  • 最新版Spring Security6 视频教程来啦~
  • 工厂数字化转型实现路线
  • 24.8K Star炫酷好用!!!跨平台系统监控工具
  • 倒计时6天!7位院士与图灵奖得主齐聚,高规格AI主题盛会4月27日见
  • 我用这10招,能减少了80%的BUG
  • 五一抢票难,Python抢票脚本,火了!
  • 成都周报丨天府科创投出手,中西部人形机器人研发机构落地
  • 最少50亿,本周最大一笔融资丨投融周报
  • 本地运行 Llama 3,可以中文,但不强
  • 今日arXiv最热NLP大模型论文:微软发布可视思维链VoT,提高大模型空间想象力
  • AI安全之问:我们的智能助手真的安全吗?
  • 研究了两年后,我发现领域的开山之作是瞎编的
  • 终于看到一个不在 Backbone上研究 ResNet的了!直接优化小目标检测性能,不卷ImageNet-1K数据集!