前段时间美股熔断，据悉这次熔断是自美股有熔断机制30年来第二次，成了头条新闻。对股票一窍不通的我也在此情此景进行了一波学习，股市的变化瞬息万千，有一种图可以用来清晰地反应一段时间内股市的变化情况，它就是K线图。
今天我们用Python基于两种不同的方式来绘制K线图，它们都是Python可视化的好帮手——Matplotlib、Pyecharts。
K线图这种图表源处于日本德川幕府时代，被当时日本米市的商人用来记录米市的行情与价格波动，后因其细腻独到的标画方式而被引入到股市及期货市场。目前，这种图表分析法在我国以至整个东南亚地区均尤为流行。由于用这种方法绘制出来的图表形状颇似一根根蜡烛，加上这些蜡烛有黑白之分，因而也叫阴阳线图表。
K线图由周期内的开盘价、最高价、最低价以及收盘价绘制而成。首先选择该日的最高价和最低价，垂直连线，接着将改日的开盘价和收盘价连成一个长方体。如果该日的开盘价高于收盘价，以绿色来表示（跌了），反之以红色来表示（涨了）。这便是K线图绘制的原理，而Matplotlib、Pyecharts都已经给我们写好了绘制K线图的方法，我们仅需调用这些方法。
生成数据这边我为了方便绘图根据这些数据之间简单的逻辑关系，随机生成了一个月的股市数据，数据顺序具体为日期，开盘价，最高价，最低价，收盘价。
start="2020-1-1"
data=[]
for i in range(31):
random_data=[random.randint(2000,2500) for _ in range(4)]
sorted_data=sorted(random_data)
day=date2num(datetime.datetime.strptime(start,'%Y-%m-%d'))
print(day)
if i==0:
one=(day,sorted_data[1],sorted_data[3],sorted_data[0],sorted_data[2]) if random.random()>0.5 else (day,sorted_data[2],sorted_data[3],sorted_data[0],sorted_data[1])
else:
one=(day+i,sorted_data[1],sorted_data[3],sorted_data[0],sorted_data[2]) if random.random()>0.5 else (day+i,sorted_data[2],sorted_data[3],sorted_data[0],sorted_data[1])
data.append(one)Matplotlib绘制
from matplotlib import pyplot as plt
from mpl_finance import candlestick_ohlc
fig,ax=plt.subplots(facecolor="white",figsize=(12,8))
fig.subplots_adjust(bottom=0.1)
ax.xaxis_date()
plt.xticks(rotation=30)
plt.title('K-line')
plt.xlabel('time')
plt.ylabel('price')
candlestick_ohlc(ax,data,width=0.5,colorup='r',colordown='green')
plt.grid(True)Pyecharts绘制
c=(
Kline()
.add_xaxis(["2017/7/{}".format(i + 1) for i in range(31)])
.add_yaxis("kline",
data,
itemstyle_opts=opts.ItemStyleOpts(
color="#ec0000",
color0="#00da3c",
border_color="#8A0000",
border_color0="#008F28",
)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(is_scale=True),
yaxis_opts=opts.AxisOpts(
is_scale=True,
splitarea_opts=opts.SplitAreaOpts(
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
title_opts=opts.TitleOpts(title="K-line"),
)
)
c.render("k-line.html")另外，我们还可以设置伸缩坐标轴，便于放大缩小观察k线图。
|
QQ好友和群
