应用Python绘制一幅业余的K线图，是量化投资和金融数据分析的必备功课。
上面我将从K线图简介、数据获取、K线图绘制及成交量绘制等方面，联合源代码，一步步实现业余K线图的绘制。
K线图简介
K线图又被成为“蜡烛图”、“阴阳线”等，它在视觉效果上能够很清晰得凸显出市场多空局势，K线图成为大家查看行情数据以及各式量化剖析不可或缺的一环。在K线图常见的时间跨度分钟、日、周以及月。
K线由高开低收四个价格绘制而成。分为阳线与阴线两种，收盘价高于开盘价时为阳线，收盘价低于开盘价时为阴线；K线图的示意图如下：
K线由矩形实体与高低两根影线组成，实体上方的影线成为上影线，下方的成为下影线。实体与阴线绝对长短，可造成多种状态。
1、股票数据
咱们从 [恒无数] (https://udata.hs.net/home?cha...)金融数据社区，获取股票市场历史行情数据。咱们获取2021年6月1号至2021年8月1号，恒生电子（600570.SH）的日行情数据，代码及执行后果如下。
# 加载取数与绘图所需的函数包import pandas as pdimport datetimefrom hs_udata import set_token,stock_quote_dailyfrom mpl_finance import candlestick_ohlcimport matplotlib as mplimport matplotlib.pyplot as pltimport matplotlib.dates as mdatesmpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体mpl.rcParams['axes.unicode_minus'] = False # 解决保留图像是负号'-'显示为方块的问题def GetData(stock_code,start,end): #stock_code：获取股票数据的股票代码 # start：开始日期 # end：完结日期 date_start=datetime.datetime.strptime(start,'%Y-%m-%d') date_end =datetime.datetime.strptime(end,'%Y-%m-%d') data = pd.DataFrame([]) while date_start<date_end: # 获取日行情数据，接口阐明见 https://udata.hs.net/datas/332/ # adjust_way枚举值为：0-不复权，1-前复权，2-后复权，此处取前复权 data_i = stock_quote_daily(en_prod_code=stock_code ,trading_date=date_start.strftime('%Y%m%d') ,adjust_way = 1) data=pd.concat([data,data_i],axis=0) # 将行情数据按行拼接 date_start+=datetime.timedelta(days=1) # 日期变量自增 # 返回行情数据 return data#1、获取行情数据stock_code = "600570.SH" # 恒生电子 股票代码是600570.SHstart='2021-06-01'end ='2021-08-01'set_token(token = 'xxxxxxxxxxxxxxxxxxxxxxxx') # 注册后，获取并替换tokendata = GetData(stock_code,start,end)data2、数据处理
因为恒无数的stock_quote_daily接口返回参数较多，蕴含了非交易日及停牌日期的数据。应用candlestick_ohlc包绘制K线图时，须要将日期转为数值。程序代码与执行后果如下：
#2、数据处理data = data.loc[data.turnover_status=='交易'] # 剔除非交易日data_price = data[['trading_date','open_price','high_price','low_price','close_price' ,'business_amount']] # 选取日期、高开低收价格、成交量数据data_price.set_index('trading_date', inplace=True) # 将日期作为索引data_price = data_price.astype(float) # 将价格数据类型转为浮点数# 将日期格局转为 candlestick_ohlc 可辨认的数值data_price['Date'] = list(map(lambda x:mdates.date2num(datetime.datetime.strptime(x,'%Y-%m-%d')),data_price.index.tolist()))data_price3、绘制K线
应用mpl_finance函数包中candlestick_ohlc函数进行绘图，程序如下：
#3、绘制K线图# 提取绘图数据ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]f1, ax = plt.subplots(figsize = (12,6)) # 创立图片candlestick_ohlc(ax, ohlc.values.tolist(), width=.7 , colorup='red', colordown='green') # 应用candlestick_ohlc绘图ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d')) # 设置横轴日期格局plt.xticks(rotation=30) # 日期显示的旋转角度plt.title(stock_code,fontsize = 14) # 设置图片题目plt.xlabel('日 期',fontsize = 14) # 设置横轴题目plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴题目plt.show()4、去除图中非交易日
因为candlestick_ohlc函数默认绘制的K线图并未剔出非交易日（周末、节假日和停牌日期），导致K线之间存在空白距离。上面咱们通过批改绘图数据中横轴数据，批改横轴标注日期，实现剔除图中的非交易日数据。
# 4、去除非交易日的距离ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]ohlc.loc[:,'Date'] = range(len(ohlc)) # 从新赋值横轴数据，使横轴数据为间断数值# 绘图f1, ax = plt.subplots(figsize = (12,6))candlestick_ohlc(ax, ohlc.values.tolist(), width=.7, colorup='red', colordown='green')plt.xticks(rotation=30) # 日期显示的旋转角度plt.title(stock_code,fontsize = 14) # 设置图片题目plt.xlabel('日 期',fontsize = 14) # 设置横轴题目plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴题目# 批改横轴标注日期date_list = ohlc.index.tolist() # 获取日期列表xticks_len = round(len(date_list)/(len(ax.get_xticks())-1)) # 获取默认横轴标注的距离xticks_num = range(0,len(date_list),xticks_len) # 生成横轴标注地位列表xticks_str = list(map(lambda x:date_list[int(x)],xticks_num)) # 生成正在标注日期列表ax.set_xticks(xticks_num) # 设置横轴标注地位ax.set_xticklabels(xticks_str) # 设置横轴标注日期plt.show()5、在K线图中，增加成交量
K线图中，除了K线数据，个别还配有成交量数据。恒无数的stock_quote_daily接口返回的数据中，也有成交量数据。将K线图与成交量绘制在同一张图的程序如下：
#5、绘制成交量fig = plt.figure(figsize=(12,10))grid = plt.GridSpec(12, 10, wspace=0.5, hspace=0.5)#（1）绘制K线图# K线数据ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]ohlc.loc[:,'Date'] = range(len(ohlc)) # 从新赋值横轴数据，绘制K线图无距离# 绘制K线ax1 = fig.add_subplot(grid[0:8,0:12]) # 设置K线图的尺寸candlestick_ohlc(ax1, ohlc.values.tolist(), width=.7 , colorup='red', colordown='green')plt.title(stock_code,fontsize = 14) # 设置图片题目plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴题目ax1.set_xticks([]) # 日期标注在成交量中，故清空此处x轴刻度ax1.set_xticklabels([]) # 日期标注在成交量中，故清空此处x轴 #（2）绘制成交量# 成交量数据data_volume = data_price[['Date','close_price','open_price','business_amount']]data_volume['color'] = data_volume.apply(lambda row: 1 if row['close_price'] >= row['open_price'] else 0, axis=1) # 计算成交量柱状图对应的色彩，使之与K线色彩统一data_volume.Date = ohlc.Date# 绘制成交量ax2 = fig.add_subplot(grid[8:10,0:12]) # 设置成交量图形尺寸ax2.bar(data_volume.query('color==1')['Date'] , data_volume.query('color==1')['business_amount'] , color='r') # 绘制红色柱状图ax2.bar(data_volume.query('color==0')['Date'] , data_volume.query('color==0')['business_amount'] , color='g') # 绘制绿色柱状图plt.xticks(rotation=30) plt.xlabel('日 期',fontsize = 14) # 设置横轴题目# 批改横轴日期标注date_list = ohlc.index.tolist() # 获取日期列表xticks_len = round(len(date_list)/(len(ax2.get_xticks())-1)) # 获取默认横轴标注的距离xticks_num = range(0,len(date_list),xticks_len) # 生成横轴标注地位列表xticks_str = list(map(lambda x:date_list[int(x)],xticks_num)) # 生成正在标注日期列表ax2.set_xticks(xticks_num) # 设置横轴标注地位ax2.set_xticklabels(xticks_str) # 设置横轴标注日期plt.show()至此一幅业余的K线图便绘制结束了。
下篇文章，咱们将在图中增加均线及常见技术指标走势图，敬请期待。