量化投资系列之《股票日行情数据可视化》
k 线图可视化很重要，西医有望闻问切，股票 k 线状态很重要，把握可视化技术，为后续可视化报告打下基础。
装置
装置 matplotlib 库，数据可视化库
pip install -U matplotlib装置 mplfinance 库，股票 k 线图可视化库
pip install --upgrade mplfinancematplotlib 根底
matplotlib Python 2D-绘图畛域应用最宽泛的套件，它很轻松的将数据可视化，理解 matplotlib ，请学习教程1 链接[2]，教程2 链接[3]
plt 函数
| 函数 | 形容 | 函数 | 形容 |
|---|---|---|---|
| plt.plot(x,y) | 画线 | plt.title('title') | 增加图标题目 |
| plt.xlabel('x轴') | x轴标签 | plt.ylabel('y轴') | y轴标签 |
中文问题
办法一
# 用来失常显示中文标签plt.rcParams['font.sans-serif'] = ['SimHei']# 解决负号显示方块问题plt.rcParams['axes.unicode_minus'] = False办法二
# 下载字体放在工程，例如'font/SourceHanSansSC-Bold.otf'，而后援用zhfont1 = mpl.font_manager.FontProperties(fname='字体门路')# 题目格局，字体为中文字体，色彩为彩色，粗体，程度核心对齐title_font = {'fontproperties': zhfont1, 'size': '16', 'color': 'black', 'weight': 'bold', 'va': 'bottom', 'ha': 'center'}plt.title('测试', **title_font)多图绘制
画布和多张子图概念，在画布 figure 上绘制多张子图 axes . 常采纳 subplot() 函数或 subplots() 函数进行绘制。
figure 对象
| 参数 | 类型 | 默认值 | 形容 |
|---|---|---|---|
| num | int | 1 | 图像数量 |
| figsize | tuple | figure.figsize | 图像的长和宽（英寸） |
| dpi | int | figure.dpi | 分辨率（点/英寸） |
| facecolor | tuple | figure.facecolor | 绘制区域背景色 |
| edgecolor | tuple | figure.edgecolor | 绘图区域边缘的色彩 |
| frameon | bool | True | 是否绘制图像边缘 |
Axes 对象
plt.axes([left, bottom, width, height])axes 对象是个列表，四个数值别离是绝对于 figure 对象左下角坐标的左间隔、底部间隔、宽、高。
示例代码
fig = plt.figure(figsize=(10, 8), dpi=80, facecolor=(0.82, 0.83, 0.85), edgecolor=(1, 1, 1), frameon=True)# 设置图片边缘间隔plt.subplots_adjust(left=0.08, right=0.92, top=0.92, bottom=0.08)# 用来失常显示中文标签plt.rcParams['font.sans-serif'] = ['SimHei']# 解决负号显示方块问题plt.rcParams['axes.unicode_minus'] = Falseplt.title('绘制多子图')plt.xlabel('x 轴')plt.ylabel('y 轴')plt.grid(color='r', linestyle='--', linewidth=0.5)plt.axes([0.1, 0.1, .5, .5])# 设置横轴记号 设置纵轴记号plt.xticks([]), plt.yticks([])plt.text(0.1, 0.1, 'axes([0.1,0.1,.5,.5])', ha='left', va='center', size=16, alpha=.5)plt.axes([0.2, 0.2, .5, .5])plt.xticks([]), plt.yticks([])plt.text(0.1, 0.1, 'axes([0.2,0.2,.5,.5])', ha='left', va='center', size=16, alpha=.5)plt.axes([0.3, 0.3, .5, .5])plt.xticks([]), plt.yticks([])plt.text(0.1, 0.1, 'axes([0.3,0.3,.5,.5])', ha='left', va='center', size=16, alpha=.5)plt.axes([0.4, 0.4, .5, .5])plt.xticks([]), plt.yticks([])plt.text(0.1, 0.1, 'axes([0.4,0.4,.5,.5])', ha='left', va='center', size=16, alpha=.5)plt.show()成果：
mplfinance 库应用
mplfinance 外面提供的函数，其实封装了 pyplot 库，实质上是 pyplot 库 k 线的定制版。
蜡烛图
画图之前，先理解下蜡烛图概念，蜡烛线将各种股票每日、每周、每月开盘价、收盘价、最高价、最低价等涨跌变动情况，用图形形式体现进去，即蜡烛图。如下图所示，K线最上方细线称为上影线，两头条粗线为实体。上面的细线为下影线。
如图所示：
绘制
自定义格调
要害函数 mpf.make_mpf_style() 和 mpf.make_marketcolors()
# 设置marketcolors # up:设置K线线柱色彩，up意为收盘价大于等于开盘价 # down:与up相同，这样设置与国内K线色彩规范相符 # edge:K线线柱边缘色彩(i代表继承自up和down的色彩)，下同。详见官网文档) # wick:灯芯(上下影线)色彩 # volume:成交量直方图的色彩 # inherit:是否继承，选填 mc = mpf.make_marketcolors( up='red', down='green', edge='in', wick='in', volume='in', inherit=True) # 设置图形格调 # gridaxis:设置网格线地位 # gridstyle:设置网格线线型 # y_on_right:设置y轴地位是否在右 m_style = mpf.make_mpf_style( gridaxis='both', gridstyle='-.', figcolor='(0.82, 0.83, 0.85)', gridcolor='(0.82, 0.83, 0.85)', y_on_right=False, marketcolors=mc)简略绘制
mpf.plot(df.iloc[20:147], style=m_style, type='candle', volume=True)进阶绘制
按自定义格调，曾经能够失去了一张简略蕴含 k 线和成交量的图，但还想显示更多指标，例如 KDJ，MACD 等，表格顶部区域预留空白显示价格等指标。所以须要用到库的 External Axes Mode 模式绘制。
在 External Axes Mode 模式下，能够更自在画布上的每个图标和文字元素，取得更大的绘制自在。
定制对象
为了能更大的获取绘制自由度，须要获取画布对象 figure、子图 Axes 、文字 Text。文字和图表的地位、大小、格局齐全自定义。参数应用解析，请查看下面的 matplotlib 多图绘制。
生成主画布 fig，日行情 k 线子图 ax1，成交量子图 ax2，macd 子图 ax3。
# 获取figure对象，以便对Axes对象和figure对象的自在管制fig = mpf.figure(style=m_style, figsize=(12, 8), facecolor=(0.82, 0.83, 0.85))# 主图绝对figure 底部 0.06，0.25，宽（0.88）、高（0.60）ax1 = fig.add_axes([0.06, 0.25, 0.88, 0.60])# 指标图 sharex 关键字指明与ax1在x轴上对齐，且共用x轴ax2 = fig.add_axes([0.06, 0.15, 0.88, 0.10], sharex=ax1)# macdax3 = fig.add_axes([0.06, 0.05, 0.88, 0.10], sharex=ax1)# 设置y轴标签ax1.set_ylabel('price')ax2.set_ylabel('volume')ax3.set_ylabel('macd')字体自定义
# 下载的字体门路zhfont = mpl.font_manager.FontProperties(fname=sc.text_font)# 题目格局，字体为中文字体，色彩为彩色，粗体，程度核心对齐title_font = {'fontproperties': zhfont, 'size': '16', 'color': 'black', 'weight': 'bold', 'va': 'bottom', 'ha': 'center'}# 红色数字格局（显示收盘收盘价）粗体红色24号字large_red_font = {'fontproperties': zhfont, 'size': '24', 'color': 'red', 'weight': 'bold', 'va': 'bottom'}# 绿色数字格局（显示收盘收盘价）粗体绿色24号字large_green_font = {'fontproperties': zhfont, 'size': '24', 'color': 'green', 'weight': 'bold', 'va': 'bottom'}# 小数字格局（显示其余价格信息）粗体红色12号字small_red_font = {'fontproperties': zhfont, 'size': '12', 'color': 'red', 'weight': 'bold', 'va': 'bottom'}# 小数字格局（显示其余价格信息）粗体绿色12号字small_green_font = {'fontproperties': zhfont, 'size': '12', 'color': 'green', 'weight': 'bold', 'va': 'bottom'}# 标签格局，能够显示中文，一般彩色12号字normal_label_font = {'fontproperties': zhfont, 'size': '12', 'color': 'black', 'va': 'bottom', 'ha': 'right'}# 一般文本格式，一般彩色12号字normal_font = {'fontproperties': zhfont, 'size': '12', 'color': 'black', 'va': 'bottom', 'ha': 'left'}Ta-lib 获取金融指标 MA ,MACD
talib 是一个金融指标库，蕴含 150 种罕用金融指标，github 地址[5]
计算5日、10日、20日、60日均线
N = [5, 10, 20, 60] for i in N: df['MA' + str(i)] = ta.EMA(df['Close'], timeperiod=i)计算 macd 指标
# 通过金融库 talib 生成MACD指标，short_win = 12 # 短期EMA平滑天数long_win = 26 # 长期EMA平滑天数macd_win = 9 # DEA线平滑天数macd_tmp = ta.MACD(df['Close'], fastperiod=short_win, slowperiod=long_win, signalperiod=macd_win)DIF = macd_tmp[0][start_index:end_index]DEA = macd_tmp[1][start_index:end_index]MACD = macd_tmp[2][start_index:end_index]增加指标到子图
留神，最初 mpf.plot 绘制是须要增加指标参数 addplot=ap
ap = []ap.append(mpf.make_addplot(df[['MA5', 'MA10', 'MA20', 'MA60']].iloc[start_index:end_index], ax=ax1))mpf.plot(df_data, ax=ax1, volume=ax2, addplot=ap, style=m_style, type='candle')残缺示例
绘制安全银行 2022-01-01 到 2022-09-30，残缺的日行情 k 线图，增加头部股票简述、均线指标、成交量指标、macd 指标。
代码
"""用于绘制股票k线"""import matplotlib as mplimport matplotlib.pyplot as pltimport mplfinance as mpfimport numpy as npimport talib as taimport stock_constant as scimport stock_db as sdb# 下载的字体门路zhfont = mpl.font_manager.FontProperties(fname=sc.text_font)# 题目格局，字体为中文字体，色彩为彩色，粗体，程度核心对齐title_font = {'fontproperties': zhfont, 'size': '16', 'color': 'black', 'weight': 'bold', 'va': 'bottom', 'ha': 'center'}# 红色数字格局（显示收盘收盘价）粗体红色24号字large_red_font = {'fontproperties': zhfont, 'size': '24', 'color': 'red', 'weight': 'bold', 'va': 'bottom'}# 绿色数字格局（显示收盘收盘价）粗体绿色24号字large_green_font = {'fontproperties': zhfont, 'size': '24', 'color': 'green', 'weight': 'bold', 'va': 'bottom'}# 小数字格局（显示其余价格信息）粗体红色12号字small_red_font = {'fontproperties': zhfont, 'size': '12', 'color': 'red', 'weight': 'bold', 'va': 'bottom'}# 小数字格局（显示其余价格信息）粗体绿色12号字small_green_font = {'fontproperties': zhfont, 'size': '12', 'color': 'green', 'weight': 'bold', 'va': 'bottom'}# 标签格局，能够显示中文，一般彩色12号字normal_label_font = {'fontproperties': zhfont, 'size': '12', 'color': 'black', 'va': 'bottom', 'ha': 'right'}# 一般文本格式，一般彩色12号字normal_font = {'fontproperties': zhfont, 'size': '12', 'color': 'black', 'va': 'bottom', 'ha': 'left'}def kline(code, start_time, end_time): """ 绘制某股票某时间段的日行情k线图 :param code: :param start_time: :param end_time: :return: """ # 数据库读取数据 df = sdb.stock_daily(code=code, start_time=start_time, end_time=end_time) print(df) # 重命名列 df.rename( columns={ 'date': 'Date', 'open': 'Open', 'high': 'High', 'low': 'Low', 'close': 'Close', 'volume': 'Volume'}, inplace=True) start_index = 20 end_index = 147 df_data = df.iloc[start_index:end_index] # 读取显示区间最初一个交易日的数据 last_data = df_data.iloc[-1] # 设置图片边缘间隔 plt.subplots_adjust(left=0.08, right=0.92, top=0.92, bottom=0.08) # 设置marketcolors # up:设置K线线柱色彩，up意为收盘价大于等于开盘价 # down:与up相同，这样设置与国内K线色彩规范相符 # edge:K线线柱边缘色彩(i代表继承自up和down的色彩)，下同。详见官网文档) # wick:灯芯(上下影线)色彩 # volume:成交量直方图的色彩 # inherit:是否继承，选填 mc = mpf.make_marketcolors( up='red', down='green', edge='in', wick='in', volume='in', inherit=True) # 设置图形格调 # gridaxis:设置网格线地位 # gridstyle:设置网格线线型 # y_on_right:设置y轴地位是否在右 m_style = mpf.make_mpf_style( gridaxis='both', gridstyle='-.', figcolor='(0.82, 0.83, 0.85)', gridcolor='(0.82, 0.83, 0.85)', y_on_right=False, marketcolors=mc) # 获取figure对象，以便对Axes对象和figure对象的自在管制 fig = mpf.figure(style=m_style, figsize=(12, 8), facecolor=(0.82, 0.83, 0.85)) # 主图绝对figure 底部 0.06，0.25，宽（0.88）、高（0.60） ax1 = fig.add_axes([0.06, 0.25, 0.88, 0.60]) # 指标图 sharex 关键字指明与ax1在x轴上对齐，且共用x轴 ax2 = fig.add_axes([0.06, 0.15, 0.88, 0.10], sharex=ax1) # macd ax3 = fig.add_axes([0.06, 0.05, 0.88, 0.10], sharex=ax1) # 设置y轴标签 ax1.set_ylabel('price') ax2.set_ylabel('volume') ax3.set_ylabel('macd') # 在figure对象上增加文本对象，用于显示各种价格和题目 fig.text(0.50, 0.94, '安全银行', **title_font) fig.text(0.12, 0.90, '开/收: ', **normal_label_font) fig.text(0.14, 0.89, '%.2f / %.2f' % (np.around(last_data["Open"], 2), np.round(last_data["Close"], 2)), **large_red_font) fig.text(0.12, 0.86, f'{last_data.name.date()}', **normal_label_font) change = last_data["Close"] - last_data["Open"] fig.text(0.14, 0.86, '%.2f' % change, **small_red_font) change_percent = (change / last_data["Open"]) * 100 fig.text(0.22, 0.86, '%.2f%%' % change_percent, **small_red_font) fig.text(0.40, 0.90, '高: ', **normal_label_font) fig.text(0.40, 0.90, '%.2f' % (last_data["High"]), **small_red_font) fig.text(0.40, 0.86, '低: ', **normal_label_font) fig.text(0.40, 0.86, '%.2f' % (last_data["Low"]), **small_green_font) fig.text(0.55, 0.90, '量(万手): ', **normal_label_font) fig.text(0.55, 0.90, '%.2f' % (np.round(last_data["Volume"] / 10000, 3)), **normal_font) fig.text(0.55, 0.86, '额(亿元): ', **normal_label_font) fig.text(0.55, 0.86, '%.2f' % (last_data["amount"] / 100000000), **normal_font) ap = [] # 通过金融库 talib 生成挪动平均线，为了生成没空白的，应用原数据 N = [5, 10, 20, 60] for i in N: df['MA' + str(i)] = ta.EMA(df['Close'], timeperiod=i) # 通过ax=ax1参数指定把新的线条增加到ax1中，与K线图重叠 # 通过ax=ax1参数指定把新的线条增加到ax1中，与K线图重叠，留神均线切片iloc[20:147]与ax1工夫维度一样 ap.append(mpf.make_addplot(df[['MA5', 'MA10', 'MA20', 'MA60']].iloc[start_index:end_index], ax=ax1)) # 通过金融库 talib 生成MACD指标， short_win = 12 # 短期EMA平滑天数 long_win = 26 # 长期EMA平滑天数 macd_win = 9 # DEA线平滑天数 macd_tmp = ta.MACD(df['Close'], fastperiod=short_win, slowperiod=long_win, signalperiod=macd_win) DIF = macd_tmp[0][start_index:end_index] DEA = macd_tmp[1][start_index:end_index] MACD = macd_tmp[2][start_index:end_index] # 生成一个空列表用于存储多个addplot # 在ax3图表中绘制 MACD指标中的快线和慢线 ap.append(mpf.make_addplot(DIF, ax=ax3)) ap.append(mpf.make_addplot(DEA, ax=ax3)) # 应用柱状图绘制快线和慢线的差值，依据差值的数值大小，别离用红色和绿色填充 # 红色和绿色局部须要别离填充，因而学生成两组数据，别离蕴含大于零和小于等于零的数据 bar_r = np.where(MACD > 0, MACD, 0) bar_g = np.where(MACD <= 0, MACD, 0) # 应用柱状图填充（type='bar')，设置色彩别离为红色和绿色 ap.append(mpf.make_addplot(bar_r, type='bar', color='red', ax=ax3)) ap.append(mpf.make_addplot(bar_g, type='bar', color='green', ax=ax3)) # 留神增加均线参数，macd, addplot=ap mpf.plot(df_data, ax=ax1, volume=ax2, addplot=ap, style=m_style, type='candle') fig.show()if __name__ == '__main__': kline('000001', '2022-01-01', '2022-09-30') pass效果图：
下篇预报
回测神器框架 backtrader 的应用
学习到当初，曾经具备了股票代码本地化，k 线可视化，前面的重头戏是如何编写复利策略，并应用历史数据进行回测，测验策略是否无效。
考察了不少回测框架，最终抉择 backtrader 这个框架。这框架模块划分很明确，尽管回测速度慢点，然而社区曾经稳固齐全，全副由 python 编写，也不便后续的优化和接入机器学习。
就选它，就选它，就选它，回测神器 backtrader。
参考链接
[1] mplfinance 库地址: https://github.com/matplotlib...
[2] matplotlib 教程1: https://www.runoob.com/matplo...
[3] matplotlib 教程2: https://www.runoob.com/w3cnot...
[4] k线可视化示例地址: https://blog.csdn.net/m0_6739...
[5] ta-lib 库地址: https://mrjbq7.github.io/ta-lib/
写于 2022 年 9 月 12 日 17:25:27
本文由mdnice多平台公布