接着上一篇文章《Pyecharts绘制K线图》,今天来继续完善所绘制K线图的内容。介绍如何实现股票成交量及标记信号的绘制。
一、成交量柱状图的绘制
成交量柱状图的绘制要用到Bar()。其用法与Kline()和Line()类似,添加XY轴数据,通过set_global_opts()设置全局属性。
简单的用法如下所示:
bar = (
Bar()
.add_xaxis(xaxis_data=list(df.index)) #X轴数据
.add_yaxis(
series_name="volume",
y_axis=df["volume"].tolist(), #Y轴数据
xaxis_index=1,
yaxis_index=1,
label_opts=opts.LabelOpts(is_show=False),
itemstyle_opts=opts.ItemStyleOpts(
color='#ef232a' #'#14b143'
),
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="category", #坐标轴类型-离散数据
grid_index=1,
axislabel_opts=opts.LabelOpts(is_show=False),
),
legend_opts=opts.LegendOpts(is_show=False),
)
)
成交量柱状图的数据为离散型,其X轴类型应该设为“category”。
二、图像纵向排列
Grid() 用来将多个图像纵向排列显示,方便进行不同类型图像元素的组合管理。这个功能比较简单,大家直接看实例就好了。
其中需要使用GridOpts来配置图形位置,常用属性为pos_left、pos_right、pos_top、pos_bottom,分别表示组件离容器左侧、右侧、上侧和下侧的距离。位置指定方式有三种:
像素,即直接给定像素值。
百分比,即相对于容器高宽的百分比。
方位,即left、right、center/top、middle、bottom,组件会根据相应的位置自动对齐。
完整的代码如下:
import akshare as ak
import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts
df = ak.stock_zh_a_hist(symbol="600036", start_date='20220101',end_date='20220916', adjust="qfq").iloc[:, :6]
df.columns = ['date','open','close','high','low','volume',]
# 把date作为日期索引
df.index = pd.to_datetime(df.date)
df.index=df.index.strftime('%Y%m%d')
df=df.sort_index()
df['sma']=df.close.rolling(5).mean()
df['lma']=df.close.rolling(10).mean()
#均线
line=Line()
line.add_xaxis( df.index.tolist() )
line.add_yaxis( 'MA5',df.sma.round(2).tolist(),is_smooth=True )
line.add_yaxis( 'MA10',df.lma.round(2).tolist(),is_smooth=True )
line.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) #是否显示数据标签
line.set_global_opts(
datazoom_opts=[
opts.DataZoomOpts(
is_show=False,
type_="inside", #图内缩放调整
xaxis_index=[0,1], #可缩放的x轴坐标编号
range_start=0, range_end=100, #初始显示范围
),
opts.DataZoomOpts(
is_show=True, #是否显示滑块
type_="slider", #外部滑块缩放调整
xaxis_index=[0,1], #可缩放的x轴坐标编号
pos_top="85%",
range_start=0, range_end=100, #初始显示范围
),
],
legend_opts=opts.LegendOpts(pos_right="20%",pos_top="5%"), #图例位置
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross") #添加趋势线
)
bar = (
Bar()
.add_xaxis(xaxis_data=list(df.index)) #X轴数据
.add_yaxis(
series_name="volume",
y_axis=df["volume"].tolist(), #Y轴数据
xaxis_index=1,
yaxis_index=1,
label_opts=opts.LabelOpts(is_show=False),
itemstyle_opts=opts.ItemStyleOpts(
color='#ef232a' #'#14b143'
),
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="category",
grid_index=1,
axislabel_opts=opts.LabelOpts(is_show=False),
),
legend_opts=opts.LegendOpts(is_show=False),
)
)
grid_chart = Grid(
init_opts=opts.InitOpts(
width="1200px", #显示图形宽度
height="600px",
animation_opts=opts.AnimationOpts(animation=False),
)
)
grid_chart.add( #加入均线图
line,
grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", height="40%"),
)
grid_chart.add( #加入成交量图
bar,
grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", pos_top="60%", height="20%"),
)
grid_chart.render("volume.html")
如下图所示:
三、K线加标记
在K线上加标记是使用系列配置项的MarkPointOpts() 设置,包含以下主要属性:
data:标记点数据
symbol:标记的图形。包括 'circle', 'rect', 'roundRect', 'triangle', 'diamond', 'pin', 'arrow', 'none'。也可以通过 'image://url' 设置为图片,其中 URL 为图片的链接,或者 dataURI。
symbol_size:标记的大小,可用数组分开表示宽和高,
label_opts:设置标签字体、颜色、背景等
其中数据点通过标记点数据项MarkPointItem()设置,常用属性包括:
name:标注名称
type_:标注类型,'min' 最大值,'max' 最大值,'average' 平均值。
value_index:指定维度,默认使用第一个轴。
value_dim:指定维度名称。
x,y:指定相对显示位置坐标。
value:标注值。
itemstyle_opts:标记点样式配置。
显示价格最大值和最小值的示例如下:
markpoint_opts=opts.MarkPointOpts( #添加标记符
data=[ opts.MarkPointItem(type_='max', name='最大值'),
opts.MarkPointItem(type_='min', name='最小值'),],
symbol_size=[100,30],)
四、综合示例
下面把成交量、标记信号和K线以及均线整合,形成一个在比较完整的K线图。
代码如下:
import akshare as ak
import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts
df = ak.stock_zh_a_hist(symbol="600036", start_date='20220101',end_date='20220916', adjust="qfq").iloc[:, :6]
df.columns = ['date','open','close','high','low','volume',]
# 把date作为日期索引
df.index = pd.to_datetime(df.date)
df.index=df.index.strftime('%Y%m%d')
df=df.sort_index()
df['sma']=df.close.rolling(5).mean()
df['lma']=df.close.rolling(10).mean()
df['lma20']=df.close.rolling(20).mean()
df['lma30']=df.close.rolling(30).mean()
df['lma60']=df.close.rolling(60).mean()
kline = (
Kline(init_opts=opts.InitOpts(width="1200px",height="600px"))
.add_xaxis(xaxis_data=list(df.index)) #X轴数据
.add_yaxis(
series_name="klines", #序列名称
y_axis=df[["open","close","low","high"]].values.tolist(), #Y轴数据
itemstyle_opts=opts.ItemStyleOpts(color="#ec0000", color0="#00da3c"),
markpoint_opts=opts.MarkPointOpts(
data=[#添加标记符
opts.MarkPointItem(type_='max', name='最大值'),
opts.MarkPointItem(type_='min', name='最小值'), ],
#symbol='circle',
#symbol_size=[100,30]
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="K线及均线",pos_left='45%'), #标题位置
legend_opts=opts.LegendOpts(pos_right="35%",pos_top="5%"), #图例位置
#legend_opts=opts.LegendOpts(is_show=True, pos_bottom=10, pos_left="center"),
datazoom_opts=[
opts.DataZoomOpts(
is_show=False,
type_="inside", #内部缩放
xaxis_index=[0,1], #可缩放的x轴坐标编号
range_start=0, range_end=100, #初始显示范围
),
opts.DataZoomOpts(
is_show=True, #显示滑块
type_="slider", #滑块缩放
xaxis_index=[0,1], #可缩放的x轴坐标编号
pos_top="85%",
range_start=0, range_end=100, #初始显示范围
),
],
yaxis_opts=opts.AxisOpts(
is_scale=True, #缩放时是否显示0值
splitarea_opts=opts.SplitAreaOpts( #分割显示设置
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1) ),
),
tooltip_opts=opts.TooltipOpts( #提示框配置
trigger="axis", #坐标轴触发提示
axis_pointer_type="cross", #鼠标变为十字准星
background_color="rgba(245, 245, 245, 0.8)", #背景颜色
border_width=1, border_color="#ccc", #提示框配置
textstyle_opts=opts.TextStyleOpts(color="#000"), #文字配置
),
visualmap_opts=opts.VisualMapOpts( #视觉映射配置
is_show=False, dimension=2,
series_index=5, is_piecewise=True,
pieces=[ {"value": 1, "color": "#00da3c"}, {"value": -1, "color": "#ec0000"}, ],
),
axispointer_opts=opts.AxisPointerOpts( #轴指示器配置
is_show=True,
link=[{"xAxisIndex": "all"}],
label=opts.LabelOpts(background_color="#777"), #显示标签设置
),
brush_opts=opts.BrushOpts(
x_axis_index="all", #所有series
brush_link="all", #不同系列选中后联动
out_of_brush={"colorAlpha": 0.1}, #高亮显示程度
brush_type="lineX", #纵向选择
),
)
)
#均线
line=Line()
line.add_xaxis( df.index.tolist() ) #X轴数据
line.add_yaxis( 'MA5', #序列名称
df.sma.round(2).tolist(), #Y轴数据
is_smooth=True, #平滑曲线
is_symbol_show=False #不显示折线的小圆圈
)
line.add_yaxis( 'MA10',df.lma.round(2).tolist(),is_smooth=True,is_symbol_show=False )
line.add_yaxis( 'MA20',df.lma20.round(2).tolist(),is_smooth=True,is_symbol_show=False )
line.add_yaxis( 'MA30',df.lma30.round(2).tolist(),is_smooth=True,is_symbol_show=False )
line.add_yaxis( 'MA60',df.lma60.round(2).tolist(),is_smooth=True,is_symbol_show=False )
line.set_series_opts(
label_opts=opts.LabelOpts(is_show=False), #是否显示数据标签
linestyle_opts=opts.LineStyleOpts(width=1), #线宽
)
line.set_global_opts(
datazoom_opts=[
opts.DataZoomOpts(
is_show=False,
type_="inside", #图内缩放调整
xaxis_index=[0,1], #可缩放的x轴坐标编号
range_start=0, range_end=100, #初始显示范围
),
opts.DataZoomOpts(
is_show=True, #是否显示滑块
type_="slider", #外部滑块缩放调整
xaxis_index=[0,1], #可缩放的x轴坐标编号
pos_top="85%",
range_start=0, range_end=100, #初始显示范围
),
],
legend_opts=opts.LegendOpts(pos_right="20%",pos_top="5%"), #图例位置
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross") #趋势线设置
)
kline.overlap(line)
#成交量
bar = (
Bar()
.add_xaxis(xaxis_data=list(df.index)) #X轴数据
.add_yaxis(
series_name="volume",
y_axis=df["volume"].tolist(), #Y轴数据
xaxis_index=1,
yaxis_index=1,
label_opts=opts.LabelOpts(is_show=False),
itemstyle_opts=opts.ItemStyleOpts(
color='#ef232a' #'#14b143'
),
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="category", #坐标轴类型-离散数据
grid_index=1,
axislabel_opts=opts.LabelOpts(is_show=False),
),
legend_opts=opts.LegendOpts(is_show=False),
)
)
#图像排列
grid_chart = Grid(
init_opts=opts.InitOpts(
width="1200px", #显示图形宽度
height="600px",
animation_opts=opts.AnimationOpts(animation=False), #关闭动画
)
)
grid_chart.add( #加入均线图
kline,
grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", height="40%"),
)
grid_chart.add( #加入成交量图
bar,
grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", pos_top="60%", height="20%"),
)
grid_chart.render("volume.html")
结果如下图所示:
-----------------------------------
原创不易,请多支持!