Python数据可视化：mplfinance创建蜡烛图（二）

码力十足学量化

已于 2022-06-16 11:14:48 修改

阅读量3.4k

点赞数 6

文章标签： python r语言数据分析

于 2022-04-28 19:15:36 首次发布

本文链接：https://blog.csdn.net/malishizu222/article/details/124481295

版权

本文介绍了如何使用Python的mpf库进行金融数据分析，包括计算布林带上中下轨，通过make_addplot函数在主图上绘制附图，并标记收盘价上穿和下穿布林带的信号。同时，展示了如何设置子图，调整子图位置，以及设置线条样式。此外，还讨论了主图与子图的比例和数量的调整，以及如何绘制不同类型的线。

摘要由CSDN通过智能技术生成

1.make_addplot()函数

make_addplot不仅可通过常规变量的可视化，还可可视化一些其他的分析数据，make_addplot可以接受DataFrame、Ndarray、list格式的数据以及**kwargs参数。需要注意的是，传递给make_addplot的数据必须与传递给plot的数据行数相同，**kwargs参数将全部传递到plot方法中。

1.1 计算布林带上中下轨

df['upper'], df['Middler'], df['Lower'] = tb.BBANDS(df['close'], timeperiod=5, nbdevup=2, nbdevdn=2, matype=0) 
df.fillna(method='bfill',inplace=True) # 用下一个非空值向上填充
print(df)

在这里插入图片描述

1.2 在主图上绘制附图

add_plot=mpf.make_addplot(df[['upper','Middler','Lower']])
mpf.plot(df,type='candle',mav=(5,10,30),volume=True,addplot=add_plot)

在这里插入图片描述

1.2.1 将数据分析的结果标记到图像中

在make_addplot方法中使用maker参数，并使用markersize和color设置标记的大小和颜色
这些参数可直接传递给plot方法。

def find_signal(df):
    # 收盘价上穿布林带上轨做多
    df.loc[(df['close'].shift(1) <= df['upper'].shift(1)) & (df['close'] > df['upper']), 'signal_long'] = 1
    # 收盘价下穿布林带中轨平仓
    df.loc[(df['close'].shift(1) >= df['middler'].shift(1)) & (df['close'] < df['middler']), 'signal_short'] = -1
    return df
df=find_signal(df)
df.loc[df['signal_short'].notna(),'signal_short']=df['high']

add_plot=[mpf.make_addplot(df[['upper','middler','lower']]),
          mpf.make_addplot(df['signal_short'].values,type='scatter',markersize=20,marker='v',color='g')]
mpf.plot(df,type='candle',volume=True,addplot=add_plot)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-7Uqw0rXU-1651144011842)(img_15.png)]

1.2.2 绘制子图

在make_addplot中使用panel参数绘制子图，panel=0为在主图中绘制，其最多可绘制9张子图。
当同一个副图绘制的图形超过两个小时，可用secondary_y参数，其有三个参数，True、False,auto,默认为auto,
绘制的数据多时最好用secondary_y=True。

add_plot=[mpf.make_addplot(df[['upper','middler','lower']]),
          mpf.make_addplot(df['signal_short'].values,type='scatter',markersize=20,marker='v',color='g'),
          mpf.make_addplot(df['close'].values,panel=2,color='y',secondary_y='auto')]
mpf.plot(df,type='candle',volume=True,addplot=add_plot)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-vFTxz5Wi-1651144011843)(img_16.png)]

1.2.3 调整子图位置

在mpf.plot()方法中使用main_panel这两个关键字，更改主图和成交量子图的位置。

add_plot=[mpf.make_addplot(df[['upper','middler','lower']]),
          mpf.make_addplot(df['signal_short'].values,type='scatter',markersize=20,marker='v',color='g'),
          mpf.make_addplot(df['close'].values,panel=1,color='y',secondary_y='auto')]
mpf.plot(df,type='candle',volume=True,addplot=add_plot,main_panel=2,volume_panel=0)

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZzMnu8ea-1651144011843)(img_17.png)]

1.2.4 设置主图与子图的比例和数量

在mpf.plot()使用num_panels设置图形张数，使用panel_ratios设置各张图之间的比例，panel_ratio=(2,1,1)即图0是2，以此类推。

add_plot=[mpf.make_addplot(df[['upper','middler','lower']]),
          mpf.make_addplot(df['signal_short'].values,type='scatter',markersize=20,marker='v',color='g'),
          mpf.make_addplot(df['close'].values,panel=1,color='y',secondary_y='auto')]
mpf.plot(df,type='candle',volume=True,addplot=add_plot,main_panel=2,volume_panel=0,num_panels=3,panel_ratios=(2,1,1))

在这里插入图片描述

1.2.5 设置图表中线的类型

使用linestyle函数设置线

add_plot=[mpf.make_addplot(df[['upper']],linestyle='dashdot'),
          mpf.make_addplot(df[['middler']],linestyle='dashdot'),
          mpf.make_addplot(df[['lower']],linestyle='dashdot'),
          mpf.make_addplot(df['signal_short'].values,type='scatter',markersize=20,marker='v',color='g'),
          mpf.make_addplot(df['close'].values,panel=2,color='y',secondary_y='auto')]
mpf.plot(df,type='candle',volume=True,addplot=add_plot,main_panel=0,volume_panel=1,num_panels=3,panel_ratios=(2,1,1))