股票分析学习

库：

pandas

to_datetime:它可以处理各种格式的日期和时间数据，并将其统一转换为 Pandas 可以理解和操作的内部日期时间格式。

matplotlib.pyplot

用户可以轻松地创建各种静态、动态、交互式和 3D 图形。

1. 绘制线图（plot()）

x, y: 数据点的 x 和 y 坐标值。
fmt: 一个字符串，定义线型、颜色和数据点样式，如 'ro-'（红色圆圈和实线）。
linestyle 或 ls: 线的样式（如 '-'、'--'、':'、'None'、'solid'、'dashed' 等）。
color 或 c: 线的颜色。
marker: 数据点样式（如 'o'、'+'、'x' 等）。
linewidth 或 lw: 线的宽度。
label: 图例的标签。
alpha: 线的透明度（0 到 1 之间）。

2. 绘制散点图（scatter()）

x, y: 数据点的 x 和 y 坐标值。
s: 数据点的大小。
c: 数据点的颜色（可以是单一颜色、颜色序列或数组）。
marker: 数据点样式。
cmap: 用于映射颜色的 Colormap 对象。
alpha: 数据点的透明度。
label: 图例的标签。

3. 绘制条形图（bar() 或 barh()）

x 或 y: 条形的位置（对于 barh() 是 y 位置）。
height 或 width: 条形的高度（对于 barh() 是宽度）。
bottom 或 left: 条形基线的位置（对于 barh() 是左位置）。
color: 条形的颜色。
edgecolor: 条形边缘的颜色。
linewidth: 条形边缘的宽度。
tick_label: 坐标轴刻度标签。
label: 图例的标签。

4. 绘制直方图（hist()）

x: 数据数组。
bins: 数据分箱的数量或边界。
range: 数据范围（元组），用于确定直方图的 x 轴范围。
density: 是否归一化直方图（布尔值）。
color: 条形的颜色。
edgecolor: 条形边缘的颜色。
alpha: 透明度。
label: 图例的标签。

5. 绘制饼图（pie()）

x: 饼图中每个扇区的面积（通常表示比例）。
labels: 扇区的标签。
colors: 扇区的颜色。
autopct: 格式化扇区百分比字符串的函数。
explode: 用于将扇区从中心分离出来的距离数组。
shadow: 是否绘制饼图的阴影。
startangle: 饼图的起始角度。

6. 绘制箱线图（boxplot()）

x: 包含数据的数组或数组列表。
notch: 是否绘制缺口箱线图。
vert: 是否垂直绘制箱线图（默认为 True）。
patch_artist: 是否填充箱体的颜色。
labels: 箱体的标签。
whis: 设定异常值的范围。
showfliers: 是否显示异常值。
boxprops: 箱体属性（如颜色、线宽等）。

7. 绘制热力图（使用 imshow() 或 pcolor()）

X: 二维数组或矩阵，表示图像数据。
cmap: 颜色映射。
interpolation: 插值方法（如 'nearest'、'bilinear' 等）。
aspect: 图像的纵横比。
alpha: 透明度。
origin: 数据原点（如 'upper'、'lower'）。
extent: 数据坐标的最小值和最大值，用于映射到图像坐标。

plt.annotate

s 为注释文本内容

• xy 为被注释的坐标点

• xytext 为注释文字的坐标位置

arrowprops = dict(facecolor = "r", headlength = 10, headwidth = 30, width = 20)

width：箭头的宽度(以点为单位)

headwidth：箭头底部以点为单位的宽度

headlength：箭头的长度(以点为单位)

shrink：总长度的一部分，从两端“收缩”

facecolor：箭头颜色

bbox=dict(boxstyle='round,pad=0.5', fc='yellow', ec='k', lw=1, alpha=0.5)

boxstyle：方框外形

facecolor：(简写fc)背景颜色

edgecolor：(简写ec)边框线条颜色

edgewidth：边框线条大小

import tushare as ts
import pandas as pd
import matplotlib.pyplot as pl

ts.set_token('token')
p=ts.pro_api()

stock_code='NVDA'
start_date='2010-01-01'
end_date='2023-02-29'

df=p.us_daily(ts_code=stock_code,start_date=start_date,end_date=end_date)
dates=pd.to_datetime(df['trade_date'])
close_price=df['close']
pl.figure(figsize=(12,6))
pl.plot(dates,close_price,linestyle='-',color="blue")
for i,j in enumerate(close_price):
    pl.annotate(j,(dates[i],close_price[i]),textcoords="offset points",xytext=(0,10),ha='center')
pl.grid(True)
pl.xlabel("date")
pl.ylabel("close price")

pl.show()