画K线图、画N日均线 python3

记下自己的研究成果是件开心的事情，本文介绍用Python3将股票历史行情画成K线图，以及添加5日，10日，N日均线。

    首先，是获取数据源，一般分两种，一是直接从财经类网站读取；二是读取本地数据文件。我是先从财经网站下载历史行情数据csv文件，然后放到工程文件夹里。

[python]  view plain  copy

1. ####从雅虎财经获取历史行情####  
2.   
3. from matplotlib.finance import quotes_historical_yahoo_ohlc  
4.   
5. start = (2017, 1, 1)  
6.   
7. end = (2017, 7, 12)  
8.   
9. stock = quotes_historical_yahoo_ohlc("399300.ss", start, end)  
10.   
11. if len(stock) == 0:  
12.   
13.     raise SystemExit  
14.   
15. ##从雅虎获取google的股价数据###  
16.   
17. import datetime  
18.   
19. import pandas_datareader.data as web  
20.   
21.    
22. start = datetime.datetime(2016, 10, 1)  
23.   
24. end = datetime.date.today()  
25.   
26. goog = web.DataReader("GOOG", "yahoo", start, end)  

方式二，读取本地数据文件

[python]  view plain  copy

1. import pandas as pd  
2.   
3. stock = pd.read_csv("hs300_399300.csv")  

csv文件如下：

    然后，进行数据预处理，或者说数据清洗。

[python]  view plain  copy

1. #import sys  
2.   
3. # 显示编译器默认编码格式  
4.   
5. print(sys.getdefaultencoding)  
6.   
7. # 读取前28行数据，将第一列解析为时间格式，将第一列指定为索引，文件编码方式为ANSI  
8.   
9. stock = pd.read_csv("hs300_399300.csv",nrows=28, parse_dates=[0], index_col=0, encoding="ANSI")  
10.   
11. # 逆序排序  
12.   
13. stock = stock[::-1]  
14.   
15. print(stock.info())  
16.   
17. print(stock.head())  
18.   
19. print(stock.columns)  

  

可以看到数据信息，总共28行，时间索引为2017-05-26到2017-07-06，没有空值，以及各列的数据类型。若数据有缺损或者有多余空格，就要进行调整。

    数据没问题后就可以开始画图的了，首先用自带的plot（）画单列数据的图：

[python]  view plain  copy

1. # 网格开启True  
2.   
3. stock["收盘价"].plot(grid=True)  
4.   
5. stock["最高价"].plot()  

    可以看到它的横坐标竟然是以时间为刻度从2017-05-28到2017-07-02，原因是我们之前将csv文件第一列解析成时间格式，并且设为索引。如果没这么做，那么横坐标将为0，1，2，3....28.这一点在后面将不同坐标系的图绘入同一坐标系中非常重要。

    K线图又称蜡烛图，起源于日本德川幕府时代，当时的商人用此图来记录米市的行情和价格波动，后来K线图被引入到股票市场。每天的四项指标数据用如下蜡烛形状的图形来记录，不同的颜色代表涨跌情况。

    

    基本背景知识介绍完，上主菜：

[python]  view plain  copy

1. import matplotlib.pyplot as plt  
2.   
3. from matlplotlib.dates import DateFormatter,WeekdayLocator, DayLocator, MONDAY  
4.   
5. import pandas as pd  
6.   
7. import matplotlib.dates as mdates  
8.   
9. from matplotlib.finance import candlestick_ohlc,quotes_historical_yahoo_ohlc  
10.   
11. import numpy as np  
12.    
13.   
14. def candle(stock, stocks, others=None):  
15.   
16.     # 将时间数据转换为pandas的时间格式  
17.   
18.     stock['日期'] = pd.to_datetime(stock['日期'])  
19.   
20.     # 将时间数据转换为matplotlib的时间格式  
21.   
22.     stock['日期'] = stock['日期'].apply(lambdad: mdates.date2num(d.to_pydatetime()))  
23.   
24.     # 将需要数据转换为元组  
25.   
26.     tuples = [tuple(x)for x in stock[['日期', '开盘价', '最高价', '最低价', '收盘价']]]  
27.   
28.   
29.     # 获得fig和ax对象  
30.   
31.     fig, ax =plt.subplots()  
32.   
33.     # 调节横坐标距离底部的高度  
34.   
35.     fig.subplots_adjust(bottom=0.2)  
36.    
37.     # 设置横坐标主刻度标签位置，标签文本格式（显示每周周一），年月日  
38.   
39.     mondays =WeekdayLocator(MONDAY)  
40.   
41.     ax.xaxis.set_major_locator(mondays)  
42.   
43.     mondays_formatter = DateFormatter("%Y-%m-%d")  
44.   
45.     ax.xaxis.set_major_formatter(mondays_formatter)  
46.   
47.   
48.     # 设置横坐标次刻度标签位置  
49.   
50.     days =DayLocator()  
51.   
52.     ax.xaxis.set_minor_locator(days)  
53.   
54.     # day_formatter= DateFormatter("%d")  
55.   
56.     # ax.xaxis.set_minor_formatter(day_formatter)  
57.   
58.   
59.     # 网格，x坐标轴网格使用主刻度，y坐标轴使用副刻度  
60.   
61.     #ax.xaxis.grid(True, which='major')  
62.   
63.     #ax.yaxis.grid(True, which='minor')  
64.   
65.     ax.grid(True)  
66.   
67.    
68.     # 绘图  
69.   
70.     candlestick_ohlc(ax,tuples, width=0.6, colorup='r', colordown='g')  
71.   
72.     # 其它折线  
73.   
74.     if others isnot None:  
75.   
76.         for each inothers:  
77.   
78.            plt.plot(stocks[each], label=each)  
79.   
80.         plt.legend()  
81.   
82.     ax.xaxis_date()  
83.     ax.autoscale_view()  
84.   
85.   
86.     # 设置横坐标标签的样式，获得当前坐标轴plt.gca,获得x轴刻度标签get_xticklabels(),转换角度，倾斜角度  
87.   
88.     plt.setp(plt.gca().get_xticklabels(), rotation=45,horizontalalignment='right')  
89.   
90.     plt.title("hs300_399300")  
91.   
92.     #plt.xlabel("time")  
93.   
94.     #plt.ylabel('price')  
95.   
96.     plt.show()  

5日均线：5天的收盘价的平均值

10日均线：10天的收盘价的平均值

依次类推。

给数据文件加一列“5日均线”,和‘10日均线’

stocks["5days"] = np.round(stocks["收盘价"].rolling(window=5, center=False).mean(), 2)

stocks["10days"] = np.round(stocks["收盘价"].rolling(window=10, center=False).mean(), 2)

现在打印下前60行

  

可见现在5,10日均线的数据都以计算并添加进数据文件中，接下来就是将其绘制入K线图上

[python]  view plain  copy

1. # 读取数据画k线图  
2.   
3. stock = pd.read_csv("hs300_399300", nrows=60,encoding="ANSI")  
4.   
5. stock = stock[::-1]  
6.   
7. # 读取数据画均线图  
8.   
9. stock = pd.read_csv("hs300_399300", nrows=60,parse_dates=[0], index_col=0, encoding="ANSI")  
10.   
11. stock = stock[::-1]  
12.   
13. # 重命名columns索引,有些编码方式不支持中文，可以换成英文  
14.   
15. stock.index.rename('日期', inplace=True)  
16.   
17. stock.rename(columns={}, inplace=True)  
18.   
19. candle(stock, stocks, ["5days","10days"])  

运行输出: