python in finance_Python的新mplfinance模块入门介绍

一、make_addplot的基本用法

在金融数据分析中，我们要通过数据可视化展示的不仅是’Open’, ‘High’, ‘Low’, 'Close’和最常见‘ma’，还有一些其他分析数据，那么就要用到make_addplot()方法了，make_addplot可以接受一个pandas、numpy、array以及list格式的数据(tuple不可以)，和**kwargs参数;需要注意的是：传递给make_addplot的数据参数必须与将来画图传递给plot的数据参数行数相同，**kwargs参数将全部传递到polt方法中。

下面准备了一组数据，但是column有点长，不能全部输出，这里分布输出了数据的columns和一部分数据：

Index(['Open', 'High', 'Low', 'Close', 'Volume', 'UpperB', 'LowerB', 'PercentB'],

dtype='object')

Open High ... LowerB PercentB

Date ...

2011-07-01 132.089996 134.100006 ... 125.316073 1.219057

2011-07-05 133.779999 134.080002 ... 124.912703 1.066618

2011-07-06 133.490005 134.139999 ... 124.627085 0.992467

2011-07-07 135.160004 135.699997 ... 124.284986 1.026222

2011-07-08 133.830002 135.360001 ... 124.140890 0.885916

... ... ... ... ... ...

2012-06-25 132.050003 132.100006 ... 128.120436 0.381896

2012-06-26 131.699997 132.380005 ... 128.084306 0.470585

2012-06-27 132.419998 133.429993 ... 128.140042 0.605441

2012-06-28 132.289993 132.990005 ... 128.219241 0.551922

2012-06-29 135.199997 136.270004 ... 128.792993 0.921670

[252 rows x 8 columns]

add_plot = mplfinance.make_addplot(data['LowerB'])

mplfinance.plot(data, addplot=add_plot)

plt.show() # 显示

得出结果

如果要给图表添加多个数据绘制，直接用列表传入make_addplot即可，例如：

add_plot = mplfinance.make_addplot(data[['UpperB', 'LowerB']])

mplfinance.plot(data, addplot=add_plot)

plt.show() # 显示

得出结果

把数据分析的结果标记到图像中

数据分析和可视化的目的是有分析结果，直接把结果展示的图表上将更加直观。先做个简单的数据分析，并把分析结果赋值到两个列表中，然后在绘图时标记到图表中，因为这里是标记，并非连续的线

，此时可以在make_addplot方法中使用marker，以及markersize和color设置标记的大小和颜色，这些参数都是直接传递给plot方法的。

def data_analyze(self, data: pandas.DataFrame):

"""

简单的数据分析，并把返回数据分析结果列表，分析的逻辑不重要，主要看如何绘制到图形中。

:param data:

:return:

"""

if data.shape[0] == 0:

data = self.data

s_list = []

b_list = []

b=-1

for i, v in data['High'].iteritems():

if v > data['UpperB'][i] and (b == -1 or b == 1):

b_list.append(data['Low'][i])

b = 0

else:

b_list.append(numpy.nan) # 这里添加nan的目的是，对齐主图的k线数量

if data['Low'][i] < data['LowerB'][i] and (b == -1 or b == 0):

s_list.append(v)

b = 1

else:

s_list.append(numpy.nan)

return b_list, s_list

b_list, s_list = self.data_analyze(data)

add_plot = [

mpf.make_addplot(b_list, scatter=True, markersize=200, marker='^', color='y'),

mpf.make_addplot(s_list, scatter=True, markersize=200, marker='v', color='r'),

mpf.make_addplot(data[['UpperB', 'LowerB']])]

mpf.plot(data, type='candle', addplot=add_plot, volume=True)

plt.show() # 显示

得出结果

在副图中绘制

plot绘图时是可以直接通过参数添加成交量副图的，如果想在副图中绘制数据可以在make_addplot中使用参数panel，直接上代码：

def data_analyze(self, data: pandas.DataFrame):

"""

简单的数据分析，并把返回数据分析结果列表，分析的逻辑不重要，主要看如何绘制到图形中。

:param data:

:return:

"""

if data.shape[0] == 0:

data = self.data

s_list = []

b_list = []

b=-1

for i, v in data['High'].iteritems():

if v > data['UpperB'][i] and (b == -1 or b == 1):

b_list.append(data['Low'][i])

b = 0

else:

b_list.append(numpy.nan) # 这里添加nan的目的是，对齐主图的k线数量

if data['Low'][i] < data['LowerB'][i] and (b == -1 or b == 0):

s_list.append(v)

b = 1

else:

s_list.append(numpy.nan)

return b_list, s_list

b_list, s_list = self.data_analyze(data)

add_plot = [

mpf.make_addplot(b_list, scatter=True, markersize=200, marker='^', color='y'),

mpf.make_addplot(s_list, scatter=True, markersize=200, marker='v', color='r'),

mpf.make_addplot(data[['UpperB', 'LowerB']]),

mpf.make_addplot(data['PercentB'], panel='lower', color='g', secondary_y='auto'),]

mpf.plot(data, type='candle', addplot=add_plot, volume=True)

plt.show() # 显示

得出结果

这里注意的是副图的左右两侧都有Y轴标，而且数据不同，因为mplfinance为完整展示图像，自动分成了两个坐标轴，如果你绘制的数据较多，这里有可能会报错，如果出现这种情况，在使用plot绘制多组数据时需要使用参数secondary_y，有三个参数选项True, False, 和auto，默认是auto，因为绘制数据多出现报错时只能设置secondary_y=true(使用Y轴标)或/False(不使用)来覆盖，如果数据差异很大，设为False可能会导致看不到(实际上还是绘制了，只是在最顶上或最底下一条线看不清而已)。

修改主图Y轴刻度位置和设置线形

在绘图plot函数中使用关键字参数style='sas’可以把主图Y左边放到右边，默认是‘default’，

设置线型是参数linestyle，直接上代码吧，都是常用的参数：

def data_analyze(self, data: pandas.DataFrame):

"""

简单的数据分析，并把返回数据分析结果列表，分析的逻辑不重要，主要看如何绘制到图形中。

:param data:

:return:

"""

if data.shape[0] == 0:

data = self.data

s_list = []

b_list = []

b=-1

for i, v in data['High'].iteritems():

if v > data['UpperB'][i] and (b == -1 or b == 1):

b_list.append(data['Low'][i])

b = 0

else:

b_list.append(numpy.nan) # 这里添加nan的目的是，对齐主图的k线数量

if data['Low'][i] < data['LowerB'][i] and (b == -1 or b == 0):

s_list.append(v)

b = 1

else:

s_list.append(numpy.nan)

return b_list, s_list

b_list, s_list = self.data_analyze(data)

add_plot = [郑州人流医院 http://www.0371zzkd.com/

mpf.make_addplot(b_list, scatter=True, markersize=200, marker='*', color='y'),

mpf.make_addplot(s_list, scatter=True, markersize=200, marker='s', color='r'),

mpf.make_addplot(data[['UpperB', 'LowerB']], linestyle='dashdot'),

mpf.make_addplot(data['PercentB'], panel='lower', color='g', secondary_y='auto'),

mpf.make_addplot(data['Adj Close'], color='b', linestyle='dotted', secondary_y=True)]

mpf.plot(data, type='candle', addplot=add_plot, volume=True, figscale=1.5, style='default')

plt.show() # 显示

得出结果

这里需要注意的是style只能在plot方法中使用，不能在make_addplot方法中使用，而linestyle两者都可以用。

二、marketcolors和mpf_style以及其他常用设置

marketcolors设置图表颜色

"""

make_marketcolors() 设置k线颜色

:up 设置阳线柱填充颜色

:down 设置阴线柱填充颜色

：edge 设置蜡烛线边缘颜色 'i' 代表继承k线的颜色

：wick 设置蜡烛上下影线的颜色

：volume 设置成交量颜色

：inherit 是否继承, 如果设置了继承inherit=True，那么edge即便设了颜色也会无效

"""

my_color = mplfinance.make_marketcolors(up='cyan', down='red', edge='black', wick='black', volume='blue')

添加图表样式

这里的设置应该在plot方法之前设置，而设置完成marketcolors后需要使用mpf_style添加设置，最后plot()方法的关键字参数style=my_style 才会生效。下面添加mpf_style，最后一起展示效果。

"""

make_mpf_style() 设置mpf样式

：gridaxis:设置网格线位置,both双向

：gridstyle:设置网格线线型

：y_on_right:设置y轴位置是否在右

"""

my_style = mplfinance.make_mpf_style(marketcolors=my_color, gridaxis='both', gridstyle='-.', y_on_right=True)

这里要注意的是前面make_marketcolors的设置，必须这里作为关键字参数添加进来。其他几项常用设置：title:设置标题;ylabel 设置主图Y轴标题;ylabel_lower 设置成交量Y轴标题;savefig:导出图片路径以及文件名(包括后缀)。

最后一步绘图：

b_list, s_list = self.data_analyze(data)

add_plot = [

mplfinance.make_addplot(b_list, scatter=True, markersize=200, marker='*', color='y'),

mplfinance.make_addplot(s_list, scatter=True, markersize=200, marker='s', color='r'),

mplfinance.make_addplot(data[['UpperB', 'LowerB']], linestyle='dashdot'),

mplfinance.make_addplot(data['PercentB'], panel='lower', color='g', secondary_y='auto'),

mplfinance.make_addplot(data['Adj Close'], color='b', linestyle='dotted', secondary_y=True)]

"""

plot绘图的部分参数

:type设置图像类型'ohlc'/'candle'/'line/renko'

:mav 绘制平局线

:show_nontrading= True 显示非交易日(k线之间有间隔),False 不显示交易日，k线之间没有间隔

:title:设置标题

:ylabel=设置主图Y轴标题

：ylabel_lower 设置成交量一栏Y坐标标题

:figratio:设置图形纵横比

:figscale 设置图像的缩小或放大,1.5就是放大50%，最大不会超过电脑屏幕大小

：style 设置整个图表样式，可以使用前面设置的样式my_style,只能在plot函数中使用指定整个图表样式，不能在make_addplot中使用。

savefig:导出图片，填写文件名及后缀

"""

mplfinance.plot(data, type='candle', addplot=add_plot, volume=True, figscale=1.5, style=my_style,title='****报价', figratio=(5, 5), ylabel='价格', ylabel_lower='成交量', savefig='my_image.png')

plt.show() # 显示

最后得出结果。