python画蜡烛致敬烈士_Matplotlib 蜡烛图教程

本文原载于我的博客。本文欢迎转载，但请保留本段文字，尊重作者的权益。谢谢。

致敬Matplotlib 教程。

Matplotlib 蜡烛图教程

关于使用 Matplotlib 画蜡烛图，任何一个搜索引擎都可以搜到非常多的内容，但通常都不足以为学习者提供清晰的思路和简便的实现步骤，本文力求在这两方面为学习者提供帮助。

尝试过画蜡烛图的同学，应该听说过 matplotlib.finance，而且大部分同学对这个库大概率是不抱有好感的(因为其中的雅虎接口很坑爹)，但这个库确实是画蜡烛图的利器。

这个库中，共有四个画蜡烛图的函数：

matplotlib.finance.candlestick2_ochl(ax, opens, closes, highs, lows, width=4, colorup='k', colordown='r', alpha=0.75)

matplotlib.finance.candlestick2_ohlc(ax, opens, highs, lows, closes, width=4, colorup='k', colordown='r', alpha=0.75) +

matplotlib.finance.candlestick_ochl(ax, quotes, width=0.2, colorup='k', colordown='r', alpha=1.0)

matplotlib.finance.candlestick_ohlc(ax, quotes, width=0.2, colorup='k', colordown='r', alpha=1.0)¶

我们选取 mpf.candlestick2_ochl 作为例子，数据用 tushare，计算均线用 talib，动手实践。

初级绘制

秉承着画出来就好的想法，按照文档的说明，先搞一套试试。这里面最大的坑是什么呢？

是日线图的时间间隔问题(非交易日无法跳过，导致图像断裂)，这个问题在《Python 金融大数据分析》中也没有刻意去解决(可能是作者认为这点无关紧要)，但仍有不少同学希望能够画出更好看的图。无论是官方文档还是实际操作，一般的方法都是建议重新调整横坐标，被动地过滤掉非交易时间段，例如我设置成每 10 个交易日标记一次：

ax.set_xticks(range(0, len(data['date']), 10))

ax.set_xticklabels(data['date'][::10])

再加上 10 日和 30 日均线，一起画出来：

import talib

import numpy as np

import tushare as ts

import matplotlib.pyplot as plt

import matplotlib.finance as mpf

data = ts.get_k_data('399300', index=True, start='2017-01-01', end='2017-06-31')

sma_10 = talib.SMA(np.array(data['close']), 10)

sma_30 = talib.SMA(np.array(data['close']), 30)

fig = plt.figure(figsize=(24, 8))

ax = fig.add_subplot(1, 1, 1)

ax.set_xticks(range(0, len(data['date']), 10))

ax.set_xticklabels(data['date'][::10])

ax.plot(sma_10, label='10 日均线')

ax.plot(sma_30, label='30 日均线')

ax.legend(loc='upper left')

mpf.candlestick2_ochl(ax, data['open'], data['close'], data['high'], data['low'],

width=0.5, colorup='r', colordown='green',

alpha=0.6)

plt.grid()

加上成交量

有了上面的 k 线图之后，希望继续加上一个成交量的图。加上成交量后，又要注意什么呢？

首先是坐标的对齐，k 线和成交量不能错开，时间得对得上。这不是什么困难的事情，只要在创建子图时，加上 sharex=True，或者暴力一点，也可以把两个子图的横轴设置成相同的。其次是两个子图的对齐方式，我希望是“两张图并成一张图”，及两张子图之间没有间隙。这一点也不困难，只需要写上 plt.subplots_adjust(hspace=0) 就行了。

成交量的图有几种画法，这里介绍两种不同的思路。

柱状图

pandas 对画图的支持是非常好的，对于从 tushare 里拿出来的 DataFrame，可以拿出成交量一列，直接画出柱状图：

data['volume'].plot(kind='bar', color='k', alpha=0.3)

从而整个的代码块变成：

import talib

import numpy as np

import tushare as ts

import matplotlib.pyplot as plt

import matplotlib.finance as mpf

data = ts.get_k_data('399300', index=True, start='2017-01-01', end='2017-06-31')

sma_10 = talib.SMA(np.array(data['close']), 10)

sma_30 = talib.SMA(np.array(daa['close']), 30)

fig, (ax, ax2) = plt.subplots(2, 1, sharex=True, figsize=(17, 10))

mpf.candlestick2_ochl(ax, data['open'], data['close'], data['high'], data['low'],

width=0.5, colorup='r', colordown='green', alpha=0.6)

ax.set_xticklabels(data['date'][::10])

ax.plot(sma_10, label='10 日均线')

ax.plot(sma_30, label='30 日均线')

ax.legend(loc='upper left')

ax.grid(True)

data['volume'].plot(kind='bar', color='k', alpha=0.3)

ax2.set_xticks(range(0, len(data['date']), 10))

ax2.set_xticklabels(data['date'][::10], rotation=30)

ax2.grid(True)

plt.subplots_adjust(hspace=0)

会发现这里的成交量是单色的，而如果想让成交量不是单色的，会比较麻烦，于是引申出另一种方法。

mpf.volume_overlay

matplotlib.finance 中有直接用于画成交量的函数：

matplotlib.finance.volume_overlay(ax, opens, closes, volumes, colorup='k', colordown='r', width=4, alpha=1.0)

那就直接用起来：

import talib

import numpy as np

import tushare as ts

import matplotlib.pyplot as plt

import matplotlib.finance as mpf

data = ts.get_k_data('399300', index=True, start='2017-01-01', end='2017-06-31')

sma_10 = talib.SMA(np.array(data['close']), 10)

sma_30 = talib.SMA(np.array(data['close']), 30)

fig, (ax, ax2) = plt.subplots(2, 1, sharex=True, figsize=(17, 10))

mpf.candlestick2_ochl(ax, data['open'], data['close'], data['high'], data['low'],

width=0.5, colorup='r', colordown='g', alpha=0.6)

ax.set_xticklabels(data['date'][::10])

ax.plot(sma_10, label='10 日均线')

ax.plot(sma_30, label='30 日均线')

ax.legend(loc='upper left')

ax.grid(True)

mpf.volume_overlay(ax2, data['open'], data['close'], data['volume'], colorup='r', colordown='g', width=0.5, alpha=0.8)

ax2.set_xticks(range(0, len(data['date']), 10))

ax2.set_xticklabels(data['date'][::10], rotation=30)

ax2.grid(True)

plt.subplots_adjust(hspace=0)

进阶

讲道理，到上一部分，画出来的图就已经像回事了，不过还是有一点别扭：k 线和成交量两个子图的大小是一样的。忍不了啊，继续折腾吧。

折腾了好一会，发现一个比较简便的方法是调整坐标轴:

ax = fig.add_axes([0,0.2,1,0.5])

ax2 = fig.add_axes([0,0,1,0.2])

注意这时候就不用再设置两张子图的间距了。好了，最终版本出来了：

import talib

import numpy as np

import tushare as ts

import matplotlib.pyplot as plt

import matplotlib.finance as mpf

data = ts.get_k_data('399300', index=True, start='2017-01-01', end='2017-06-31')

sma_10 = talib.SMA(np.array(data['close']), 10)

sma_30 = talib.SMA(np.array(data['close']), 30)

fig = plt.figure(figsize=(17, 10))

ax = fig.add_axes([0,0.2,1,0.5])

ax2 = fig.add_axes([0,0,1,0.2])

mpf.candlestick2_ochl(ax, data['open'], data['close'], data['high'], data['low'],

width=0.5, colorup='r', colordown='g', alpha=0.6)

ax.set_xticks(range(0, len(data['date']), 10))

ax.plot(sma_10, label='10 日均线')

ax.plot(sma_30, label='30 日均线')

ax.legend(loc='upper left')

ax.grid(True)

mpf.volume_overlay(ax2, data['open'], data['close'], data['volume'], colorup='r', colordown='g', width=0.5, alpha=0.8)

ax2.set_xticks(range(0, len(data['date']), 10))

ax2.set_xticklabels(data['date'][::10], rotation=30)

ax2.grid(True)

plt.show()

最后

细心的同学会发现上面代码块中，所有的子图叫做 ax 和 ax2，这是因为如果把第一个子图的名称换成别的，蜡烛图就画不出来了，这个我也不明白是咋回事，还希望知道的同学指点下。