绘制自己组合的k线图_使用Python绘制K线图

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import matplotlib.ticker as ticker

plt.style.use('ggplot')

# plt.rcParams.update(plt.rcParamsDefault)

from mpl_finance import candlestick_ohlc,candlestick2_ohlc

# import mplfinance as mpf

import pymysql

plt.rcParams["font.sans-serif"]=["simhei"]

plt.rcParams["axes.unicode_minus"]=False

pd.set_option("display.float_format",lambda x:'%.4f'%x)

code="000732.SZ"#绘制的股票代码

start_date=20200724#绘制的日期范围

end_date=20200804

conn=pymysql.connect(host="localhost",user="Bran",password='1234',port=3306,database="demo")

sql="select trade_date,open,high,low,close,vol from stock_daily_basic " \

        "where ts_code='{}' and trade_date between '{}' and '{}';".format(code,start_date,end_date)

df=pd.read_sql(sql,conn)

df.trade_date=pd.to_datetime(df.trade_date,format='%Y-%m-%d').dt.date

# print(df.head())

conn.close()

# print(df.info())

###绘制K线图

fig=plt.figure()

ax_main=plt.subplot2grid(shape=(6,1),loc=(0,0),rowspan=4)

ax_vol=plt.subplot2grid(shape=(6,1),loc=(4,0),rowspan=2,sharex=ax_main)

candlestick2_ohlc(ax_main,opens=df.open,closes=df.close,lows=df.low,highs=df.high

                  ,width=0.2,colorup='red',colordown='green')

ax_main.get_xaxis().set_visible(False) #隐藏ax_main的的X坐标轴

argmin=df.low.argmin()

argmax=df.high.argmax()

ax_main.text(argmin,df.low[argmin],"

ax_main.text(argmax,df.high[argmax],"

###绘制均线

ax_main.plot(np.arange(len(df.trade_date))

             ,df.close.rolling(window=10).mean()

             ,color="steelblue",label='10天均线',linewidth=0.5)

ax_main.plot(np.arange(len(df.trade_date))

              ,df.close.rolling(window=30).mean()

              ,color="orange",label='30天均线',linewidth=0.5)

ax_main.plot(np.arange(len(df.trade_date))

              ,df.close.rolling(window=180).mean()

              ,color="black",label='180天均线',linewidth=0.5)

ax_main.legend(loc=9,ncol=3,fontsize=8)

for index, row in df.iterrows():

    if row.close >= row.open:

        ax_vol.bar(x=index,height=row.vol,color='red')

    else:    

        ax_vol.bar(x=index,height=row.vol,color='green')

def format_date(x,pos):

    #x为坐标轴的值np.arange(len(df.trade_date))，pos为位置position

    if x<0 or x>len(date_tickers)-1:

        return ''

    else:

        return date_tickers[int(x)]

date_tickers = df.trade_date.values

# ax_vol.xaxis_date()#设置日期格式的坐标轴

import matplotlib.ticker as ticker

ax_vol.set_xticklabels(df.trade_date,rotation=15,ha='right')#设置横坐标标签为日期，并使横坐标旋转

argmax_vol=df.vol.argmax()

ax_vol.text(argmax_vol,df.vol[argmax_vol],"

 # print(df.head(10))

ax_vol.ticklabel_format()

ax_vol.set_ylabel("成交量")

# ax_vol.set_xticks(range(0,len(df.trade_date.unique()),200))

ax_main.set_ylabel("价格")

# ax_main.get_xaxis().set_visible(False) #隐藏ax_mainde的X坐标轴

ax_main.set_title("股票{}的K线图".format(code))

ax_vol.xaxis.set_major_locator(ticker.MultipleLocator(np.ceil(len(df)/10)))

ax_vol.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))#调用函数显示X轴格式

ax_vol.yaxis.get_major_formatter().set_powerlimits((0,5)) #控制坐标轴显示位数，相当于禁止科学计数法

# ax_vol.autoscale_view()

# ax_main.spines['top'].set_visible(True)

# ax_main.spines['right'].set_visible(True)

# ax_main.spines['bottom'].set_visible(True)

# ax_main.spines['left'].set_visible(True)

# ax_main.grid(True)

plt.show()

'''由于matplotlib会将日期数据理解为连续数据，而连续数据之间的间距是有意义的，所以非交易日即使没有数据，在坐标轴上还是会体现出来。连续多少个非交易日，在坐标轴上就对应了多少个格子，但这些格子上方并没有相应的K线图。

可以给横坐标(日期)传入连续的、固定间距的数据，先保证K线图的绘制是连续的；然后生成一个保存有正确日期数据的列表，接下来，根据坐标轴上的数据取对应的正确的日期，并替换为坐标轴上的标签即可。

上边format_date函数就是这个作用。由于前边我们给dates列生成了从0开始的序列连续数据，因此我们可以直接把它当作索引，从真正的日期列表里去取对应的数据。在这里我们要使用matplotlib.ticker.FuncFormattter()方法，它允许我们指定一个格式化坐标轴标签的函数，在这个函数里，我们需要接受坐标轴的值以及位置，并返回自定义的标签。

'''