【量化笔记】使用python捕捉K线图形态

最新推荐文章于 2024-04-25 14:45:00 发布
最新推荐文章于 2024-04-25 14:45:00 发布
阅读量1.1w 收藏 105
点赞数 7
分类专栏： 量化笔记 实战区 文章标签： 量化 Python K线图
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yao09605/article/details/100099772
版权

首先绘制K线图

import pandas as pd

ssec2015=pd.read_csv('ssec2015.csv')

ssec2015=ssec2015.iloc[:,1:]

ssec2015.head()
Date Open High Low Close Volume
0 2015-03-02 3332.720947 3336.760010 3298.668945 3336.284912 346400
1 2015-03-03 3317.695068 3317.695068 3260.428955 3263.052002 382000
2 2015-03-04 3264.181885 3286.587891 3250.483887 3279.532959 293600
3 2015-03-05 3264.084961 3266.637939 3221.666016 3248.476074 320700
4 2015-03-06 3248.035889 3266.933105 3234.532959 3241.187012 282900 
ssec2015.tail(n=3)
Date Open High Low Close Volume
19 2015-03-27 3686.134033 3710.477051 3656.831055 3691.095947 408900
20 2015-03-30 3710.612061 3795.935059 3710.612061 3786.568115 564700
21 2015-03-31 3822.987061 3835.566895 3737.042969 3747.898926 561700 
from matplotlib.dates import DateFormatter,WeekdayLocator,DayLocator,MONDAY,date2num

from datetime import datetime

ssec2015.Date=[date2num(datetime.strptime(date,"%Y-%m-%d")) for date in ssec2015.Date]

ssec15list

[Date      735659.000000
 Open        3332.720947
 High        3336.760010
 Low         3298.668945
 Close       3336.284912
 Volume    346400.000000
 Name: 0, dtype: float64, Date      735660.000000
 Open        3317.695068
 High        3317.695068
 Low         3260.428955
 Close       3263.052002
 Volume    382000.000000
 Name: 1, dtype: float64, Date      735661.000000
 Open        3264.181885
 High        3286.587891
 Low         3250.483887
 Close       3279.532959
 Volume    293600.000000
 Name: 2, dtype: float64, Date      735662.000000
 Open        3264.084961
 High        3266.637939
 Low         3221.666016
 Close       3248.476074
 Volume    320700.000000
 Name: 3, dtype: float64, Date      735663.000000
 Open        3248.035889
 High        3266.933105
 Low         3234.532959
 Close       3241.187012
 Volume    282900.000000
 Name: 4, dtype: float64, Date      735666.000000
 Open        3224.313965
 High        3307.701904
 Low         3198.370117
 Close       3302.407959
 Volume    321500.000000
 Name: 5, dtype: float64, Date      735667.000000
 Open        3289.084961
 High        3309.915039
 Low         3277.094971
 Close       3286.068115
 Volume    285800.000000
 Name: 6, dtype: float64, Date      735668.000000
 Open        3289.593994
 High        3325.053955
 Low         3278.470947
 Close       3290.899902
 Volume    283000.000000
 Name: 7, dtype: float64, Date      735669.000000
 Open        3314.812988
 High        3360.053955
 Low         3300.488037
 Close       3349.322998
 Volume    357300.000000
 Name: 8, dtype: float64, Date      735670.000000
 Open        3359.488037
 High        3391.254883
 Low         3352.149902
 Close       3372.910889
 Volume    328400.000000
 Name: 9, dtype: float64, Date      735673.000000
 Open        3391.157959
 High        3449.304932
 Low         3377.086914
 Close       3449.304932
 Volume    399100.000000
 Name: 10, dtype: float64, Date      735674.000000
 Open        3469.603027
 High        3504.123047
 Low         3459.694092
 Close       3502.846924
 Volume    520900.000000
 Name: 11, dtype: float64, Date      735675.000000
 Open        3510.500977
 High        3577.662109
 Low         3503.853027
 Close       3577.301025
 Volume    545200.000000
 Name: 12, dtype: float64, Date      735676.000000
 Open        3576.019043
 High        3600.684082
 Low         3546.843994
 Close       3582.270996
 Volume    537300.000000
 Name: 13, dtype: float64, Date      735677.000000
 Open        3587.083984
 High        3632.337891
 Low         3569.379883
 Close       3617.318115
 Volume    516700.000000
 Name: 14, dtype: float64, Date      735680.000000
 Open        3640.104004
 High        3688.249023
 Low         3635.485107
 Close       3687.728027
 Volume    536100.000000
 Name: 15, dtype: float64, Date      735681.000000
 Open        3692.569092
 High        3715.873047
 Low         3600.697998
 Close       3691.409912
 Volume    639600.000000
 Name: 16, dtype: float64, Date      735682.000000
 Open        3680.952881
 High        3693.150879
 Low         3634.559082
 Close       3660.727051
 Volume    521900.000000
 Name: 17, dtype: float64, Date      735683.000000
 Open        3641.941895
 High        3707.318115
 Low         3615.010986
 Close       3682.094971
 Volume    488600.000000
 Name: 18, dtype: float64, Date      735684.000000
 Open        3686.134033
 High        3710.477051
 Low         3656.831055
 Close       3691.095947
 Volume    408900.000000
 Name: 19, dtype: float64, Date      735687.000000
 Open        3710.612061
 High        3795.935059
 Low         3710.612061
 Close       3786.568115
 Volume    564700.000000
 Name: 20, dtype: float64, Date      735688.000000
 Open        3822.987061
 High        3835.566895
 Low         3737.042969
 Close       3747.898926
 Volume    561700.000000
 Name: 21, dtype: float64, Date      735659.000000
 Open        3332.720947
 High        3336.760010
 Low         3298.668945
 Close       3336.284912
 Volume    346400.000000
 Name: 0, dtype: float64, Date      735660.000000
 Open        3317.695068
 High        3317.695068
 Low         3260.428955
 Close       3263.052002
 Volume    382000.000000
 Name: 1, dtype: float64, Date      735661.000000
 Open        3264.181885
 High        3286.587891
 Low         3250.483887
 Close       3279.532959
 Volume    293600.000000
 Name: 2, dtype: float64, Date      735662.000000
 Open        3264.084961
 High        3266.637939
 Low         3221.666016
 Close       3248.476074
 Volume    320700.000000
 Name: 3, dtype: float64, Date      735663.000000
 Open        3248.035889
 High        3266.933105
 Low         3234.532959
 Close       3241.187012
 Volume    282900.000000
 Name: 4, dtype: float64, Date      735666.000000
 Open        3224.313965
 High        3307.701904
 Low         3198.370117
 Close       3302.407959
 Volume    321500.000000
 Name: 5, dtype: float64, Date      735667.000000
 Open        3289.084961
 High        3309.915039
 Low         3277.094971
 Close       3286.068115
 Volume    285800.000000
 Name: 6, dtype: float64, Date      735668.000000
 Open        3289.593994
 High        3325.053955
 Low         3278.470947
 Close       3290.899902
 Volume    283000.000000
 Name: 7, dtype: float64, Date      735669.000000
 Open        3314.812988
 High        3360.053955
 Low         3300.488037
 Close       3349.322998
 Volume    357300.000000
 Name: 8, dtype: float64, Date      735670.000000
 Open        3359.488037
 High        3391.254883
 Low         3352.149902
 Close       3372.910889
 Volume    328400.000000
 Name: 9, dtype: float64, Date      735673.000000
 Open        3391.157959
 High        3449.304932
 Low         3377.086914
 Close       3449.304932
 Volume    399100.000000
 Name: 10, dtype: float64, Date      735674.000000
 Open        3469.603027
 High        3504.123047
 Low         3459.694092
 Close       3502.846924
 Volume    520900.000000
 Name: 11, dtype: float64, Date      735675.000000
 Open        3510.500977
 High        3577.662109
 Low         3503.853027
 Close       3577.301025
 Volume    545200.000000
 Name: 12, dtype: float64, Date      735676.000000
 Open        3576.019043
 High        3600.684082
 Low         3546.843994
 Close       3582.270996
 Volume    537300.000000
 Name: 13, dtype: float64, Date      735677.000000
 Open        3587.083984
 High        3632.337891
 Low         3569.379883
 Close       3617.318115
 Volume    516700.000000
 Name: 14, dtype: float64, Date      735680.000000
 Open        3640.104004
 High        3688.249023
 Low         3635.485107
 Close       3687.728027
 Volume    536100.000000
 Name: 15, dtype: float64, Date      735681.000000
 Open        3692.569092
 High        3715.873047
 Low         3600.697998
 Close       3691.409912
 Volume    639600.000000
 Name: 16, dtype: float64, Date      735682.000000
 Open        3680.952881
 High        3693.150879
 Low         3634.559082
 Close       3660.727051
 Volume    521900.000000
 Name: 17, dtype: float64, Date      735683.000000
 Open        3641.941895
 High        3707.318115
 Low         3615.010986
 Close       3682.094971
 Volume    488600.000000
 Name: 18, dtype: float64, Date      735684.000000
 Open        3686.134033
 High        3710.477051
 Low         3656.831055
 Close       3691.095947
 Volume    408900.000000
 Name: 19, dtype: float64, Date      735687.000000
 Open        3710.612061
 High        3795.935059
 Low         3710.612061
 Close       3786.568115
 Volume    564700.000000
 Name: 20, dtype: float64, Date      735688.000000
 Open        3822.987061
 High        3835.566895
 Low         3737.042969
 Close       3747.898926
 Volume    561700.000000
 Name: 21, dtype: float64]

ssec15list=list()

for i in range(len(ssec2015)):
    ssec15list.append(ssec2015.iloc[i,:])

## 按照包
%pip install https://github.com/matplotlib/mpl_finance/archive/master.zip

Collecting https://github.com/matplotlib/mpl_finance/archive/master.zip
  Downloading https://github.com/matplotlib/mpl_finance/archive/master.zip
[K     \ 471kB 8.3kB/s
Requirement already satisfied: matplotlib in /Users/yaochenli/anaconda3/lib/python3.7/site-packages (from mpl-finance==0.10.0) (3.0.3)
Requirement already satisfied: numpy>=1.10.0 in /Users/yaochenli/anaconda3/lib/python3.7/site-packages (from matplotlib->mpl-finance==0.10.0) (1.16.2)
Requirement already satisfied: cycler>=0.10 in /Users/yaochenli/anaconda3/lib/python3.7/site-packages (from matplotlib->mpl-finance==0.10.0) (0.10.0)
Requirement already satisfied: kiwisolver>=1.0.1 in /Users/yaochenli/anaconda3/lib/python3.7/site-packages (from matplotlib->mpl-finance==0.10.0) (1.0.1)
Requirement already satisfied: pyparsing!=2.0.4,!=2.1.2,!=2.1.6,>=2.0.1 in /Users/yaochenli/anaconda3/lib/python3.7/site-packages (from matplotlib->mpl-finance==0.10.0) (2.3.1)
Requirement already satisfied: python-dateutil>=2.1 in /Users/yaochenli/anaconda3/lib/python3.7/site-packages (from matplotlib->mpl-finance==0.10.0) (2.8.0)
Requirement already satisfied: six in /Users/yaochenli/anaconda3/lib/python3.7/site-packages (from cycler>=0.10->matplotlib->mpl-finance==0.10.0) (1.12.0)
Requirement already satisfied: setuptools in /Users/yaochenli/anaconda3/lib/python3.7/site-packages (from kiwisolver>=1.0.1->matplotlib->mpl-finance==0.10.0) (40.8.0)
Building wheels for collected packages: mpl-finance
  Building wheel for mpl-finance (setup.py) ... [?25ldone
[?25h  Stored in directory: /private/var/folders/q9/2krqssqd16v76z26x_flv77m0000gn/T/pip-ephem-wheel-cache-rvgseok2/wheels/8f/bf/8a/6c858b2a3be945c7b2d658fbf6ab797b451d686cbee8aa2679
Successfully built mpl-finance
Installing collected packages: mpl-finance
Successfully installed mpl-finance-0.10.0
Note: you may need to restart the kernel to use updated packages.

from mpl_finance import candlestick_ohlc
import matplotlib.pyplot as plt

ax=plt.subplot()
mondays=WeekdayLocator(MONDAY)
weekFormatter = DateFormatter('%y %m %d'
最低0.47元/天 解锁文章
迷迷迷迷路的鹿鹿
关注
  • 7
    点赞
  • 踩
  • 105
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
python股票量化交易（13）---使用pyqt5构建股票交易K线形态
李元静
02-08 1万+
目录talib提供给我们的K线形态pyqt5绘制K线图 talib提供给我们的K线形态 在前面的博文中，我们介绍了talib提供给我们的6种K形态。不过，那只是博主通过讲解一部分，让大家认识如何使用talib区分K线，其实talib提供给我们的K线形态函数一共44个。那么如果通过软件进行标记呢？ 其实在众多的股票交易软件中，并不会主动给我们标记K线形态数据，而且K线形态这么多，哪怕程序员记下来恐怕也无能为力。所以，我们需要使用pyqt5设计界面给我们标记K线形态，并提示使用者那种K线预示涨，哪些K线预示跌。
python股票量化交易（7）---K线图：乌鸦、乌云压顶、十字星
李元静
01-30 1万+
随缘济众，其类至繁，约言其纲，大约有十：第一，与人为善;第二，爱敬存心;第三，成人之美;第四，劝人为善;第五，救人危急;第六，兴建大利;第七，舍财作福;第八，护持正法;第九，敬重尊长;第十，爱惜物命。 目录前言两只乌鸦三只乌鸦乌云压顶十字星 前言 在股票的交易中，我们最长使用的图其实是K线图，比如什么十字星，什么乌鸦等都是比较常用的参考指标，这些形态在我们判断市场运行趋势时，起到了非常重要的作用。所以，本篇将详细讲解TA-Lib库识别K线的各种形态。 两只乌鸦 首先，我们将介绍最简单的K线形态：两只乌鸦.
量化投资实战（一）之K线图策略
PyQuant
03-01 1209
K 线图（Candlestick Charts）又称为“蜡烛图”、“阴线图”等。股市及期货市场中的 K 线图的画法包含四个数据，即开盘价、最高价、最低价、收盘价，所有的 K 线都是围绕这四个数据展开，反映大势的状况和价格信息。如果把每日的 K 线图放在一张纸上，就能得到日 K 线图，同样也可画出周 K 线图、月 K 线图。第 1 个（前一期）红色蜡烛实体：收盘价高于开盘价；第 2 个（当前期）绿色蜡烛实体：收盘价低于开盘价；第 2 天（当前期）的开盘价高于第 1 天（前一期）的收盘价；
【Python数据可视化】教你如何使用Python绘制K线图
最新发布
m0_59236127的博客
04-25 1613
mplfinance库提供了丰富的参数和样式选项，可以根据需要自定义K线图的样式。以下是一些常用的自定义选项：1、 style参数：用于指定K线图的样式，可以选择的值有’binance’、‘yahoo’、'default’等。2、 title参数：用于设置图表的标题。3、 ylabel参数：用于设置y轴的标签。4、 mav参数：用于绘制移动平均线，可以传入一个列表，列表中的每个元素表示一个移动平均线的周期。style='yahoo', title='K线图', ylabel='价格')
python 股票指标库talib_talib金融库怎么用？
weixin_39948277的博客
12-15 1038
Talib一直缺乏有效的中文文档，我在[TA-Lib]学习笔记-K线模式识别发动了中文文档补齐计划，大家可以在网站上看到。使用方式你只需要import talib就可以是用talib计算各种技术分析指标啦~在Rceiquant上你也可以看到一些示例代码与策略：顺势指标(CCI)的应用波动率指标ATR【学习】Talib的Bollinger Bands应用【技术指标量化】平均趋向指数ADX和动向指数D...
用PYTHON画图 看股票/数字货币的趋势分析 带你直观理解指标 K线图
qq_38389291的博客
02-17 1万+
用PYTHON画图 看股票/数字货币的趋势分析 带你直观理解指标 本文章将用PYTHON 画图 以比特币（BTC）为例 进行画图分析 （小白向） Pycharm平台编写 所用到的python库 import requests from lxml import etree import math import pandas as pd import numpy as np import matplotlib.pyplot as plt from mplfinance.original_flavor impor
python数据分析-绘制股票k线数据
weixin_68789096的博客
08-30 551
前文已经讲述了如何根据 k 线数据进行绘制图形并创建价托建模，今天就结合 talib 类库强大的金融计算功能，介绍常见的技术指标计算方法，最终使用 matplotlib 绘图。本文结合 talib 和 matplotlib 两个类库实现了股票走势图的数据计算和图形展示，学习到了 plot 函数的使用和图形的布局。在后续的文章中会介绍如何使用 macd 和 kdj 两个指标进行选取金叉和死叉的股票，相关的图形展示代码已经上传至github,欢迎大家的持续关注。
量化投资 捕捉K线图的形态 实例2
xllzuibangla的博客
05-10 548
以上证综指2012年日K线图为分析依据 用Python捕捉上证综指K线图中出现的“早晨之星”形态。 一、确定“早晨之星”的形态 对连续3天的日度数据进行如下分析。 1、刻画蜡烛实体： 第1天(前两期)的收盘价低于开盘价，即描述蜡烛绿色实体； 第2天(前一期)的收盘价和开盘价大致相等，两者差别控制在一个范围内； 第3天(当期)蜡烛红色实体用收盘价高于开盘价来定义，两者的差值要大于等于第1天(前两期)开盘价与收盘价差值的一半。 2、定义十字星实...
k线形态python_教你轻松识别K线形态，果断收藏！
weixin_33421411的博客
01-04 4777
技术面分析都会接触过K线形态，那如何可以快速的识别K线形态，本文将通过程序帮你轻松识别。在开始之前我们先来了解下TA-Lib库。TA-Lib简介http://mrjbq7.github.io/ta-lib/doc_index.htmlTA-Lib(Technical Analysis Library)，是python金融量化中的高级分析库，涵盖了150多种常用的技术分析指标，如MACD、...
TradeGraph python量化交易k线绘图工具
10-12
之前用python做量化交易，需要画k线和各种曲线等，使用了mpl_finance，但体验太差，不支持拖拽而且性能很差，于是就自己写了个k线图工具TradeGraph，性能可媲美专业的股票软件
股票K线图识别软件.zip
04-09
股票K线图识别软件
python3 获取股票信息并画Ｋ线图显示 源代码 .py文件
11-22
python3 爬虫获取网易财经股票信息并将股票历史交易记录以Ｋ线图的形式展现，能自选股票。
量化回测思路与图解
09-10
什么是量化回测，简单定义： 用量化策略对过去指定时间段进行模拟交易，从而得到收益以及净值变化情况等统计数据。 量化回测起到为量化策略进入实盘交易提供一定的依据的作用， 只是判断量化策略好坏的第一个门槛。
Python量化交易学习笔记（18）——放量突破布林线中轨买入策略
12-21
买入条件中，放量突破布林线中轨具体指的是，当日股票开盘价在布林线中轨下方，收盘价在布林线中轨上方，当日成交量为10日以来的最高量。卖出条件中，短期均线选取为5日线。回测初始资金100000元，单笔操作单位1000...
python实现图像矢量量化，使用LBG算法
06-01
使用python实现图像矢量量化，使用LBG算法
Python量化交易学习笔记（16）——策略筛股
12-21
在笔记（14）中，我们看到在几组回测实验中，选取5日线及60日线的金叉买入、死叉卖出策略，最终能获取最高（仅限于几组实验数据）的资产。本文将尝试选取出前一日5日线金叉60日线的股票。 实验数据截止至2020年3月20...
python k线斜率计算公式_通达信K线斜率指标公式
weixin_39935319的博客
12-08 1440
X1:=EMA(C,4);X2:=REF(X1,1);X3:=EMA(C,7);X4:=REF(X3,1);X5:=EMA(C,25);X6:=REF(X5,1);三日斜率:EMA(EMA(((X1-X2)/X2*100)*10,3),3);七日斜率:EMA(EMA(((X3-X4)/X4*100)*10,7),7);廿五斜率:EMA(EMA(((X5-X6)/X6*100)*10,25),25)...
Python量化交易——七行python代码生成K线图（最后有干货）
热门推荐
Shepherdppz的博客
08-24 1万+
Python量化交易——利用tushare和mplfinance生成K线图tushare介绍mplfinance介绍获取K线数据处理数据数据的可视化更多的效果 tushare介绍 tushare是一个立足于国内的金融数据包。通过它可以相当容易地获取包括股票、基金、期货在内的大量金融数据，使用非常简便而且基础功能免费。 tushare的早期版本是完全免费的，不过功能也相对单一，后来升级到了tushare pro之后，支持的数据种类大大扩展，同时也开启了积分的功能，部分高级数据获取功能是需要一定积分的，积分通常
使用python实现自动爬取得物交易记录，商品信息进行数据分析
m0_46441844的博客
07-26 1万+
使用python实现自动爬取得物交易记录，商品信息进行数据分析前言开发流程实现过程1、API抓包2、破解请求数据分析数据包逆向验证3、编写爬虫代码4、反爬结束语与结果展示 前言 文章尽用于交流学习。 刚刚学习爬虫有一段时间，打算找一个网站突破一下，提升一下自己的爬虫与逆向能力。刚好最近买东西都在使用得物APP，所以就决定突破一下它。整个过程很曲折，踩了很多坑，遇到很多做之前没有预料到的问题。项目一共分为两个版本，第一版是由mitmproxy+appium自动化操作APP完成获取数据，由于完成之后发现爬取过程
python k线形态识别_python量化金融系列-K线分析、及形态捕捉
06-12
好的，您的问题是关于 Python 量化金融方面的 K 线形态识别和捕捉技术，这是一个非常有用的技能，可以帮助投资者更好地了解市场趋势和交易机会。在 Python 中，有一些库可以用来进行 K 线形态识别和捕捉，比如 TA-Lib、mpl_finance 等，下面我将简单介绍一下这些库的使用。 TA-Lib 是一个广泛使用的技术分析库，包括 K 线形态识别和捕捉等多种功能。在 TA-Lib 中，可以使用 talib.CDLXxx 等函数来识别和捕捉不同的 K 线形态，比如 talib.CDLHAMMER、talib.CDLMORNINGSTAR 等。使用 TA-Lib 的主要步骤包括导入库、读取数据、计算指标和形态、绘制图表等。 mpl_finance 是 Matplotlib 中的一个金融分析库，也可以用来进行 K 线形态识别和捕捉。在 mpl_finance 中，可以使用 candlestick_ochl、candlestick_ohlc 等函数来绘制 K 线图，并且可以根据 K 线图的形态来进行形态捕捉。使用 mpl_finance 的主要步骤包括导入库、读取数据、计算指标和形态、绘制 K 线图等。 除了以上两个库，还有一些其他的库也可以用来进行 K 线形态识别和捕捉，比如 PyAlgoTrade、Backtrader等，它们都有各自的特点和使用方法。如果您对这方面的技术感兴趣，可以进一步学习和探索。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值