【数据可视化】Pyecharts 绘制K线图及交易信号

最新推荐文章于 2024-02-13 21:35:43 发布
最新推荐文章于 2024-02-13 21:35:43 发布
阅读量5.9k 收藏 52
点赞数 10
文章标签： 数据可视化 python
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/zhouhy0903/article/details/117483528
版权
获取原始数据

通过tushare接口获取600848股票行情，包括ohlc数据及相关因子。

import tushare as ts
data=ts.get_hist_data("600848")
print(data.head())

在这里插入图片描述

使用Pyecharts绘制K线图
绘制OHLC蜡烛图

在这里插入图片描述

def plot_kline(data):
    kline = (
        Kline(init_opts=opts.InitOpts(width="1800px",height="1000px")) # 设置画布大小
        .add_xaxis(xaxis_data=list(data.index)) # 将原始数据的index转化为list作为横坐标
        .add_yaxis(series_name="klines",y_axis=data[["open","close","low","high"]].values.tolist(), # 纵坐标采用OPEN、CLOSE、LOW、HIGH，注意顺序
        itemstyle_opts=opts.ItemStyleOpts(color="#ec0000", color0="#00da3c"),)
        .set_global_opts(legend_opts=opts.LegendOpts(is_show=True, pos_bottom=10, pos_left="center"),
            datazoom_opts=[
                opts.DataZoomOpts(
                    is_show=False,
                    type_="inside",
                    xaxis_index=[0],
                    range_start=98,
                    range_end=100,
                ),
                opts.DataZoomOpts(
                    is_show=True,
                    xaxis_index=[0],
                    type_="slider",
                    pos_top="85%",
                    range_start=98,
                    range_end=100,
                ),
            ],
            yaxis_opts=opts.AxisOpts(
                is_scale=True,
                splitarea_opts=opts.SplitAreaOpts(
                    is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
                ),
            ),
            tooltip_opts=opts.TooltipOpts(
                trigger="axis",
                axis_pointer_type="cross",
                background_color="rgba(245, 245, 245, 0.8)",
                border_width=1,
                border_color="#ccc",
                textstyle_opts=opts.TextStyleOpts(color="#000"),
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                dimension=2,
                series_index=5,
                is_piecewise=True,
                pieces=[
                    {"value": 1, "color": "#00da3c"},
                    {"value": -1, "color": "#ec0000"},
                ],
            ),
            axispointer_opts=opts.AxisPointerOpts(
                is_show=True,
                link=[{"xAxisIndex": "all"}],
                label=opts.LabelOpts(background_color="#777"),
            ),
            brush_opts=opts.BrushOpts(
                x_axis_index="all",
                brush_link="all",
                out_of_brush={"colorAlpha": 0.1},
                brush_type="lineX",
            ),
        )
    )
    kline.render("kline.html")    #导出成html文件

if __name__=="__main__":
    data=get_hist_data()
    plot_kline(data)
绘制OHLC蜡烛图+成交量图

一般在OHLC蜡烛图下面绘制交易量柱状图
在这里插入图片描述

def plot_kline_volume(data):
    kline = (
        Kline(init_opts=opts.InitOpts(width="1800px",height="1000px"))
        .add_xaxis(xaxis_data=list(data.index))
        .add_yaxis(
            series_name="klines",
            y_axis=data[["open","close","low","high"]].values.tolist(),
            itemstyle_opts=opts.ItemStyleOpts(color="#ec0000", color0="#00da3c"),
        )
        .set_global_opts(legend_opts=opts.LegendOpts(is_show=True, pos_bottom=10, pos_left="center"),
            datazoom_opts=[
                opts.DataZoomOpts(
                    is_show=False,
                    type_="inside",
                    xaxis_index=[0,1],  # 这里需要修改可缩放的x轴坐标编号
                    range_start=98,
                    range_end=100,
                ),
                opts.DataZoomOpts(
                    is_show=True,
                    xaxis_index=[0,1],  # 这里需要修改可缩放的x轴坐标编号
                    type_="slider",
                    pos_top="85%",
                    range_start=98,
                    range_end=100,
                ),
            ],
            yaxis_opts=opts.AxisOpts(
                is_scale=True,
                splitarea_opts=opts.SplitAreaOpts(
                    is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
                ),
            ),
            tooltip_opts=opts.TooltipOpts(
                trigger="axis",
                axis_pointer_type="cross",
                background_color="rgba(245, 245, 245, 0.8)",
                border_width=1,
                border_color="#ccc",
                textstyle_opts=opts.TextStyleOpts(color="#000"),
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                dimension=2,
                series_index=5,
                is_piecewise=True,
                pieces=[
                    {"value": 1, "color": "#00da3c"},
                    {"value": -1, "color": "#ec0000"},
                ],
            ),
            axispointer_opts=opts.AxisPointerOpts(
                is_show=True,
                link=[{"xAxisIndex": "all"}],
                label=opts.LabelOpts(background_color="#777"),
            ),
            brush_opts=opts.BrushOpts(
                x_axis_index="all",
                brush_link="all",
                out_of_brush={"colorAlpha": 0.1},
                brush_type="lineX",
            ),
        )
    )

    bar = (
        Bar()
        .add_xaxis(xaxis_data=list(data.index))
        .add_yaxis(
            series_name="volume",
            y_axis=data["volume"].tolist(),
            xaxis_index=1,
            yaxis_index=1,
            label_opts=opts.LabelOpts(is_show=False),
            itemstyle_opts=opts.ItemStyleOpts(
                color=JsCode(
                    """
                function(params) {
                    var colorList;
                    if (barData[params.dataIndex][1] > barData[params.dataIndex][0]) {
                        colorList = '#ef232a';
                    } else {
                        colorList = '#14b143';
                    }
                    return colorList;
                }
                """
                )
            ),
        )
        .set_global_opts(
            xaxis_opts=opts.AxisOpts(
                type_="category",
                grid_index=1,
                axislabel_opts=opts.LabelOpts(is_show=False),
            ),
            legend_opts=opts.LegendOpts(is_show=False),
        )
    )

    #kline.render("kline.html")   #test
    
    grid_chart = Grid(
        init_opts=opts.InitOpts(
            width="1800px",
            height="1000px",
            animation_opts=opts.AnimationOpts(animation=False),
        )
    )

    grid_chart.add_js_funcs("var barData={}".format(data[["open","close"]].values.tolist())) # 导入open、close数据到barData改变交易量每个bar的颜色
    grid_chart.add(
        #overlap_kline_line,
        kline,
        grid_opts=opts.GridOpts(pos_left="10%", pos_right="8%", height="40%"),
    )
    grid_chart.add(
        bar,
        grid_opts=opts.GridOpts(
            pos_left="10%", pos_right="8%", pos_top="60%", height="20%"
        ),
    )
    grid_chart.render("kline_volume.html")

if __name__=="__main__":
    data=get_hist_data()
    plot_kline_volume(data)
绘制技术指标（交易信号）

画出5日、10日、20日均线，其他交易信号同理，如下图。
在这里插入图片描述

ef plot_kline_volume_signal(data):
    kline = (
        Kline(init_opts=opts.InitOpts(width="1800px",height="1000px"))
        .add_xaxis(xaxis_data=list(data.index))
        .add_yaxis(
            series_name="klines",
            y_axis=data[["open","close","low","high"]].values.tolist(),
            itemstyle_opts=opts.ItemStyleOpts(color="#ec0000", color0="#00da3c"),
        )
        .set_global_opts(legend_opts=opts.LegendOpts(is_show=True, pos_bottom=10, pos_left="center"),
            datazoom_opts=[
                opts.DataZoomOpts(
                    is_show=False,
                    type_="inside",
                    xaxis_index=[0,1],
                    range_start=98,
                    range_end=100,
                ),
                opts.DataZoomOpts(
                    is_show=True,
                    xaxis_index=[0,1],
                    type_="slider",
                    pos_top="85%",
                    range_start=98,
                    range_end=100,
                ),
            ],
            yaxis_opts=opts.AxisOpts(
                is_scale=True,
                splitarea_opts=opts.SplitAreaOpts(
                    is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
                ),
            ),
            tooltip_opts=opts.TooltipOpts(
                trigger="axis",
                axis_pointer_type="cross",
                background_color="rgba(245, 245, 245, 0.8)",
                border_width=1,
                border_color="#ccc",
                textstyle_opts=opts.TextStyleOpts(color="#000"),
            ),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                dimension=2,
                series_index=5,
                is_piecewise=True,
                pieces=[
                    {"value": 1, "color": "#00da3c"},
                    {"value": -1, "color": "#ec0000"},
                ],
            ),
            axispointer_opts=opts.AxisPointerOpts(
                is_show=True,
                link=[{"xAxisIndex": "all"}],
                label=opts.LabelOpts(background_color="#777"),
            ),
            brush_opts=opts.BrushOpts(
                x_axis_index="all",
                brush_link="all",
                out_of_brush={"colorAlpha": 0.1},
                brush_type="lineX",
            ),
        )
    )

    bar = (
        Bar()
        .add_xaxis(xaxis_data=list(data.index))
        .add_yaxis(
            series_name="volume",
            y_axis=data["volume"].tolist(),
            xaxis_index=1,
            yaxis_index=1,
            label_opts=opts.LabelOpts(is_show=False),
            itemstyle_opts=opts.ItemStyleOpts(
                color=JsCode(
                    """
                function(params) {
                    var colorList;
                    if (barData[params.dataIndex][1] > barData[params.dataIndex][0]) {
                        colorList = '#ef232a';
                    } else {
                        colorList = '#14b143';
                    }
                    return colorList;
                }
                """
                )
            ),
        )
        .set_global_opts(
            xaxis_opts=opts.AxisOpts(
                type_="category",
                grid_index=1,
                axislabel_opts=opts.LabelOpts(is_show=False),
            ),
            legend_opts=opts.LegendOpts(is_show=False),
        )
    )
    
    line=(Line()
        .add_xaxis(xaxis_data=list(data.index))
        .add_yaxis(
            series_name="ma5",
            y_axis=data["ma5"].tolist(),
            xaxis_index=1,
            yaxis_index=1,
            label_opts=opts.LabelOpts(is_show=False),
    ).add_yaxis(
            series_name="ma10",
            y_axis=data["ma10"].tolist(),
            xaxis_index=1,
            yaxis_index=1,
            label_opts=opts.LabelOpts(is_show=False),
    ).add_yaxis(
            series_name="ma20",
            y_axis=data["ma20"].tolist(),
            xaxis_index=1,
            yaxis_index=1,
            label_opts=opts.LabelOpts(is_show=False),
    )
    )
    

    grid_chart = Grid(
        init_opts=opts.InitOpts(
            width="1800px",
            height="1000px",
            animation_opts=opts.AnimationOpts(animation=False),
        )
    )

    grid_chart.add_js_funcs("var barData={}".format(data[["open","close"]].values.tolist()))
    overlap_kline_line = kline.overlap(line)
    grid_chart.add(
        overlap_kline_line,
        #kline,
        grid_opts=opts.GridOpts(pos_left="11%", pos_right="8%", height="40%"),
    )
    grid_chart.add(
        bar,
        grid_opts=opts.GridOpts(
            pos_left="10%", pos_right="8%", pos_top="60%", height="20%"
        ),
    )
    grid_chart.render("kline_volume_signal.html")

if __name__=="__main__":
    data=get_hist_data()
    plot_kline_volume_signal(data)
zhouhy0903
关注
  • 10
    点赞
  • 踩
  • 52
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
Python 数据可视化pyecharts的使用详解
09-19
主要介绍了Python 数据可视化pyecharts的使用详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
如何使用Echarts设计专业的K线图
01-08
如何使用Echarts设计专业的K线图 先上图： Echarts所需的K线的数据结构有：时间(date)，开盘(open)，收盘(close)，最低(lowest)，最高(highest)，成交量（volume） 数据采用list列表形式封装，如： 时间（date），开盘(open)，收盘(close)，最低(lowest)，最高(highest)，成交量（volume） var data0 = [[2016-06-17, 17733.44, 17675.16, 17602.78, 17733.44, 248680000], [2016-06-20, 17736.87, 17804.
股票K线图绘制.pdf
07-20
股票K线图绘制.pdf
Python实现MACD指标计算：股票技术分析的利器系列（1）
二等碗
02-13 1347
先看看官方介绍：MACD (平滑异同平均线）指标说明DIF线：收盘价短期、长期指数平滑移动平均线间的差；DEA线：DIF线的M日指数平滑移动平均线；MACD线：DIF线与DEA线的差，彩色柱状线；参数：SHORT(短期)、LONG(长期)、M 天数，一般为12、26、9。用法1.DIF、DEA均为正，DIF向上突破DEA，买入信号；2.DIF、DEA均为负，DIF向下跌破DEA，卖出信号；3.DEA线与K线发生背离，行情反转信号；
量化股票第一步，用Python画股票K线，双均线图，可视化你的股票数据！
cainiao_python的博客
12-19 1443
(永久免费，扫码加入)量化是一个庞大的学科体系，华尔街早在很多年前就有了一帮精英在研究，集合了数学，统计学，计算机和金融几大学科的知识，其中Python目前是量化领域最通用的编程语言。前面小编写了几篇关于股票量化的开胃菜，有粉丝同学私信我比较有兴趣，今天我们继续写，更多内容我们都看我们的小册：我的小册：小白零基础用Python量化股票分析小册，原价199早鸟价39（满100人涨10元）今天带大家...
python 实现Web版股票行情界面
多凡的博客
10-06 3745
介绍下pyecharts库的使用，以契合大家对Web版图表显示的需求。 Kline方法绘制K线图 from pyecharts import Kline import pandas_datareader.data as web import datetime df_stockload = web.DataReader("000001.SS", "yahoo", datetime.datetim...
pyecharts绘制K线
热门推荐
lyx的专栏
12-23 1万+
        最近想扩展一下vnpy，优化一些功能和代码的性能。在看backtesting部分代码的时候，发现，vnpy其实回测功能挺弱的，可以自己扩展一下。随之而来的就是一个回测结果可视化的问题。vnpy原生的回测结果没有绘制k线，所以也就没有指标的可视化和开仓平仓的可视化，只有随后交易结果的可视化。笔者自己其实有点点不习惯，没有看到策略的可视化回测结果，有点点不开心，所以打算自己做一下。首先...
echarts k 线图
aibujin的博客
05-16 3228
Echarts 常用各类图表模板配置 注意： 这里主要就是基于各类图表，更多的使用 Echarts 的各类配置项； 以下代码都可以复制到 Echarts 官网，直接预览； 图标模板目录Echarts 常用各类图表模板配置一、K 线图二、环形图 一、K 线图 const upColor = '#32E5FF'; const downColor = '#F7517F'; function splitData(rawData) { let categoryData = []; let value
echarts K线图
lgplrcode的博客
06-22 7335
由于工作需要画K线图，那么使用echarts 来实现k线图，但是由于echarts的k线图不能满足需求，结合了echarts 的k线图实例和日力图实例，再加上自己摸索看官方文档，终于需求实现了， 实例： drawLine(data,MA5Price,MA10Price,MA20Price,MA30Price,MA60Price,dn,mb,up,ids,volumes,rsi,rsiABSEma,rsiMaxEma,MA5Volume,MA10Volume,s,rsv,d,j,k,dif,dea,mac
如何使用Echarts创建动态K线图
Loyar的博客
06-23 6603
如何使用Echarts创建动态K线图 一：了解组件 首先来看官方的例子和使用文档 Echarts官方实例-----点击此处 我们可以看到有多重的图形和格式可以供我们选择，我们在此选择K线图。 我们选择该种K线图进行测试。 二：下载组件 Echarts下载链接 GitHub地址下载 三：Demo实现 首先创建一个没有母版页的空页面（使用.cshtml实现,该组件嵌入html和cshtml均可，无区别） @{ Layout = null; } <!DOCTYPE html> <h
vue+Echarts绘制k线图(二)--分时图和交易量图
蓑笠翁
03-13 5571
使用vue+Echarts绘制k线图中的分时图、交易量图详解
【Python数据可视化源码实例Pyecharts库集合】K线图烛台.zip
07-12
谢谢大家的支持！
基于C++的K线图绘制工具KLineChart
03-25
在本人开发的CChart曲线绘制库的基础上，拓展出了一个新工具，用于K线图的绘制。本工具的介绍见https://bbs.csdn.net/topics/392553980，CChart的介绍见https://bbs.csdn.net/topics/392520079。最主要的特点是调用非常简单。自带一个示例程序。
python的pyecharts绘制各种图表详细（附代码）
09-18
主要介绍了python的pyecharts绘制各种图表详细（附代码），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
数据可视化技术应用-pyecharts绘制基本图表类型.pptx
02-16
数据可视化技术应用
数据可视化-Pyecharts绘制散点图
04-22
数据可视化-Pyecharts绘制散点图
数据可视化-Pyecharts绘制柱形图
最新发布
04-22
数据可视化-Pyecharts绘制柱形图
数据可视化-Pyecharts绘制折线图
04-22
数据可视化-Pyecharts绘制折线图
python数据可视化pyecharts
06-28
### 回答1： Python数据可视化pyecharts是一个基于Python语言的数据可视化库，它提供了丰富的图表类型和交互式功能，可以帮助用户快速地创建各种类型的图表，包括折线图、柱状图、散点图、地图等。同时，它还支持多种数据格式的导入和导出，包括CSV、Excel、JSON等，方便用户进行数据处理和分析。pyecharts的使用非常简单，只需要几行代码就可以生成一个漂亮的图表，因此它被广泛应用于数据分析、商业智能、科学研究等领域。 ### 回答2： Python数据可视化是Python中重要的数据处理和分析技术，它允许将数据转换为可视的图形或更具体的图表。Pyecharts是一个可视化库，它利用了echarts支持的全部功能，并集成了jupyter和pandas，并可以快速创建交互式的图表。 Pyecharts可以实现各种类型的图表，包括散点图、雷达图、热力图、地图、仪表盘、散点图矩阵、面积图等。同时，pyecharts支持SVG/HTML5渲染，实现了网页内快速响应、流畅的动画效果，同时也支持跨平台的使用（如Jupyter Notebook）我们可以通过安装pip install pyecharts快速配置来实现自己的可视化需求。 在实际应用中，Python数据可视化pyecharts的应用广泛，比如在数据分析领域，为了能够更直观地展示数据情况，需要使用可视化方式。可视化方案pyecharts就是其中比较优秀的一种开源可视化方案，基于Python的应用使用方便、图表美观、交互性强，适合于各种个数据方案的可视化处理。 总的来说，Python数据可视化pyecharts提供了一种简单、快捷、美观的图示工具，适用于工程师、分析师、学者等不同领域的数据分析任务。如果您在数据分析和可视化方面有涉及到相关的需求，学习和使用python数据可视化pyecharts将会提高您的工作效率，同时为您的工作增色不少。 ### 回答3： Pyecharts是一种基于Python编程语言的高级数据可视化工具，它提供了丰富的图表类型和大量的数据可视化功能，能够使数据更加生动直观，方便用户更好地理解和分析数据。 Pyecharts支持各种常见图表类型，包括折线图、柱状图、散点图、地图等。通过Pyecharts，用户可以轻松实现二维图表和三维图表的绘制，支持数据的多维显示，数据展示更加具有灵活性。 Pyecharts采用Python语言编写并使用了前端技术，因此操作简单，交互性强，具有良好的可扩展性。用户可以使用Python语言实现数据的导入、预处理和分析，并使用Pyecharts绘制图表，从而更好地获取数据信息，帮助用户做出更明智的决策。 Pyecharts还支持自定义配色方案、标签显示格式、图表上的文字等功能，帮助用户更好地展示数据并制作出更具有艺术性的图表。另外，Pyecharts的图表支持自由调整，可供用户在图表空间内进行缩放、平移等操作，从而更好地控制数据呈现的信息量。 总之，Python数据可视化Pyecharts是一种功能强大的数据可视化工具，可以帮助用户制作高质量、丰富多彩的图表，使数据更具可读性和可视化效果。其简单易用、可扩展性强、图表样式多样等特点受到了很多用户的青睐。

“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 4
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