K线图简介：
K线图又被成为“蜡烛图”、“阴阳线”等，它在视觉效果上可以很清晰得凸显出市场多空形势，K线图成为大家查看行情数据以及各式量化分析不可或缺的一环。在K线图常见的时间跨度分钟、日、周以及月。
K线由高开低收四个价格绘制而成。分为阳线与阴线两种，收盘价高于开盘价时为阳线，收盘价低于开盘价时为阴线；K线图的示意图如下：
K线由矩形实体与上下两根影线组成，实体上方的影线成为上影线，下方的成为下影线。实体与阴线相对长短，可形成多种形态。
1、股票数据
我们从恒有数金融数据社区，获取股票市场历史行情数据。我们获取2021年6月1号至2021年8月1号，恒生电子（600570.SH）的日行情数据，代码及执行结果如下。
# 加载取数与绘图所需的函数包
import pandas as pd
import datetime
from hs_udata import set_token,stock_quote_daily
from mpl_finance import candlestick_ohlc
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
def GetData(stock_code,start,end):
#stock_code：获取股票数据的股票代码
# start：开始日期
# end：结束日期
date_start=datetime.datetime.strptime(start,'%Y-%m-%d')
date_end =datetime.datetime.strptime(end,'%Y-%m-%d')
data = pd.DataFrame([])
while date_start<date_end:
# 获取日行情数据，接口说明见 https://udata.hs.net/datas/332/
# adjust_way枚举值为：0-不复权，1-前复权，2-后复权，此处取前复权
data_i = stock_quote_daily(en_prod_code=stock_code
,trading_date=date_start.strftime('%Y%m%d')
,adjust_way = 1)
data=pd.concat([data,data_i],axis=0) # 将行情数据按行拼接
date_start+=datetime.timedelta(days=1) # 日期变量自增
# 返回行情数据
return data
#1、获取行情数据
stock_code = "600570.SH" # 恒生电子 股票代码是600570.SH
start='2021-06-01'
end ='2021-08-01'
set_token(token = 'xxxxxxxxxxxxxxxxxxxxxxxx') # 注册后，获取并替换token
data = GetData(stock_code,start,end)
data
2、数据处理
由于恒有数的stock_quote_daily接口返回参数较多，包含了非交易日及停牌日期的数据。使用candlestick_ohlc包绘制K线图时，需要将日期转为数值。程序代码与执行结果如下：
#2、数据处理
data = data.loc[data.turnover_status=='交易'] # 剔除非交易日
data_price = data[['trading_date','open_price','high_price','low_price','close_price'
,'business_amount']] # 选取日期、高开低收价格、成交量数据
data_price.set_index('trading_date', inplace=True) # 将日期作为索引
data_price = data_price.astype(float) # 将价格数据类型转为浮点数
# 将日期格式转为 candlestick_ohlc 可识别的数值
data_price['Date'] = list(map(lambda x:mdates.date2num(datetime.datetime.strptime(x,'%Y-%m-%d')),data_price.index.tolist()))
data_price
3、绘制K线
使用mpl_finance函数包中candlestick_ohlc函数进行绘图，程序如下：
#3、绘制K线图
# 提取绘图数据
ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]
f1, ax = plt.subplots(figsize = (12,6)) # 创建图片
candlestick_ohlc(ax, ohlc.values.tolist(), width=.7
, colorup='red', colordown='green') # 使用candlestick_ohlc绘图
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d')) # 设置横轴日期格式
plt.xticks(rotation=30) # 日期显示的旋转角度
plt.title(stock_code,fontsize = 14) # 设置图片标题
plt.xlabel('日 期',fontsize = 14) # 设置横轴标题
plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴标题
plt.show()
4、去除图中非交易日
由于candlestick_ohlc函数默认绘制的K线图并未剔出非交易日（周末、节假日和停牌日期），导致K线之间存在空白间隔。下面我们通过修改绘图数据中横轴数据，修改横轴标注日期，实现剔除图中的非交易日数据。
# 4、去除非交易日的间隔
ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]
ohlc.loc[:,'Date'] = range(len(ohlc)) # 重新赋值横轴数据，使横轴数据为连续数值
# 绘图
f1, ax = plt.subplots(figsize = (12,6))
candlestick_ohlc(ax, ohlc.values.tolist(), width=.7, colorup='red', colordown='green')
plt.xticks(rotation=30) # 日期显示的旋转角度
plt.title(stock_code,fontsize = 14) # 设置图片标题
plt.xlabel('日 期',fontsize = 14) # 设置横轴标题
plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴标题
# 修改横轴标注日期
date_list = ohlc.index.tolist() # 获取日期列表
xticks_len = round(len(date_list)/(len(ax.get_xticks())-1)) # 获取默认横轴标注的间隔
xticks_num = range(0,len(date_list),xticks_len) # 生成横轴标注位置列表
xticks_str = list(map(lambda x:date_list[int(x)],xticks_num)) # 生成正在标注日期列表
ax.set_xticks(xticks_num) # 设置横轴标注位置
ax.set_xticklabels(xticks_str) # 设置横轴标注日期
plt.show()
5、在K线图中. 添加成交量
K线图中，除了K线数据，一般还配有成交量数据。恒有数的stock_quote_daily接口返回的数据中，也有成交量数据。将K线图与成交量绘制在同一张图的程序如下：
#5、绘制成交量
fig = plt.figure(figsize=(12,10))
grid = plt.GridSpec(12, 10, wspace=0.5, hspace=0.5)
#（1）绘制K线图
# K线数据
ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]
ohlc.loc[:,'Date'] = range(len(ohlc)) # 重新赋值横轴数据，绘制K线图无间隔
# 绘制K线
ax1 = fig.add_subplot(grid[0:8,0:12]) # 设置K线图的尺寸
candlestick_ohlc(ax1, ohlc.values.tolist(), width=.7
, colorup='red', colordown='green')
plt.title(stock_code,fontsize = 14) # 设置图片标题
plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴标题
ax1.set_xticks([]) # 日期标注在成交量中，故清空此处x轴刻度
ax1.set_xticklabels([]) # 日期标注在成交量中，故清空此处x轴
#（2）绘制成交量
# 成交量数据
data_volume = data_price[['Date','close_price','open_price','business_amount']]
data_volume['color'] = data_volume.apply(lambda row: 1 if row['close_price'] >= row['open_price'] else 0, axis=1) # 计算成交量柱状图对应的颜色，使之与K线颜色一致
data_volume.Date = ohlc.Date
# 绘制成交量
ax2 = fig.add_subplot(grid[8:10,0:12]) # 设置成交量图形尺寸
ax2.bar(data_volume.query('color==1')['Date']
, data_volume.query('color==1')['business_amount']
, color='r') # 绘制红色柱状图
ax2.bar(data_volume.query('color==0')['Date']
, data_volume.query('color==0')['business_amount']
, color='g') # 绘制绿色柱状图
plt.xticks(rotation=30)
plt.xlabel('日 期',fontsize = 14) # 设置横轴标题
# 修改横轴日期标注
date_list = ohlc.index.tolist() # 获取日期列表
xticks_len = round(len(date_list)/(len(ax2.get_xticks())-1)) # 获取默认横轴标注的间隔
xticks_num = range(0,len(date_list),xticks_len) # 生成横轴标注位置列表
xticks_str = list(map(lambda x:date_list[int(x)],xticks_num)) # 生成正在标注日期列表
ax2.set_xticks(xticks_num) # 设置横轴标注位置
ax2.set_xticklabels(xticks_str) # 设置横轴标注日期
plt.show()
到此这篇关于Python绘制专业的K线图 源代码解析的文章就介绍到这了,更多相关Python绘制专业的K线图 内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://developer.hs.net/thread/1424
