Matplotlib 燭臺圖

Salman Mehmood 2022年5月11日
Matplotlib 燭臺圖

在本演示中,我們將介紹燭臺圖或繪圖,並瞭解如何使用 Python Matplotlib 中的 mplfinance 模組建立 OHLC(開盤價、最高價、最低價、收盤價)燭臺圖。

使用 Matplotlib 中的 mplfinance 庫建立燭臺圖

Matplotlib 金融 API 使繪製股價變得容易。它需要安裝在我們機器上的 pandasmplfinance 模組。

mplfinance 模組可以非常輕鬆地完成各種操作,例如 OHLC 圖表、燭臺圖甚至是點數圖,所有這些都在一條線上。

舉個例子,首先要做的是獲取一些資料。我們從雅虎財經下載了 2019 年至 2020 年的亞馬遜股價。

要下載,請轉到雅虎財經,搜尋亞馬遜,然後轉到歷史資料選項卡,以便在此處下載。我們使用的是亞馬遜的股價,但你可以使用任何你喜歡的資料股價。

如果你的機器上沒有安裝 mplfinance 模組,你必須安裝它。

pip install mplfinance

匯入以下所需模組。

%matplotlib inline
import pandas as pd
import mplfinance as mplf

下面這一行將在不使用 show() 方法的情況下內聯顯示我們的繪圖或圖表,但是如果我們使用不同的 IDLE,例如 pycharm,我們不需要編寫這一行,因為它會產生錯誤。

%matplotlib inline

讓我們建立一個名為 file 的變數,並將其作為我們下載的 CSV 檔案的名稱。確保你位於正確的檔案路徑位置,否則你必須將路徑放在這裡並使用 os Python 包。

file="AMZN.csv"

然後我們將建立一個資料框並讀取 CSV 檔案。

data=pd.read_csv(file)

下面稱為資料框。它是 252 行乘 7 列,我們在這裡有這些列,可以看到它是自動索引的。

data

如果你將程式碼寫入不同的 IDLE,則上述行將不起作用。你需要列印它以檢視你的資料。

建立資料框並讀取 csv 檔案

有時當我們從 yahoo 下載資料時,列的名稱前面有空格。這可能很煩人,所以你必須改變它。

我們將把 Date 列轉換為 datetime,因為物件是一個字串。我們需要使用 pandas to_datetime() 方法將其轉換為 datetime

我們可以使用 info() 方法檢視 Date 列的摘要及其資料型別。

data.Date=pd.to_datetime(data.Date)
data.info()

當我們執行它時,我們現在將看到我們有一個 datetime 資料型別,而不是之前我們有一個物件。

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 252 entries, 0 to 251
Data columns (total 7 columns):
 #   Column     Non-Null Count  Dtype
---  ------     --------------  -----
 0   Date       252 non-null    datetime64[ns]
 1   Open       252 non-null    float64
 2   High       252 non-null    float64
 3   Low        252 non-null    float64
 4   Close      252 non-null    float64
 5   Adj Close  252 non-null    float64
 6   Volume     252 non-null    int64
dtypes: datetime64[ns](1), float64(5), int64(1)
memory usage: 13.9 KB

如果我們想操縱這些資料來顯示我們的圖表,我們需要訪問日期列,因為我們將顯示與日期相對應的股價。我們需要使索引成為我們資料框的 Date 列,並且該索引將自動新增填充。

data=data.set_index('Date')
data

Date 列現在是我們的索引。

在資料框中設定索引

我們將在以下示例中使用財務 API。我們有我們的資料和型別 mplf,這是我們對 mplfinance 模組的引用。

我們從這個模組呼叫 plot() 方法。

%matplotlib inline # remove this line when use do not use jupyter notebook
import pandas as pd
import mplfinance as mplf

file="AMZN.csv"
data=pd.read_csv(file)
data.Date=pd.to_datetime(data.Date)
data.info()
data=data.set_index('Date')
mplf.plot(data)
# use this when you are not using jupyter notebook
mplf.show()

輸出:

matplotlib 中帶有 mplfinance 的線圖

如果我們想顯示體積,我們將製作一個線圖,因為在這個比例上更容易看到並且體積為 True

%matplotlib inline # remove this line when we use jupyter notebook
import pandas as pd
import mplfinance as mplf

file="AMZN.csv"
data=pd.read_csv(file)
data.Date=pd.to_datetime(data.Date)
data.info()
data=data.set_index('Date')
mplf.plot(data,type='line',volume=True)
# use this when you are not using jupyter notebook
mplf.show()

我們有一個與 OHLC 圖不同的線圖。我們也有卷,所以我們可以看到它在這裡為我們做了一些事情。

它已經標記了軸並旋轉了這些標籤。

輸出:

matplotlib 中帶有 mplfinance 的線圖和體積

讓我們在 pandas 中使用時間序列尋找幾個月。我們使用 mav 引數將 5 月至 7 月的資料放入移動平均線,然後我們將型別指定為名為 candlestick 的蠟燭,我們將保持交易量。

%matplotlib inline # remove this line when wuse do not use jupyter notebook
import pandas as pd
import mplfinance as mplf

file="AMZN.csv"
data=pd.read_csv(file)
data.Date=pd.to_datetime(data.Date)
data.info()
data=data.set_index('Date')

mplf.plot(data.loc['2020-03':'2020-07'],figratio=(20,12),
          title='Amazon price 2019 - 2020',
          type='candle',
          mav=(20),volume=True)
# use this when you are not using jupyter notebook
mplf.show()

如果我們執行程式碼,我們會得到一個燭臺,一個 OHLC 圖表,其交易量僅用於移動平均線。

輸出:

matplotlib 中帶有 mplfinance 的燭臺圖

我們可以使用 style 引數來更改繪圖外觀的樣式,將 "yahoo" 設定為此方法的值。

%matplotlib inline # remove this line when wuse do not use jupyter notebook
import pandas as pd
import mplfinance as mplf

file="AMZN.csv"
data=pd.read_csv(file)
data.Date=pd.to_datetime(data.Date)
data.info()
data=data.set_index('Date')

mplf.plot(data.loc['2020-03':'2020-07'],figratio=(20,12),
          title='Amazon price 2019 - 2020',
          type='candle',
          mav=(20),volume=True,
          style="yahoo")
# use this when you are not using jupyter notebook
mplf.show()

輸出:

更改 matplotlib 中的繪圖樣式

Salman Mehmood avatar Salman Mehmood avatar

Hello! I am Salman Bin Mehmood(Baum), a software developer and I help organizations, address complex problems. My expertise lies within back-end, data science and machine learning. I am a lifelong learner, currently working on metaverse, and enrolled in a course building an AI application with python. I love solving problems and developing bug-free software for people. I write content related to python and hot Technologies.

LinkedIn

相關文章 - Matplotlib Plot