Matplotlib 烛台图

Salman Mehmood 2022年5月11日
Matplotlib 烛台图

在本演示中,我们将介绍烛台图或绘图,并了解如何使用 Python Matplotlib 中的 mplfinance 模块创建 OHLC(开盘价、最高价、最低价、收盘价)烛台图。

使用 Matplotlib 中的 mplfinance 库创建烛台图

Matplotlib 金融 API 使绘制股价变得容易。它需要安装在我们机器上的 pandasmplfinance 模块。

mplfinance 模块可以非常轻松地完成各种操作,例如 OHLC 图表、烛台图甚至是点数图,所有这些都在一条线上。

举个例子,首先要做的是获取一些数据。我们从雅虎财经下载了 2019 年至 2020 年的亚马逊股价。

要下载,请转到雅虎财经,搜索亚马逊,然后转到历史数据选项卡,以便在此处下载。我们使用的是亚马逊的股价,但你可以使用任何你喜欢的数据股价。

如果你的机器上没有安装 mplfinance 模块,你必须安装它。

pip install mplfinance

导入以下所需模块。

%matplotlib inline
import pandas as pd
import mplfinance as mplf

下面这一行将在不使用 show() 方法的情况下内联显示我们的绘图或图表,但是如果我们使用不同的 IDLE,例如 pycharm,我们不需要编写这一行,因为它会产生错误。

%matplotlib inline

让我们创建一个名为 file 的变量,并将其作为我们下载的 CSV 文件的名称。确保你位于正确的文件路径位置,否则你必须将路径放在这里并使用 os Python 包。

file="AMZN.csv"

然后我们将创建一个数据框并读取 CSV 文件。

data=pd.read_csv(file)

下面称为数据框。它是 252 行乘 7 列,我们在这里有这些列,可以看到它是自动索引的。

data

如果你将代码写入不同的 IDLE,则上述行将不起作用。你需要打印它以查看你的数据。

创建数据框并读取 csv 文件

有时当我们从 yahoo 下载数据时,列的名称前面有空格。这可能很烦人,所以你必须改变它。

我们将把 Date 列转换为 datetime,因为对象是一个字符串。我们需要使用 pandas to_datetime() 方法将其转换为 datetime

我们可以使用 info() 方法查看 Date 列的摘要及其数据类型。

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

当我们执行它时,我们现在将看到我们有一个 datetime 数据类型,而不是之前我们有一个对象。

<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

如果我们想操纵这些数据来显示我们的图表,我们需要访问日期列,因为我们将显示与日期相对应的股价。我们需要使索引成为我们数据框的 Date 列,并且该索引将自动添加填充。

data=data.set_index('Date')
data

Date 列现在是我们的索引。

在数据框中设置索引

我们将在以下示例中使用财务 API。我们有我们的数据和类型 mplf,这是我们对 mplfinance 模块的引用。

我们从这个模块调用 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()

输出:

matplotlib 中带有 mplfinance 的线图

如果我们想显示体积,我们将制作一个线图,因为在这个比例上更容易看到并且体积为 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()

我们有一个与 OHLC 图不同的线图。我们也有卷,所以我们可以看到它在这里为我们做了一些事情。

它已经标记了轴并旋转了这些标签。

输出:

matplotlib 中带有 mplfinance 的线图和体积

让我们在 pandas 中使用时间序列寻找几个月。我们使用 mav 参数将 5 月至 7 月的数据放入移动平均线,然后我们将类型指定为名为 candlestick 的蜡烛,我们将保持交易量。

%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()

如果我们执行代码,我们会得到一个烛台,一个 OHLC 图表,其交易量仅用于移动平均线。

输出:

matplotlib 中带有 mplfinance 的烛台图

我们可以使用 style 参数来更改绘图外观的样式,将 "yahoo" 设置为此方法的值。

%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()

输出:

更改 matplotlib 中的绘图样式

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

相关文章 - Matplotlib Plot