今天就跟大家聊聊有关Python绘制移动均线方法以及源码怎么写,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
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3月1号至2021年6月1号,恒生电子(600570.SH)的日行情数据,并做简单处理,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='2021-03-01' end ='2021-06-01' set_token(token = 'xxxxxxxxxxxxxxxxxxxxxxxx') # 注册恒有数之后,获取并替换token data = GetData(stock_code,start,end)
#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']] # 选取日期与高开低收价格 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、计算均值 data_price['MA5']=data_price['close_price'].rolling(window=5).mean() data_price['MA10']=data_price['close_price'].rolling(window=10).mean() data_price['MA20']=data_price['close_price'].rolling(window=20).mean() data_price title=
将绘制移动均线的代码,添加至K线图绘制代码中;源代码及绘制图片如下:
#4、绘制图片 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') #(2)绘制均线 ax1.plot(range(len(data_price)), data_price['MA5'] , color='red', lw=2, label='MA (5)') ax1.plot(range(len(data_price)), data_price['MA10'] , color='blue', lw=2, label='MA (10)') ax1.plot(range(len(data_price)), data_price['MA20'] , color='green', lw=2, label='MA (20)') #设置标注 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 plt.legend(loc='best') # 绘制图例 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 #(3)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()
看完上述内容,你们对Python绘制移动均线方法以及源码怎么写有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注亿速云行业资讯频道,感谢大家的支持。
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。