使用Pandas实现股票交易数据可视化

一、折线图：展现股价走势

1.1、简单版-股价走势图

 # 简洁版import pandas as pdimport matplotlib.pyplot as plt# 读取CSV文件df = pd.read_csv('../数据集/格力电器.csv')data = df[['high', 'close']].plot()plt.show()

首先通过df[['high','close']]从df中获取最高价和收盘价这两列特征数据，其为一个DataFrame数组对象，调用该对象的plot()对象，就可以完成绘制。

plot()函数生成图形时，默认将DataFrame对象的索引传给Matplotlib绘制X轴，DataFrame对象的各列数据作为Y轴分别绘制折线等图形。使用plt.show()函数展示。

参数名称	描述
x	指定应用于X轴的行标签或位置，默认为None，仅对DataFrame有效
y	指定应用于Y轴的行标签或位置，如果有多个，存放于list中，默认为None，仅对DataFrame有效
kind	str，指定绘制的图形类型："line"：折线图（默认）。"density"：密度图。"bar"：条形图。"area"：面积图。"barth"：横向条形图。"pie"：饼图。"hist"：直方图。"scatter"：散点图，需要指定X轴、Y轴**。"box"：箱线图。"hexbin"：蜂巢图，需要指定X轴、Y轴。"kde"：密度图。
ax	绘制图形的subplot对象，默认为当前的subplot对象
subplots	bool。是否针对不同列单独绘制子图
sharex	如果ax为None，则默认为True，否则为False
sharey	bool。在subplots=True前提下，如果有子图，子图是否共享Y轴，默认为False
figsize	元组型。（wigth,height），指定画布尺寸大小，单位为英寸
user_index	bool。是否使用索引作为X轴数据，默认为True
title	标题
grid	bool。是否显示网格
legend	bool。是否显示网格的图例，默认为True
xticks	序列。设置X轴的刻度值
yticks	序列。设置Y轴的刻度值
xlim	数值（最小值）、列表或元组（区间范围）。设置X轴范围
ylim	数值（最小值）、列表或元组（区间范围）。设置Y轴范围
xlabel	设置X轴的名称。默认使用行索引名。仅支持Pandas1.1.0及以上版本
ylabel	设置Y轴的名称。仅支持Pandas1.1.0及以上版本
rot	int。设置轴刻度旋转角度，默认为None
fontsize	int。设置轴刻度字体大小
colormap	string或colormap对象。设置图区域颜色
secondary_y	bool或序列。是否需要在次Y轴上绘制，或者在次Y轴上绘制哪些列
stacked	bool，是否创建堆积图。折线图和条形图默认为F alse，面积图默认为True

1.2、美化版-股价走势图

 import pandas as pdimport matplotlib.pyplot as plt​plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号​df = pd.read_csv('../数据集/格力电器.csv')data = df[['high','close']].head(22)# x轴刻度x_ticks = [i for i in range(data.shape[0])]# 美化版data.plot(title='最高价和收盘价的股价走势图',xlabel='行索引值',    # 默认值ylabel='股价',xticks=x_ticks)plt.show()  # 展示图形

1.3、添加日期的股价走势图

 import pandas as pdimport matplotlib.pyplot as plt​plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号​df = pd.read_csv('../数据集/格力电器.csv')# 日期转换->'2024/04/08/date = df['trade_date'].astype(str)year = date.str[:4] # 提取前4位，即年份month=date.str[4:6] # 提取月day=date.str[6:8]   # 提取日# 合并日期，格式为YYYY/MM/DD格式的字符串df['trade_date'] = year + '/' + month + '/' +daydf.sort_values(by='trade_date',inplace=True)    # 由大到小排序x_ticks = [i for i in range(22)]​df.head(22).plot(x='trade_date',y=['high','close'],xticks = x_ticks,   # X轴刻度值rot=90, # X轴刻度值倾斜度fontsize=15,    # 字体大小title='最高价和收盘价的股价走势图',xlabel='日期',    # 默认值ylabel='股价',grid=True  # 显示网格线)plt.show()

二、散点图：展示股价影响因素

2.1、散点图

使用plot()函数绘制散点图，将kind参数设置为"scatter"即可，

 import pandas as pdimport matplotlib.pyplot as plt​plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号# 读取数据df = pd.read_csv('../数据集/格力电器.csv')# ---------------------------## 绘制图形df.plot(x='vol',y='high',kind='scatter',# 默认为折线图，scatter为散点图title='格力电器成交量和最高价之间的关系散点图',xlabel='成交量',ylabel='最高价',c='red',)# 展示图形plt.show()

2.2、散点图-子图

若还想展示成交量、成交额、收盘价、涨跌额、涨跌幅之间关系的散点图，可以作为子图放到一个大的画布中：

 import pandas as pdimport matplotlib.pyplot as plt​plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号​df = pd.read_csv('../数据集/格力电器.csv') # # 读取数据fig,axes = plt.subplots(2,2)    # 准备画布# 子图1:df.plot(x='vol',y='high',kind='scatter',# 默认为折线图，scatter为散点图title='格力电器成交量和最高价之间的关系散点图',xlabel='成交量',ylabel='最高价',c='red',ax=axes[0][0])# 子图2:df.plot(x='vol',y='close',kind='scatter',# 默认为折线图，scatter为散点图title='格力电器成交量和收盘价之间的关系散点图',xlabel='成交量',ylabel='收盘价',c='green',ax=axes[0][1])# 子图3:df.plot(x='amount',y='high',kind='scatter',# 默认为折线图，scatter为散点图title='格力电器成交额和最高价之间的关系散点图',xlabel='成交额',ylabel='最高价',c='red',ax=axes[1][0])# 子图4:df.plot(x='amount',y='close',kind='scatter',# 默认为折线图，scatter为散点图title='格力电器成交额和收盘价之间的关系散点图',xlabel='成交额',ylabel='收盘价',c='green',ax=axes[1][1])plt.subplots_adjust(wspace=0.8, # 子图之间的距离hspace=0.5)plt.show()

三、条形图：展现同比成交量

 import matplotlib.pyplot as pltimport pandas as pd​plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号# 1、读取CSV文件df = pd.read_csv('../数据集/格力电器.csv')date = df['trade_date'].astype(str)# 2、提取年和月year = date.str[:4]month = date.str[4:6]df['year'] = yeardf['month'] = month# 3、按照年和月分组，获取2018和2019年的每月平均成交量group = df[['year', 'month', 'vol']].groupby(by=['year', 'month'])  # 按照年和月分组g_m = group.mean()  # 获取所有字段的平均值m_18 = g_m['vol']['2018']   # 获取2018年每月平均成交量m_19 = g_m['vol']['2019']   # 获取2019年每月平均成交量# 4、将2018和2019年每月成交量平均值数据存储于DataFrame中df2 = pd.DataFrame(list(zip(m_18, m_19)), index=[str(i) + '月' for i in range(1, 13)], columns=['2018', '2019'], )# 5、绘制条形图df2.plot(kind='bar',    # 条形图title='2018年和2019年格力电器每月平均成交量条形图',xlabel='月份',ylabel='成交量均量')plt.show()

若要绘制堆叠条形图，只需在plot()函数中将参数stacked设置为True即可。

若要将条形显示为横向条形图，只需将参数kind设置为barh即可。

四、饼图：展现成交量占比关系

 import pandas as pdimport matplotlib.pyplot as plt​plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号#1、读取CSV文件df = pd.read_csv('../数据集/格力电器.csv')#2、提取年和月date = df['trade_date'].astype(str)year = date.str[:4] # 提取前4位，即年份month = date.str[4:6] # 提取月份df['year'] = year   # 将年份插入到数据集中df['month'] = month # 将月份插入到数据集中​#3、按照年和月分组，获取2018年每月总成交量group = df[['year','month','vol']].groupby(by=['year','month']) # 按年和月分组g_s = group.sum()   # 获取所有字段总和s_18 = g_s['vol']['2018']   # 获取2018年每月总成交量s_18.index= [str(i) + '月' for i in range(1,13)]​#4、绘制图形s_18.plot(kind='pie',title='2018年格力电器每月成交量占比',autopct='%.2f%%', # 百分比)plt.show()

五、K线图：展现股价走势

5.1、mplfinance的安装与下载

 pip install mplfinance

5.2、绘制K线图

 import mplfinance as mpfimport pandas as pd​data = pd.read_csv('../数据集/格力电器.csv')data.sort_values(by=['trade_date'], inplace=True)date = data['trade_date'].astype(str)​year = date.str[:4]month = date.str[4:6]day = date.str[6:8]data['trade_date'] = year + '/' + month + '/' + daydata.index = pd.DatetimeIndex(data['trade_date'])​data = data[['open', 'close', 'high', 'low', 'vol']]data.columns = ['Open', 'Close', 'High', 'Low', 'Volume']​mpf.plot(data.head(70), # 绘制图形的数据（选取前70条）type='candle', # 设置图像类型volume=True,   # 是否显示成交量style='charles')# 设置图表样式为"charles"

mplfinance的plot()函数的常用参数：

参数	描述
type	设置绘制的 图像类型，有'ohlc'、'candle'、'line'、'renko'类型
volume	是否显示成交量，默认不显示
style	设置的图表样式，可以通过mpf.available_style()方法获取mplfinance提供的样式名称，有'binance','blueskies','brasil'....。可以自定义样式。
title	设置标题
ylabel	设置主图Y轴标题
ylabel_lower	设置次图的Y轴标题
mav	设置均线，如2日均线，5日均线，10日均线等
savefig	保存图片

下面通过自定义图表样式来美化K线图：

import mplfinance as mpf
import pandas as pddata = pd.read_csv('../数据集/格力电器.csv')
data.sort_values(by=['trade_date'], inplace=True)
date = data['trade_date'].astype(str)year = date.str[:4]
month = date.str[4:6]
day = date.str[6:8]
data['trade_date'] = year + '/' + month + '/' + day
data.index = pd.DatetimeIndex(data['trade_date'])data = data[['open', 'close', 'high', 'low', 'vol']]
data.columns = ['Open', 'Close', 'High', 'Low', 'Volume']# 设置K线颜色
my_color = mpf.make_marketcolors(up='red',  # 设置阳线柱填充颜色down='green',  # 设置阴线柱填充颜色edge='i',  # 设置蜡烛线边缘颜色wick='black',  # 设置蜡烛上下影线的颜色volume={'up': 'red', 'down': 'green'}  # 设置成交量颜色)# 设置图表样式
my_style = mpf.make_mpf_style(marketcolors=my_color,gridaxis='both',  # 设置网格线位置，both双向gridstyle='-.',  # 设置网格线类型base_mpf_style='charles',rc={'font.family': 'SimHei'}  # 设置字体为黑体)# 绘制K线图
mpf.plot(data.head(70),type='candle',  # 设置图像类型'ohlc'/'candle'/'line/renko'mav=(2, 5, 10),  # 绘制2日均线、5日均线和10日均线volume=True,  # 显示成交量style=my_style,  # 自定义图表样式title='格力电器2018年K线图',  # 设置标题ylabel='价格',  # 设置主图Y轴标题ylabel_lower='成交量'  # 设置次图Y轴标题)

mplfinance的make_mpf_style()函数的常用参数：

参数	描述
base_mpf_style	使用mplfinance中的系统样式，可以在make_marketcolors方法中使用，也可以在make_mpf_style中使用
base_mpl_style	使用mplfinance中的系统样式,比如：base_mpl_style='seaborn'
marketcolors	使用自定义样式
mavcolors	设置nav均线颜色，必须使用列表传递参数
facecolor	设置前景色
edgecolor	设置边缘线颜色
figcolor	设置填充色
gridcolor	设置网格线颜色
gridaxis	设置网格线方向，'both'、'horizontal'、'vertical‘
gridstyle	设置网格线线型。'-'[或solid]、’-’[或dashed]、'-.'[或dashdot]、':'[或dotted]、None
y_on_right	设置Y轴位置是否在左右
rc	使用rcParams的dict设置样式，如果内容与上面自定义的设置相同，那么自定义设置覆盖rcParams设置