数据可视化分析2.5

Plotly部分

实时金融数据绘制

本案例用苹果和特斯拉股票做例子。

利用Pandas导入数据

from plotly.offline import download_plotlyjs , init_notebook_mode,plot ,iplot
import plotly.graph_objects as go
import pandas as pd

df = pd.read_csv('APPL.csv')
df.head()

可以看到数据包含日期，开盘收盘成交量等数据。

绘制图表

利用go语句存放数据：

trace1=go.Scatter(
    x=df['Date'],
    y=df['AAPL.Close']
)

iplot([trace1])

利用同样的方法绘制特斯拉。我们这里绘制特斯拉股票的最高价和最低价。

df2 = pd.read_csv('Tesla.csv')
trace_a = go.Scatter(
         x = df2.date,
         y = df2.high,
         name = "Tesla High",
         line = dict(color = '#17BECF'),
         opacity =0.8

)
trace_b = go.Scatter(
         x = df2.date,
         y = df2.low,
         name = "Tesla Low",
         line = dict(color = '#7f7f7f'),
         opacity =0.8

)
data=[trace_a, trace_b]
iplot(data)

对布局做一些调整Layout：

layout = dict(title = "Tesla stock High vs Low")
fig = dict(data = data,layout = layout)
iplot(fig)

再加入一根收盘价线：

trace_c = go.Scatter(
         x = df2.date,
         y = df2.close,
         name = "Tesla Close",
         line = dict(color = '#7f7f7f'),
         opacity =0.8
)
data =[trace_a,trace_b,trace_c]

引入金融特性——范围选择器

import plotly.express as px
fig = px.line(df2 , x='date',y='close') # 导入df2数据，x轴是date，y是close
fig.update_xaxes(rangeslider_visible=True) # 范围选择器
fig.show()

再看看苹果的：

fig = px.line(df, x='Date', y='AAPL.High', title='Time Series with Rangeslider')
fig.update_xaxes(rangeslider_visible=True)
fig.show()

引入金融特性——日线，5日线等快捷键

fig = px.line(df, x='Date', y='AAPL.High', title='Time Series with Rangeslider')

fig.update_xaxes(rangeslider_visible=True,
                 rangeselector = dict(
                 	buttons=list([
						dict(count=1,label="1d",step="day",stepmode="backward"),
                     	dict(count=5,label="5d",step="day",stepmode="backward"),
                     	dict(count=1,label="1m",step="month",stepmode="backward"),
                     	dict(count=3,label="3m",step="month",stepmode="backward"),
                     	dict(count=6,label="6m",step="month",stepmode="backward"),
                     	dict(count=1,label="1y",step="year",stepmode="backward"),
                     	dict(step="all")   #恢复到之前                  
                 ])
                 )                                               
                )
fig.show()

引入金融特性——蜡烛图

蜡烛图代码：

go.Candlestick(
               x=日期,
               open=开盘价,
               high=最高价,
               low=最低价,
               close=收盘价
              )

fig = go.Figure(data=[go.Candlestick(
                        x=df['Date'],
                        open=df['AAPL.Open'],
                        high=df['AAPL.High'],
                        low=df['AAPL.Low'],
                        close=df['AAPL.Close']
                        )
                     ]
                )
ig = go.Figure(data=[go.Candlestick(
                        x=df['Date'],
                        open=df['AAPL.Open'],
                        high=df['AAPL.High'],
                        low=df['AAPL.Low'],
                        close=df['AAPL.Close']
                        )
                     ]
                )
fig.update_xaxes(rangeslider_visible=True,
                 rangeselector = dict(
                     buttons=list([
                         dict(count=1,label="日",step="day",stepmode="backward"),
                         dict(count=5,label="五日",step="day",stepmode="backward"),
                         dict(count=1,label="月线",step="month",stepmode="backward"),
                         dict(count=3,label="季线",step="month",stepmode="backward"),
                         dict(count=6,label="半年线",step="month",stepmode="backward"),
                         dict(count=1,label="年线",step="year",stepmode="backward"),
                         dict(step="all")                    
                 ])
                 )               
                )
fig.show()

引入金融特性——指标

import cufflinks as cf
cf.set_config_file(offline=True,world_readable=True) #设置offline=True和python关联

用cf自带模拟器生成k线数据：

df= cf.datagen.ohlc()
df.head()

qf=cf.QuantFig(df) # 把df内的数据变为金融数据

用qf.iplot()画K线图：

qf.iplot()

增加macd指标

增加macd指标：qf.add_macd()

qf.add_macd()
qf.iplot()

增加rsi指标

增加rsi指标：qf.add_rsi()

这里根据个人，输入数值：

qf.add_rsi(6,80) #周期6天触发值80
qf.iplot()

增加布林带通道

增加布林带通道：qf.add_bollinger_bands()

qf.add_bollinger_bands()
qf.iplot()

同样可以点击右上角关掉指标。
系列文章：
matplotlib中文字体不显示解决办法
利用matplotlib绘制各类图表
数据可视化分析2.1
数据可视化分析2.2
数据可视化分析2.3
数据可视化分析2.4