【K线绘图】教你用python绘制带有买卖点的股票K线图（附送鳄鱼指标、顾比均线指标、dataframe格式化输出）
提示：文章内买卖点不构成交易依据，请根据情况自行决策。
教你用python绘制带有买卖点的股票K线图（附带鳄鱼指标、顾比均线指标、dataframe格式化输出）
- 前言
- 一、自己绘图，是不是疯了？
- 二、分步说明
-
- 1. 准备工作
-
- 1.1 安装必要的包
- 1.2 获取日K数据
- 1.3 下载MyTT文件
- 2. 代码分段说明
-
- 2.1 代码变编码
- 2.2 表格美化输出
- 3. 新增鳄鱼指标与顾比均线指标
-
- 3.1 鳄鱼指标（摘自MT5）
- 3.2 顾比均线
- 4. 绘制K线图（封装成函数，方便调用）
- 三、完整代码
- 总结
前言
快速绘制一张属于自己的量化交易图，是研判指标和交易策略的有效工具。下图是个人将MT5的鳄鱼指标移植到python代码里，并通过绘图函数进行了绘制。其中红色箭头为买入标志，绿色箭头为卖出标志。当然如果要进行实盘，还需要再增加条件进行细化。这里只是抛砖引玉，故有兴趣的朋友可自行实践，也欢迎在评论区留言交流。
提示：以下是本篇文章正文内容，下面案例仅供参考
一、自己绘图，是不是疯了？
有人说，交易软件这么发达，也可以自己写指标，还要用Python自己写代码，是不是疯了。多此一举！
事实是，要对量化策略买卖点进行研判，以修改和再评估，绘图这种直观的方式必不可少。有多少人，只能在策略的黑匣子里琢磨，改来改去却又不知道为何修改，怎么修改？于是越改越晕…
下面咱们就来尝试自己撸代码，搞个私人定制的绘图工具。
二、分步说明
1. 准备工作
1.1 安装必要的包
安装matplotlib，mplfinance模块
pip install matplotlib
pip install mplfinance
1.2 获取日K数据
为了方便，这里我们使用 Ashare包，小巧方便，只一个文件。下载Ashare.py并将其也和测试代码放在同一目录即可。
计算指标，先得有数据，采集数据可考文章《一文学懂通过Tushare、AKshare、baostock、Ashare、Pytdx获取股票行情数据（含代码）》
https://blog.csdn.net/popboy29/article/details/125815775
1.3 下载MyTT文件
访问https://github.com/mpquant/MyTT，下载MyTT文件放到运行Python的目录即可，下面会用到，需要提前准备好。了解更多指标计算可参考下文：
【指标计算】老妈再也不担心我的指标算不好了（教你用MyTT、TA-Lib、Pandas TA计算股票指标，附源代码）_IT里的交易员的博客-CSDN博客_python股票指标计算库
https://blog.csdn.net/popboy29/article/details/125826838
2. 代码分段说明
下面是分段解释，熟悉的朋友可以跳过，看不懂完整代码的再回过来看也不迟。由于这里需要引用的东西比较多，所以还是逐个给大家解释下，免得后面晕菜。
2.1 代码变编码
将6为数字代码，如“600000”转化为“sh.600000”，方便Ashare调用。
def code2symbol(code,kind="sh.code"):
'''根据code代码开头数字转为为标准的symbol'''
if len(code) == 6 and kind == "sh.code":
if code[0] == "6" or code[0] == "9": #上证股票
return "sh"+code
if code[0] == "0" or code[0] == "3" or code[0] == "2": #深证股票
return "sz"+code
if code[0] == "4" or code[0] == "8": #北证股票
return "bj"+code
2.2 表格美化输出
很多人使用print输出pandas的dataframe，打印中少行少列，数据还对不齐，确实对数据分析不方便，这里咱们增加一个小工具（也是我博客的常见菜），需要对代码稍稍加工下，整段函数复制即可。
为了方便数据展示，需要调用prettytable包，请测试前提前安装，以免报错。安装语句如下：
pip install -U prettytable
格式化输出函数代码如下：
def df_table(df,index):
import prettytable as pt
#利用prettytable对输出结果进行美化,index为索引列名:df_table(df,'market')
tb = pt.PrettyTable()
df = df.reset_index(drop = True)
tb.add_column(index,df.index)
for col in df.columns.values:#df.columns.values的意思是获取列的名称
tb.add_column(col, df[col])
print(tb)
3. 新增鳄鱼指标与顾比均线指标
3.1 鳄鱼指标（摘自MT5）
MT5是啥？问度娘。
鳄鱼指标？鳄鱼指标有蓝、红、绿三条。蓝线，是鳄鱼的颚。红线，是鳄鱼的牙齿。绿线，是鳄鱼的上唇。基本上，无论实时价格往任何方向移动，鳄鱼线扮演着使我们的交易保持正当方向的罗盘角色。
def Alligator(CLOSE, HIGH, LOW, FAST=5, MID=8, SLOW=13):
''' 鳄鱼指标 '''
MP = (HIGH + LOW)/2 # 中间价
# MP = (CLOSE + HIGH + LOW)/3 # 中间价
LIPS = SMA(MP,FAST) #鳄鱼的嘴唇
TEETH = SMA(MP,MID) #鳄鱼的牙齿
JAW = SMA(MP,SLOW) #鳄鱼的下巴
return LIPS,TEETH,JAW
3.2 顾比均线
顾比均线又叫顾比移动复合平均线，由澳大利亚的投资家戴若-顾比先生发明。顾比均线由短期线束：3、5、8、10、12、15均线，和 长期线束：30、35、40、45、50、60组成。用短期线束和长期线束来判断短长线的趋势，很好的过滤了单一的均线产生的骗线的问题。
def Guby(CLOSE, SHORT_MA = [3,5,8,10,12,15], LONG_MA = [30,35,40,45,50,60] ):
'''顾比均线'''
# 短期线束
SHORT0 = EMA(CLOSE,SHORT_MA[0]);
SHORT1 = EMA(CLOSE,SHORT_MA[1]);
SHORT2 = EMA(CLOSE,SHORT_MA[2]);
SHORT3 = EMA(CLOSE,SHORT_MA[3]);
SHORT4 = EMA(CLOSE,SHORT_MA[4]);
SHORT5 = EMA(CLOSE,SHORT_MA[5]);
# 长期线束
LONG0 = EMA(CLOSE,LONG_MA[0]);
LONG1 = EMA(CLOSE,LONG_MA[1]);
LONG2 = EMA(CLOSE,LONG_MA[2]);
LONG3 = EMA(CLOSE,LONG_MA[3]);
LONG4 = EMA(CLOSE,LONG_MA[4]);
LONG5 = EMA(CLOSE,LONG_MA[5]);
return SHORT0,SHORT1,SHORT2,SHORT3,SHORT4,SHORT5,LONG0,LONG1,LONG2,LONG3,LONG4,LONG5
4. 绘制K线图（封装成函数，方便调用）
这里以鳄鱼指标进行演示，顾比均线大家有兴趣自己修改玩。有问题可在评论区留言。
传入参数df为dataframe格式数据，必须包含open，high，low，close，volume，需要在主图添加指标的，将指标也作为一列即可。如鳄鱼指标的’LIPS’,‘TEETH’,‘JAW’。
这里对每一行进行了注释，就是方便大家修改代码，实现自己的需要。不过代码坑比较多，建议直接使用。笔者在这里折腾的时间比做指标还要长几倍！
def draw_kline(df):
# 调用make_marketcolors函数，定义K线颜色，'i'表示根据K线颜色
mc = mpf.make_marketcolors(
up="red", # 上涨K线的颜色
down="green", # 下跌K线的颜色
edge='i', # 蜡烛图箱体的颜色，'i'表示跟随K线颜色
volume='i', # 成交量柱子的颜色，'i'表示跟随K线颜色
wick='i', # 蜡烛图影线的颜色，'i'表示跟随K线颜色
)
# 调用make_mpf_style函数，自定义图表样式 ，函数返回一个字典，查看字典包含的数据，按照需求和规范调整参数
style = mpf.make_mpf_style(base_mpl_style="ggplot", marketcolors=mc,rc={'font.family': 'SimHei', 'axes.unicode_minus': 'False'})
# 添加单个指标示例
# add_plot=[
# mpf.make_addplot(df.LIPS),
# mpf.make_addplot(df.TEETH),
# mpf.make_addplot(df.JAW)]
# 鳄鱼指标(后两行为多空标记)
add_plot=[
mpf.make_addplot(df[['LIPS','TEETH','JAW']]),
mpf.make_addplot(df['duo'].values, scatter=True, markersize=20, marker='^', color='r'),
mpf.make_addplot(df['kong'].values, scatter=True, markersize=20, marker='v', color='g'),
]
# # 顾比均线
# add_plot=[mpf.make_addplot(df[['SHORT0','SHORT1','SHORT2','SHORT3','SHORT4','SHORT5','LONG0','LONG1','LONG2','LONG3','LONG4','LONG5']])]
# 开始绘图
mpf.plot(data=df,
type="candle",
title="K线图",
addplot=add_plot,
ylabel="价格",
style=style,
volume=True,
figratio=(20,14),
figscale=1)
三、完整代码
绘制带有鳄鱼指标及多空方向K线图（下方是成交量）完整代码。具体多空点没有进行细化研究，故不要作为买卖依据，实盘请再细化。
import time
from Ashare import *
# 加载指标计算库
from MyTT import *
import matplotlib.pyplot as plt
import mplfinance as mpf
# ===============表格美化输出===============
def df_table(df,index):
import prettytable as pt
#利用prettytable对输出结果进行美化,index为索引列名:df_table(df,'market')
tb = pt.PrettyTable()
df = df.reset_index(drop = True)
tb.add_column(index,df.index)
for col in df.columns.values:#df.columns.values的意思是获取列的名称
tb.add_column(col, df[col])
print(tb)
def code2symbol(code,kind="sh.code"):
'''根据code代码开头数字转为为标准的symbol'''
if len(code) == 6 and kind == "sh.code":
if code[0] == "6" or code[0] == "9": #上证股票
return "sh."+code
if code[0] == "0" or code[0] == "3" or code[0] == "2": #深证股票
return "sz"+code
if code[0] == "4" or code[0] == "8": #北证股票
return "bj"+code
def Alligator(CLOSE, HIGH, LOW, FAST=5, MID=8, SLOW=13):
''' 鳄鱼指标 '''
MP = (HIGH + LOW)/2 # 中间价
# MP = (CLOSE + HIGH + LOW)/3 # 中间价
LIPS = SMA(MP,FAST) #鳄鱼的嘴唇
TEETH = SMA(MP,MID) #鳄鱼的牙齿
JAW = SMA(MP,SLOW) #鳄鱼的下巴
return LIPS,TEETH,JAW
def Guby(CLOSE, SHORT_MA = [3,5,8,10,12,15], LONG_MA = [30,35,40,45,50,60] ):
'''顾比均线'''
# 短期线束
SHORT0 = EMA(CLOSE,SHORT_MA[0]);
SHORT1 = EMA(CLOSE,SHORT_MA[1]);
SHORT2 = EMA(CLOSE,SHORT_MA[2]);
SHORT3 = EMA(CLOSE,SHORT_MA[3]);
SHORT4 = EMA(CLOSE,SHORT_MA[4]);
SHORT5 = EMA(CLOSE,SHORT_MA[5]);
# 长期线束
LONG0 = EMA(CLOSE,LONG_MA[0]);
LONG1 = EMA(CLOSE,LONG_MA[1]);
LONG2 = EMA(CLOSE,LONG_MA[2]);
LONG3 = EMA(CLOSE,LONG_MA[3]);
LONG4 = EMA(CLOSE,LONG_MA[4]);
LONG5 = EMA(CLOSE,LONG_MA[5]);
return SHORT0,SHORT1,SHORT2,SHORT3,SHORT4,SHORT5,LONG0,LONG1,LONG2,LONG3,LONG4,LONG5
def draw_kline(df):
# 调用make_marketcolors函数，定义K线颜色，'i'表示根据K线颜色
mc = mpf.make_marketcolors(
up="red", # 上涨K线的颜色
down="green", # 下跌K线的颜色
edge='i', # 蜡烛图箱体的颜色
volume='i', # 成交量柱子的颜色
wick='i', # 蜡烛图影线的颜色
)
# 调用make_mpf_style函数，自定义图表样式 ，函数返回一个字典，查看字典包含的数据，按照需求和规范调整参数
style = mpf.make_mpf_style(base_mpl_style="ggplot", marketcolors=mc,rc={'font.family': 'SimHei', 'axes.unicode_minus': 'False'})
# 添加单个指标示例
# add_plot=[
# mpf.make_addplot(df.LIPS),
# mpf.make_addplot(df.TEETH),
# mpf.make_addplot(df.JAW)]
# 鳄鱼指标(后两行为多空标记)
add_plot=[
mpf.make_addplot(df[['LIPS','TEETH','JAW']]),
mpf.make_addplot(df['duo'].values, scatter=True, markersize=20, marker='^', color='r'),
mpf.make_addplot(df['kong'].values, scatter=True, markersize=20, marker='v', color='g'),
]
# # 顾比均线
# add_plot=[mpf.make_addplot(df[['SHORT0','SHORT1','SHORT2','SHORT3','SHORT4','SHORT5','LONG0','LONG1','LONG2','LONG3','LONG4','LONG5']])]
# 开始绘图
mpf.plot(data=df,
type="candle",
title="K线图",
addplot=add_plot,
ylabel="价格",
style=style,
volume=True,
figratio=(20,14),
figscale=1)
if __name__ == "__main__":
# 1.过Ashare获取数据
print('开始提取K线数据')
name = code = '300450'
period = '1d'
from Ashare import *
df = get_price(code2symbol(code),frequency=period,count=500) #frequency='1d' 表是获取日K,count=1000，表示获取1000根K线
# print('Ashare行情获取\n',df)
# df_table(df.tail(20),'df')
# 2. 测试计时开始，测试哪个就把if 后面的0改为1即可，其它改成0。
time1 = time.time()
print('开始计算指标')
if 0:
# 计算顾比均线
df['SHORT0'],df['SHORT1'],df['SHORT2'],df['SHORT3'],df['SHORT4'],df['SHORT5'],df['LONG0'],df['LONG1'],df['LONG2'],df['LONG3'],df['LONG4'],df['LONG5'] = Guby(df['close'])
df_table(df.tail(5),'df')
if 1:
# 计算鳄鱼指标
df['LIPS'],df['TEETH'],df['JAW'] = Alligator(df['close'], df['high'], df['low'], FAST=5, MID=8, SLOW=13)
df_table(df.tail(5),'df')
if 1:
df['duo'] = CROSS(df['LIPS'].values,df['JAW'].values)
df['kong'] = CROSS(df['JAW'].values,df['LIPS'].values)
df['duo']= df['duo'].apply(lambda x: 1 if x==True else None)
df['kong'] = df['kong'].apply(lambda x: -1 if x==True else None)
df_table(df.tail(20),'df')
draw_kline(df.tail(120))
time2 = time.time()
print("计算指标并绘图耗时:",time2-time1,'秒')
经过测试，速度还是很快的，绘图也很快。最终截图在文章开头。
总结
写到这里已是深夜2点。不知道为什么，写文章，深夜效率很高，不过这么熬夜，也确实对身体不好。今天先写到这里。代码均调测无误，拿来就可以用。创作不易，欢迎评论收藏！
明天还有很多工作，抓紧睡觉去。