软件测试|Python数据可视化神器——pyecharts教程(九)

使用pyecharts绘制K线图进阶版

简介

K线图(Kandlestick Chart),又称蜡烛图,是一种用于可视化金融市场价格走势和交易数据的图表类型。它是股票、外汇、期货等金融市场中最常用的技术分析工具之一,可以提供关于价格变动、趋势和市场情绪的重要信息。K线图通常包括四个关键价格点:开盘价、收盘价、最高价和最低价,这些价格点形成了一个矩形(蜡烛)或者一根垂直的线段,便于直观地观察价格走势。

作为Python的数据可视化神器,pyecharts也可以帮我们绘制K线图。本文就为大家介绍一下如何使用pyecharts绘制K线图。

K线图常用配置类

  1. Kline: K线图类,用于创建K线图对象。
  2. opts.AxisOpts:坐标轴配置类,用于设置横坐标轴和纵坐标轴的样式和属性。
  3. opts.DataZoomOpts:数据缩放配置类,用于设置数据缩放的样式和属性。
  4. opts.MarkLineOpts:标线配置类,用于设置标线的样式和属性。
  5. opts.MarkLineItem:标线项类,用于设置标线的类型和数值。
  6. opts.TooltipOpts:提示框配置类,用于设置提示框的样式和属性。

以上是一些常用的配置类,我们可以配置来设置K线图的样式和交互效果。根据具体需求,可以灵活使用这些配置类来定制自己想要的K线图。其他配置类在这里就不一一做介绍了。

绘制基础K线图

首先我们来绘制一个简单的K线图,示例代码如下:

from pyecharts import options as opts
from pyecharts.charts import Kline

# 准备K线图的数据
x_data = ["2022-09-01", "2022-09-02", "2022-09-03", "2022-09-04", "2022-09-05"]
y_data = [
    [90, 120, 80, 110],  # 第一天的K线数据:开盘价、最高价、最低价、收盘价
    [110, 130, 100, 120],  # 第二天的K线数据
    [130, 140, 90, 110],  # 第三天的K线数据
    [110, 130, 100, 120],  # 第四天的K线数据
    [120, 140, 90, 110],  # 第五天的K线数据
]

# 创建K线图对象
kline = (
    Kline()
    .add_xaxis(xaxis_data=x_data)  # 设置x轴数据
    .add_yaxis(
        series_name="K线图",  # 设置数据系列的名称
        y_axis=y_data,  # 设置y轴数据
        itemstyle_opts=opts.ItemStyleOpts(color="blue", color0="green"),  # 设置K线图的颜色
    )
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),  # 设置x轴选项,使其自适应
        yaxis_opts=opts.AxisOpts(is_scale=True),  # 设置y轴选项,使其自适应
        title_opts=opts.TitleOpts(title="K线图示例"),  # 设置标题选项
    )
)

# 渲染图表
kline.render("kline.html")

运行脚本,绘制的K线图如下:

软件测试|Python数据可视化神器——pyecharts教程(九)_第1张图片

当然,我们平时看到的K线图更为复杂,有其他图形和线条帮助我们来看K线图,pyecharts同样也可以帮助我们绘制辅助线条,代码如下:

import random
from pyecharts import options as opts
from pyecharts.charts import Kline

# 随机数据
data = []
# 使用嵌套的循环结构生成双层随机嵌套列表
for _ in range(30):
    inner_list = []
    # 内层列表个数
    for _ in range(4):
        random_num = random.randint(3000, 3500)
        inner_list.append(random_num)
    data.append(inner_list)

# 创建K线图对象
c = (
    Kline()
    # 添加横坐标数据
    .add_xaxis(["2022/9/{}".format(i + 1) for i in range(30)])
    # 添加纵坐标数据
    .add_yaxis(
        "kline",
        data,
        # 设置标线配置项,标记最大值
        markline_opts=opts.MarkLineOpts(
            data=[opts.MarkLineItem(type_="max", value_dim="close")]
        ),
    )
    # 设置全局配置项
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),  # 设置横坐标��配置项,is_scale=True表示自适应刻度
        yaxis_opts=opts.AxisOpts(
            is_scale=True,  # 设置纵坐标轴配置项,is_scale=True表示自适应刻度
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True,  # 设置分割区域配置项,is_show=True表示显示分割区域
                areastyle_opts=opts.AreaStyleOpts(opacity=1)  # 设置分割区域样式配置项,opacity=1表示不透明
            ),
        ),
        title_opts=opts.TitleOpts(title="K线图示例2"),  # 设置标题配置项
    )
)


# 渲染为HTML文件
c.render("K线图示例2.html")

运行脚本,生成的图像如下:

软件测试|Python数据可视化神器——pyecharts教程(九)_第2张图片

很多时候,我们想要看到更短期的价格走向,我们可以在上面的基础上,加上鼠标滑动缩放的效果,便于我们查看短期的价格,代码如下:

import random
from pyecharts import options as opts
from pyecharts.charts import Kline

# 随机数据
data = []
# 使用嵌套的循环结构生成双层随机嵌套列表
for _ in range(30):
    inner_list = []
    # 内层列表个数
    for _ in range(4):
        random_num = random.randint(3000, 3500)
        inner_list.append(random_num)
    data.append(inner_list)

# 创建K线图对象
c = (
    Kline()
    # 添加横坐标数据
    .add_xaxis(["2022/9/{}".format(i + 1) for i in range(30)])
    # 添加纵坐标数据
    .add_yaxis(
        "kline",
        data,
        # 设置图表元素样式
        itemstyle_opts=opts.ItemStyleOpts(
            color="#ec0000",
            color0="#00da3c",
            border_color="#8A0000",
            border_color0="#008F28",
        ),
    )
    # 设置全局配置项
    .set_global_opts(
        # 设置横坐标轴配置项,is_scale=True表示自适应刻度
        xaxis_opts=opts.AxisOpts(is_scale=True),
        # 设置纵坐标轴配置项,is_scale=True表示自适应刻度
        yaxis_opts=opts.AxisOpts(
            is_scale=True,
            # 设置分割区域配置项,is_show=True表示显示分割区域
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True,
                # 设置分割区域样式配置项,opacity=1表示不透明
                areastyle_opts=opts.AreaStyleOpts(opacity=1)
            ),
        ),
        # 设置数据缩放配置项,type_="inside"表示内置缩放
        datazoom_opts=[opts.DataZoomOpts(type_="inside")],
        # 设置标题配置项,title="K线图鼠标缩放"为标题内容
        title_opts=opts.TitleOpts(title="K线图示例3"),
    )
)

# 渲染为HTML文件
c.render("K线图示例3.html")

运行脚本,如下图,我们就可在生成的图像上,滑动鼠标,展示某几天的价格变化信息

软件测试|Python数据可视化神器——pyecharts教程(九)_第3张图片

如果我们需要查看更长周期的图像,鼠标缩放可能会比较麻烦,我们可以使用滑块的方法来方便我们的查看,具体实现代码如下:

import random
from pyecharts import options as opts
from pyecharts.charts import Kline

# 随机数据
data = []
# 使用嵌套的循环结构生成双层随机嵌套列表
for _ in range(30):
    inner_list = []
    # 内层列表个数
    for _ in range(4):
        random_num = random.randint(3000, 3500)
        inner_list.append(random_num)
    data.append(inner_list)

# 创建K线图对象
c = (
    Kline()
    # 添加横坐标数据
    .add_xaxis(["2022/9/{}".format(i + 1) for i in range(30)])
    # 添加纵坐标数据
    .add_yaxis("kline", data)
    # 设置全局配置项
    .set_global_opts(
        xaxis_opts=opts.AxisOpts(is_scale=True),  # 设置横坐标轴配置项,is_scale=True表示自适应刻度
        yaxis_opts=opts.AxisOpts(
            is_scale=True,  # 设置纵坐标轴配置项,is_scale=True表示自适应刻度
            splitarea_opts=opts.SplitAreaOpts(
                is_show=True,  # 设置分割区域配置项,is_show=True表示显示分割区域
                areastyle_opts=opts.AreaStyleOpts(opacity=1)  # 设置分割区域样式配置项,opacity=1表示不透明
            ),
        ),
        datazoom_opts=[opts.DataZoomOpts()],  # 设置数据缩放配置项位置在底部偏下
        title_opts=opts.TitleOpts(title="K线图示例4"),  # 设置标题配置项
    )
)

# 渲染为HTML文件
c.render("K线图示例4.html")

运行脚本,生成的图像如下:

软件测试|Python数据可视化神器——pyecharts教程(九)_第4张图片

你可能感兴趣的:(数据可视化,python,数据分析)