利用matplotlib.finance绘制K线图时使用关键要点

绘制k线图的核心语句是：

import matplotlib.finance as mpf

mpf.candlestick_ochl( ax, matrix_data, colorup=***, colordown=***)

这其中 ax 是 matploblib 的 axis，matrix_data 是股价数据。

matrix_data 是 np.matrix 对象，对于 candlestick_ochl 方法来讲，它需要按照约定的顺序来排列数据，即 matrix_data 每一行中前五个数据必须是：时间、开盘价、收盘价、最高价、最低价。

在这里，“时间”不是 datetime 对象，也不是 string，它必须使用 matplotlib.pylab 中的 date2num(datetime) 方法来将datetime对象转换一个特定的时间戳数字。

通常我们会用 pandas.DataFrame 来储存股价数据——比如，利用 pd.read_csv() 读取 csv 文件后，得到就是一个 DataFrame 对象。假定 DataFrame 中包含有 date, open, close, high, low, volume 六列数据，在将其转化为 candlestick_ochl() 中所需的 matrix_data，要做如下几步工作：

1. 删除空行
2. 按时间升序排列数据
3. 将date转化为特定的时间戳数据
4. 按照 date,open,close,high,low,volume 的顺序重新排列 DataFrame
5. 将 DataFrame 转为 matrix

删除空行

假定 pd.read_csv() 读入的数据为 data

data[data['volume']==0]=np.nan
data=data.dropna()

按时间升序排列数据

data.sort_values(by='date',ascending=True,inplace=True)

将date转化为特定的时间戳数据

from matplotlib.pylab import date2num

data.date=data.date.apply(lambda x:date2num(x))

按照 date,open,close,high,low,volume 的顺序重新排列 DataFrame

data=data[['date','open','close','high','low','volume']]

将 DataFrame 转为 matrix

data_mat=data.as_matrix()

合成代码案例

绘制k线

import matplotlib.pyplot as plt
import matplotlib.finance as mpf
import numpy as np
import pandas as pd
from matplotlib.pylab import date2num

data=pd.read_csv(u'兴业银行.csv',usecols=['date','open','close','high','low','volume'])
data[data['volume']==0]=np.nan
data=data.dropna()
data.sort_values(by='date',ascending=True,inplace=True)
data=data[['date','open','close','high','low','volume']]
# data=data.head(60)

data.date=pd.to_datetime(data.date)
data.date=data.date.apply(lambda x:date2num(x))
data_mat=data.as_matrix()

fig,ax=plt.subplots(figsize=(1200/72,480/72))
fig.subplots_adjust(bottom=0.1)
mpf.candlestick_ochl(ax,data_mat,colordown='#53c156', colorup='#ff1717',width=0.3,alpha=1)
ax.grid(True)
ax.xaxis_date()
plt.show()

candle.png

并置成交量图

fig,(ax1,ax2)=plt.subplots(2,sharex=True,figsize=(1200/72,480/72))
mpf.candlestick_ochl(ax1,data_mat,colordown='#53c156', colorup='#ff1717',width=0.3,alpha=1)
ax1.grid(True)
ax1.xaxis_date()

plt.bar(data_mat[:,0],data_mat[:,5],width=0.5)
ax2.set_ylabel('Volume')
ax2.grid(True)

plt.show()

k.png