5.2 金融学图表
5.2.1 mplfinance
matplotlib的finance库包含不少可视化的金融图表，由于几代更新迭代，finance库也发生了变化。
从2.2.0版本前调用：
import matplotlib.finance as mpf
到2.2.0版本后调用：
pip install /matplotlib/mpl_finance/archive/master.zip
但会出现如下警告：
D:\download\python\lib\site-packages\mpl_finance.py:22: DeprecationWarning: =================================================================WARNING: `mpl_finance` is deprecated:Please use `mplfinance` instead (no hyphen, no underscore).To install: `pip install --upgrade mplfinance` For more information, see: /project/mplfinance/=================================================================category=DeprecationWarning)
再到现在的mplfinance。总的来说，新模块mplfinance使用更加便捷。
mplfinance模块简介
mplfinance是专门用于金融数据分析的可视化分析模块，在安装mplfinance之前，需要安装matplotlib库和pandas。
使用mplfinance可以很快绘制均线、剔除停盘时间段空隙，时间坐标自动完成，非常方便、人性化。
mplfinance安装
DOS下安装如下：
pip install --upgrade mplfinance
mplfinance模块用法简介
import mplfinance as mpfmpf.plot(data)
这里，data类型必须是pandas.DataFrame数据类型，必须包含’Open’, ‘High’, ‘Low’ 和 ‘Close’ 数据。
这里我们以调用雅虎近5年股票价格数据为例，更进一步描述上述内容：
import datetimeimport matplotlib.pyplot as pltimport pandas_datareader.data as webstart = datetime.datetime(, 1, 1)end = datetime.datetime(, 6, 16)# 读取数据df = web.DataReader('XOM', 'yahoo', start, end)print(df)
打印得到的股票行情如下：
High Low OpenCloseVolume Adj CloseDate -12-31 93.129997 92.059998 92.419998 92.449997 11337200.0 73.701263-01-02 93.050003 91.809998 92.250000 92.830002 10220400.0 74.004189-01-05 92.400002 89.500000 92.099998 90.290001 18502400.0 71.979301-01-06 91.410004 89.019997 90.239998 89.809998 16670700.0 71.596634-01-07 91.480003 90.000000 90.650002 90.720001 13590700.0 72.322098...... ... ... ... ... ...-06-10 53.500000 50.599998 53.500000 50.650002 31156800.0 50.650002-06-11 48.840000 46.099998 47.529999 46.180000 39183000.0 46.180000-06-12 48.619999 45.910000 48.040001 47.169998 30968800.0 47.169998-06-15 47.759998 44.750000 45.349998 47.139999 27929300.0 47.139999-06-16 49.750000 47.240002 49.570000 48.200001 26203400.0 48.200001[1374 rows x 6 columns]
import datetimeimport matplotlib.pyplot as pltimport pandas_datareader.data as webimport mplfinance as mpfstart = datetime.datetime(, 1, 1)end = datetime.datetime(, 6, 16)# 读取数据df = web.DataReader('XOM', 'yahoo', start, end)# print(df)mpf.plot(df)
由于5年的股票数据，很难看出一些细节情况，这时，我们通过查看近一个月情况来感受细节。
通过mpf.plot中修改绘图类型，可更加直观感受mplfinance的真谛。
types中默认类型为ohlc，另外还有candle，line类型。
1）ohlc类型
start = datetime.datetime(, 6, 1)end = datetime.datetime(, 6, 28)# 读取数据df = web.DataReader('XOM', 'yahoo', start, end)# 修改plot绘图类型# 通过参数types修改绘图类型，默认是ohlc，可以修改为candle，line。mpf.plot(df)
2）修改为candle类型：
mpf.plot(df, type='candle')
3）修改为line类型：
mpf.plot(df, type='line')
增加绘制均线
mav可增加均线个数，mav=10，mav=(2,5,10)
mpf.plot(df, type='candle', mav=(2, 5, 10))
mpf.plot(df, type='candle', mav=10)
添加成交量volume=True
# 添加成交量mpf.plot(df, type='candle', mav=(2, 5, 10), volume=True)
自动剔除非交易日空白
关键字参数默认show_nontrading=False
只看到停盘的时间段，show_nontrading=True
# 自动剔除非交易日空白'''关键字参数默认show_nontrading=False只看到停盘的时间段，show_nontrading=True'''mpf.plot(df, type='candle', mav=(2, 5, 10), volume=True, show_nontrading=True)
停盘的时间段就不会显示数据信息。
make_addplot概述
要分析金融数据中的Open，High，Low，Close，ma以外，还需要分析一些其他数据，需要使用make_addplot()方法。
make_addplot接受一个pandas，numpy，array以及list格式的数据（tuple不可以），和**kwargs参数。
注意：传递给make_addplot的数据参数必须要和将来画图传递给plot的数据参数行数要一致。
# make_addplot用法start = datetime.datetime(, 1, 1)end = datetime.datetime(, 6, 16)# 读取数据df = web.DataReader('XOM', 'yahoo', start, end)add_plot = mpf.make_addplot(df['Volume'])mpf.plot(df, addplot=add_plot)plt.show()
给图标添加多个数据绘制，直接将列表中传入参数即可。
# 绘制多个数据的图表，直接在列表传入至make_addplot中即可。add_plot = mpf.make_addplot(df[['Volume', 'Adj Close']])mpf.plot(df, addplot=add_plot)plt.show()
将数据分析的结果标记到图像中
数据分析和可视化的目的，是为了要分析结果，并直观的在图表上展示结果。
例如：使用marker，以及markersize和color设置标记的大小和颜色
# 将分析结果显示到图像中def data_analyze(data: pandas.DataFrame):'''简单的数据分析，并返回数据分析的结果列表,具体算法随便写写的:param data::return:'''if data.shape[0] == 0:data = datas_list = []b_list = []b = -1for i, v in data['High'].iteritems():if v > data['Open'][i] and (b == -1 or b == 1):b_list.append(data['Low'][i])b = 0else:b_list.append(numpy.nan) # 添加nan的目的是，对齐主图的k线数量if data['Close'][i] < data['Open'][i] and (b == -1 or b == 0):s_list.append(v)b = 1else:s_list.append(numpy.nan)return b_list, s_list# make_addplot用法start = datetime.datetime(, 1, 1)end = datetime.datetime(, 6, 16)# 读取数据data = web.DataReader('XOM', 'yahoo', start, end)b_list, s_list = data_analyze(data)add_plot = [mpf.make_addplot(b_list, scatter=True, markersize=200, marker='^', color='y'),mpf.make_addplot(s_list, scatter=True, markersize=200, marker='v', color='r'),mpf.make_addplot(data[['Adj Close', 'Volume']]),mpf.make_addplot(data['Close'], panel='lower', color='g', secondary_y='auto')]mpf.plot(data, type='candle', addplot=add_plot, volume=True)plt.show()
修改y轴刻度盘的位置和设置线型
# 修改主图y轴刻度盘位置和设置线形# 在绘制plot函数中使用关键字参数style='sas'# 可以把主图y左边放到右边，默认是default，设置线型是参数linestylestart = datetime.datetime(, 6, 1)end = datetime.datetime(, 6, 16)# 读取数据data = web.DataReader('XOM', 'yahoo', start, end)b_list, s_list = data_analyze(data)add_plot = [mpf.make_addplot(b_list, scatter=True, markersize=200, marker='*', color='y'),mpf.make_addplot(s_list, scatter=True, markersize=200, marker='s', color='r'),mpf.make_addplot(data[['Adj Close', 'Volume']], linestyle='dashdot'),mpf.make_addplot(data['Close'], panel='lower', color='g', secondary_y='auto'),mpf.make_addplot(data['Adj Close'], color='b', linestyle='dotted', secondary_y=True)]mpf.plot(data, type='candle', addplot=add_plot, volume=True, figscale=1.5, style='default')plt.show()
