python实现股票数据可视化

        迩来在做一个涉及到股票数据洗濯及猜测的项目，项目中须要用到可视化股票数据这一功能，这里我与各人分享一下股票数据可视化的一些根本方法。
股票数据获取

 现在，我已知的使用python来获取股票数据方式有以下三种:

• 爬虫获取，实现较为复杂，除非对股票数据的及时性要求较高(分时)。
  
• .通过一些现有的库，比如tushare,akshare等来获取。
  
• 通过数据公司(wind,同花顺,alphavantage)给的API爬虫获取。
  

这里我们还用不到及时性的数据，因此只通过第二种方式来获取一下汗青数据即可。在颠末大量征采与查证后，我这里摆列出了以下常用的python股票数据库名称，它们中的一些已经不再可用：

名称	特点	现在是否可用
akshare	爬虫获取股票数据	不可用
easyquotation	爬虫获取股票数据	不可用
yfinance	从雅虎财经获取股票数据	2021年后不再可用
baostock	只支持A股汗青行情，不须要API	免费可用
tushare	只支持A股行情(包罗及时)，免费但须要API	免费可用

示例 

这里我们以baostock为例，来获取A股个股的汗青行情 
baostock获取方式

2. pip install baostock

复制代码

BaoStock获取个股汗青数据

2. import baostock as bs
3. import pandas as pd
4. #获取股票历史数据
5. def get_stock_data(stock_code:str,start_date:str,end_date:str,frequency:str="d",adjustflag:str="3"):
6.     """
7.     获取指定股票的历史数据
8.     Args:
9.         stock_code: 股票代码(格式:"sh.600000")
10.         start_date: 起始日期(格式:YYYY-MM-DD)
11.         end_date: 结束日期(格式:YYYY-MM-DD)
12.         frequency: "d"(日),baostock只支持获取日线数据
13.         adjustflag: "1":原始数据,"2":前复权,"3":后复权
14.     returns:
15.         Pandas DataFrame 格式的数据
16.     """
17.     #必须先登录baostock才能进行后续操作!
18.     lg = bs.login()
19.     if lg.error_code != "0":
20.         print("登录失败:", lg.error_msg)
21.         exit()
22.     print("登录成功！")
23.     rs=bs.query_history_k_data_plus(
24.         stock_code,
25.         fields="date,code,open,high,low,close,preclose,volume,amount,adjustflag",
26.         start_date=start_date,
27.         end_date=end_date,  
28.         frequency=frequency,  
29.         adjustflag=adjustflag  
30.     )
31.     data_list=[]
32.     while rs.next():
33.         data_list.append(rs.get_row_data())
34.     # 将数据转换为DataFrame
35.     columns=rs.fields#列名为字段名称
36.     df=pd.DataFrame(data_list,columns=columns)
37.     df['date']=pd.to_datetime(df['date'])         df[['open','high','low','close','preclose','volume','amount','adjustflag']].astype(float)
38.     bs.logout()
39.     return df
41. stock_code = "sh.600000" #上证浦发银行
42. start_date = "2020-11-01"
43. end_date = "2025-03-30"
44. stock_data=get_stock_data(stock_code=stock_code,start_date=start_date,end_date=end_date,frequency="d")
45. print(f"{stock_code}历史数据：")
46. stock_data

复制代码

效果

baostock美中不敷的是只能获取日线数据…… 
股票数据可视化

        既然拿到了股票数据，那么肯定还是要可视化一下的，究竟没人想翻来覆去的看一堆冷冰冰的数字，股票数据可视化无非就是绘制K线图。
K线图寄义

这是腾讯自选股中的上证指数K线图，细致观察不难发现，k线图实际上紧张由两部分构成,
 箱型图和均线图。图中的黄白紫三根线分别是5,10,20日均线(股票在这个周期内的均价)，别的红绿相间的小柱子是箱型图：

        箱型图的颜色取决于开盘价与收盘价，当开盘价低于收盘价时股票代价上涨是阳线,一样平常是赤色。当开盘价高于收盘价股票代价下跌是阴线,一样平常是绿色。
K线图绘制工具

python中有许多可以用来绘制k线图的工具,这里我给各人摆列出来以下四种:

名称	特点	获取方式
Matplotlib	老牌绘图神器，功能强盛，机动性高	pip install matplotlib
​mplfinance	matplotlib的extension	pip install mplfinance
​Plotly	使用前端绘图，代码复杂	pip install plotly
​Bokeh	使用前端绘图，代码相比其他两个简朴一些	pip instlall bokeh
​Pyecharts	使用前端绘图，代码复杂	pip install pyecharts

这里我们分别以plotly和mplfinance为例来对个股汗青数据举行可视化:
示例

plotly绘制k线

3. # import plotly
4. # import pandas_ta as ta
5. import webbrowser
6. import pandas as pd
7. import baostock as bs
8. import plotly.graph_objects as go
9. from plotly.subplots import make_subplots
10. import webbrowser
11. import baostock as bs
12. import pandas as pd
13. #获取股票历史数据
14. def fetch_stock_data(stock_code:str,start_date:str,end_date:str,frequency:str="d",adjustflag:str="3"):
15.     """
16.     获取指定股票的历史数据
17.     Args:
18.         stock_code: 股票代码(格式:"sh.600000")
19.         start_date: 起始日期(格式:YYYY-MM-DD)
20.         end_date: 结束日期(格式:YYYY-MM-DD)
21.         frequency: "d"(日),baostock只支持获取日线数据
22.         adjustflag: "1":原始数据,"2":前复权,"3":后复权
23.     returns:
24.         Pandas DataFrame 格式的数据
25.     """
26.     #必须先登录baostock才能进行后续操作
27.     lg = bs.login()
28.     if lg.error_code != "0":
29.         print("登录失败:", lg.error_msg)
30.         exit()
31.     # 打印登录信息
32.     print("登录成功！")
33.     rs=bs.query_history_k_data_plus(
34.         stock_code,  # 股票代码
35.         fields="date,code,open,high,low,close,preclose,volume,amount,adjustflag",
36.         start_date=start_date,
37.         end_date=end_date,  
38.         frequency=frequency,  
39.         adjustflag=adjustflag  
40.     )
41.     data_list=[]
42.     while rs.next():
43.         # 将每一行数据添加到列表中
44.         data_list.append(rs.get_row_data())
45.     # 将数据转换为DataFrame
46.     columns=rs.fields#列名为字段名称
47.     df=pd.DataFrame(data_list,columns=columns)
48.     bs.logout()
49.     return df
51. def calculate_indexs(stock_code,start_date,end_date):
52.     df=fetch_stock_data(stock_code,start_date=start_date,end_date=end_date)
53.     df['MAC5']=df['close'].rolling(5).mean()
54.     df['MAC20']=df['close'].rolling(20).mean()
55.     df['MAC60']=df['close'].rolling(60).mean()
56.     return df
58. def create_kline_chart(stock_code,start_date,end_date):
59.     """
60.     使用 Plotly 绘制股票 K 线图并保存为 HTML 文件
61.     """
62.     # 获取股票数据
63.     df=calculate_indexs(stock_code,start_date=start_date,end_date=end_date)
64.     # 创建 K 线图
65.     fig=make_subplots(
66.     rows=2,
67.     cols=1,
68.     vertical_spacing=0.15,
69.     shared_xaxes=True,
70.     row_heights=[0.6,0.4])
71.     # 添加 K 线图
72.     fig.add_trace(go.Candlestick(
73.         x=df.index,
74.         open=df['open'],
75.         high=df['high'],
76.         low=df['low'],
77.         close=df['close'],
78.         name="K线图"),
79.         row=1,
80.         col=1)
81.    
82.     fig.add_trace(
83.         go.Scatter(
84.         x=df.index,
85.         y=df['MAC5'],
86.         mode='lines',
87.         name='5日均线',
88.         line=dict(color='yellow',width=1)),
89.         row=1,
90.         col=1)
91.    
92.     fig.add_trace(
93.         go.Scatter(
94.         x=df.index,
95.         y=df['MAC20'],
96.         mode='lines',
97.         name='20日均线',
98.         line=dict(color='white',width=1)),
99.         row=1,
100.         col=1)
101.    
102.     fig.add_trace(
103.         go.Scatter(
104.         x=df.index,
105.         y=df['MAC60'],
106.         mode='lines',
107.         name='60日均线',
108.         line=dict(color='purple',width=1)),
109.         row=1,
110.         col=1)
111.    
112.   
113.     # 设置布局
114.     fig.update_layout(
115.         title=f"{stock_code} K线图",
116.         xaxis_title="日期",
117.         yaxis_title="价格",
118.         xaxis_rangeslider_visible=True,  # 添加范围滑块
119.         template="plotly_dark"
120.     )
121.     # 保存为 HTML 文件
122.     html_file=f"{stock_code}_kline_chart.html"
123.     webbrowser.open(html_file)
124.     fig.write_html(html_file)
125.     return html_file
126. html_file=create_kline_chart('sh.600319',start_date='2023-06-25',end_date='2025-03-30')
127. webbrowser.open(html_file)

复制代码

效果: 

mplfinance绘制k线

2. import baostock as bs
3. import pandas as pd
4. import mplfinance as mpf
5. # 登录 baostock
6. lg = bs.login()
7. if lg.error_code != "0":
8.     print("登录失败:", lg.error_msg)
9.     exit()
11. # 获取股票历史数据
12. def get_stock_data(stock_code, start_date, end_date):
13.     """
14.     获取指定股票的历史数据
15.     :param stock_code: 股票代码（如 "sh.600000")
16.     :param start_date: 起始日期(格式:YYYY-MM-DD)
17.     :param end_date: 结束日期(格式:YYYY-MM-DD)
18.     :return: Pandas DataFrame 格式的数据
19.     """
20.     rs = bs.query_history_k_data_plus(
21.         stock_code,
22.         "date,code,open,high,low,close,preclose,volume,amount,adjustflag",
23.         start_date=start_date,
24.         end_date=end_date,
25.         frequency="d",
26.         adjustflag="3"  #后复权
27.     )
29.     data_list = []
30.     while rs.next():
31.         data_list.append(rs.get_row_data())
32.     df=pd.DataFrame(data_list, columns=rs.fields)
33.     df["date"]=pd.to_datetime(df["date"])  
34.     df.set_index("date", inplace=True)      
35.     df["open"]=df["open"].astype(float)   
36.     df["close"]=df["close"].astype(float)  
37.     df["high"]=df["high"].astype(float)   
38.     df["low"]=df["low"].astype(float)      
39.     df['volume']=df['volume'].astype(float)
40.     return df
42. # 绘制 K 线图和均线
43. def plot_kline(stock_code, start_date, end_date, ma_periods=[5, 10, 20]):
44.     """
45.     使用 mplfinance 绘制股票的 K 线图和均线
46.     :param stock_code: 股票代码（如 "sh.600000")
47.     :param start_date: 起始日期(格式:YYYY-MM-DD)
48.     :param end_date: 结束日期(格式:YYYY-MM-DD)
49.     :param ma_periods: 均线周期列表（如 [5, 10, 20])
50.     """
51.     #获取股票数据
52.     df=get_stock_data(stock_code, start_date, end_date)
53.     # 计算均线
54.     for period in ma_periods:
55.         df[f"ma{period}"]=df["close"].rolling(window=period).mean()
56.     # 设置绘图样式
57.     mc=mpf.make_marketcolors(up='g', down='r', edge='inherit', wick='inherit', volume='inherit')
58.     s=mpf.make_mpf_style(marketcolors=mc)
59.     apdict=[]
60.     for period in ma_periods:
61.         apdict.append(mpf.make_addplot(df[f"ma{period}"], panel=0, color='blue', width=1.5))
63.     # 绘制 K 线图和均线
64.     mpf.plot(
65.         df,
66.         type='candle',
67.         style=s,
68.         title=f"{stock_code}",
69.         ylabel="price",
70.         addplot=apdict,
71.         figratio=(10, 6),
72.         tight_layout=True
73.     )
75. stock_code = "sh.600000"  
76. start_date = "2023-01-01"
77. end_date = "2025-01-31"
79. plot_kline(stock_code, start_date, end_date, ma_periods=[5, 10, 20])
80. bs.logout()

复制代码

效果: 

不得不说，在绘图这方面，还是使用前端工具绘制出的图像更加雅观。
总结

        以上便是python可视化股票数据的全部内容，后期我将开启一个python可视化的专栏，记载各种数据范例的可视化已经各种可视化工具的详细使用方法。