使用Pandas实现股票交易数据可视化

一、折线图：展现股价走势

1.1、简单版-股价走势图

 # 简洁版
 import pandas as pd
 import matplotlib.pyplot as plt
 # 读取CSV文件
 df = pd.read_csv('../数据集/格力电器.csv')
 data = df[['high', 'close']].plot()
 plt.show()

首先通过df[['high','close']]从df中获取最高价和收盘价这两列特征数据，其为一个DataFrame数组对象，调用该对象的plot()对象，就可以完成绘制。

plot()函数生成图形时，默认将DataFrame对象的索引传给Matplotlib绘制X轴，DataFrame对象的各列数据作为Y轴分别绘制折线等图形。使用plt.show()函数展示。

1.2、美化版-股价走势图

 import pandas as pd
 import matplotlib.pyplot as plt
 ​
 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
 plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号
 ​
 df = pd.read_csv('../数据集/格力电器.csv')
 data = df[['high','close']].head(22)
 # x轴刻度
 x_ticks = [i for i in range(data.shape[0])]
 # 美化版
 data.plot(title='最高价和收盘价的股价走势图',
           xlabel='行索引值',    # 默认值
           ylabel='股价',
           xticks=x_ticks
           )
 plt.show()  # 展示图形

1.3、添加日期的股价走势图

 import pandas as pd
 import matplotlib.pyplot as plt
 ​
 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
 plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号
 ​
 df = pd.read_csv('../数据集/格力电器.csv')
 # 日期转换->'2024/04/08/
 date = df['trade_date'].astype(str)
 year = date.str[:4] # 提取前4位，即年份
 month=date.str[4:6] # 提取月
 day=date.str[6:8]   # 提取日
 # 合并日期，格式为YYYY/MM/DD格式的字符串
 df['trade_date'] = year + '/' + month + '/' +day
 df.sort_values(by='trade_date',inplace=True)    # 由大到小排序
 x_ticks = [i for i in range(22)]
 ​
 df.head(22).plot(x='trade_date',
                 y=['high','close'],
                 xticks = x_ticks,   # X轴刻度值
                 rot=90, # X轴刻度值倾斜度
                 fontsize=15,    # 字体大小
                 title='最高价和收盘价的股价走势图',
                 xlabel='日期',    # 默认值
                 ylabel='股价',
                  grid=True  # 显示网格线
                  )
 plt.show()

二、散点图：展示股价影响因素

2.1、散点图

使用plot()函数绘制散点图，将kind参数设置为"scatter"即可，

 import pandas as pd
 import matplotlib.pyplot as plt
 ​
 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
 plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号
 # 读取数据
 df = pd.read_csv('../数据集/格力电器.csv')
 # ---------------------------#
 # 绘制图形
 df.plot(x='vol',
         y='high',
         kind='scatter',# 默认为折线图，scatter为散点图
         title='格力电器成交量和最高价之间的关系散点图',
         xlabel='成交量',
         ylabel='最高价',
         c='red',
         )
 # 展示图形
 plt.show()

2.2、散点图-子图

若还想展示成交量、成交额、收盘价、涨跌额、涨跌幅之间关系的散点图，可以作为子图放到一个大的画布中：

 import pandas as pd
 import matplotlib.pyplot as plt
 ​
 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
 plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号
 ​
 df = pd.read_csv('../数据集/格力电器.csv') # # 读取数据
 fig,axes = plt.subplots(2,2)    # 准备画布
 # 子图1:
 df.plot(x='vol',
         y='high',
         kind='scatter',# 默认为折线图，scatter为散点图
         title='格力电器成交量和最高价之间的关系散点图',
         xlabel='成交量',
         ylabel='最高价',
         c='red',
         ax=axes[0][0]
         )
 # 子图2:
 df.plot(x='vol',
         y='close',
         kind='scatter',# 默认为折线图，scatter为散点图
         title='格力电器成交量和收盘价之间的关系散点图',
         xlabel='成交量',
         ylabel='收盘价',
         c='green',
         ax=axes[0][1]
         )
 # 子图3:
 df.plot(x='amount',
         y='high',
         kind='scatter',# 默认为折线图，scatter为散点图
         title='格力电器成交额和最高价之间的关系散点图',
         xlabel='成交额',
         ylabel='最高价',
         c='red',
         ax=axes[1][0]
         )
 # 子图4:
 df.plot(x='amount',
         y='close',
         kind='scatter',# 默认为折线图，scatter为散点图
         title='格力电器成交额和收盘价之间的关系散点图',
         xlabel='成交额',
         ylabel='收盘价',
         c='green',
         ax=axes[1][1]
         )
 plt.subplots_adjust(wspace=0.8, # 子图之间的距离
                     hspace=0.5)
 plt.show()

三、条形图：展现同比成交量

 import matplotlib.pyplot as plt
 import pandas as pd
 ​
 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
 plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号
 # 1、读取CSV文件
 df = pd.read_csv('../数据集/格力电器.csv')
 date = df['trade_date'].astype(str)
 # 2、提取年和月
 year = date.str[:4]
 month = date.str[4:6]
 df['year'] = year
 df['month'] = month
 # 3、按照年和月分组，获取2018和2019年的每月平均成交量
 group = df[['year', 'month', 'vol']].groupby(by=['year', 'month'])  # 按照年和月分组
 g_m = group.mean()  # 获取所有字段的平均值
 m_18 = g_m['vol']['2018']   # 获取2018年每月平均成交量
 m_19 = g_m['vol']['2019']   # 获取2019年每月平均成交量
 # 4、将2018和2019年每月成交量平均值数据存储于DataFrame中
 df2 = pd.DataFrame(list(zip(m_18, m_19)), index=[str(i) + '月' for i in range(1, 13)], columns=['2018', '2019'], )
 # 5、绘制条形图
 df2.plot(kind='bar',    # 条形图
          title='2018年和2019年格力电器每月平均成交量条形图',
          xlabel='月份',
          ylabel='成交量均量'
          )
 plt.show()

若要绘制堆叠条形图，只需在plot()函数中将参数stacked设置为True即可。

若要将条形显示为横向条形图，只需将参数kind设置为barh即可。

四、饼图：展现成交量占比关系

 import pandas as pd
 import matplotlib.pyplot as plt
 ​
 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
 plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号
 #1、读取CSV文件
 df = pd.read_csv('../数据集/格力电器.csv')
 #2、提取年和月
 date = df['trade_date'].astype(str)
 year = date.str[:4] # 提取前4位，即年份
 month = date.str[4:6] # 提取月份
 df['year'] = year   # 将年份插入到数据集中
 df['month'] = month # 将月份插入到数据集中
 ​
 #3、按照年和月分组，获取2018年每月总成交量
 group = df[['year','month','vol']].groupby(by=['year','month']) # 按年和月分组
 g_s = group.sum()   # 获取所有字段总和
 s_18 = g_s['vol']['2018']   # 获取2018年每月总成交量
 s_18.index= [str(i) + '月' for i in range(1,13)]
 ​
 #4、绘制图形
 s_18.plot(kind='pie',
           title='2018年格力电器每月成交量占比',
           autopct='%.2f%%', # 百分比
           )
 plt.show()

五、K线图：展现股价走势

5.1、mplfinance的安装与下载

 pip install mplfinance

5.2、绘制K线图

 import mplfinance as mpf
 import pandas as pd
 ​
 data = pd.read_csv('../数据集/格力电器.csv')
 data.sort_values(by=['trade_date'], inplace=True)
 date = data['trade_date'].astype(str)
 ​
 year = date.str[:4]
 month = date.str[4:6]
 day = date.str[6:8]
 data['trade_date'] = year + '/' + month + '/' + day
 data.index = pd.DatetimeIndex(data['trade_date'])
 ​
 data = data[['open', 'close', 'high', 'low', 'vol']]
 data.columns = ['Open', 'Close', 'High', 'Low', 'Volume']
 ​
 mpf.plot(data.head(70), # 绘制图形的数据（选取前70条）
          type='candle', # 设置图像类型
          volume=True,   # 是否显示成交量
          style='charles')# 设置图表样式为"charles"

mplfinance的plot()函数的常用参数：

下面通过自定义图表样式来美化K线图：

import mplfinance as mpf
import pandas as pd

data = pd.read_csv('../数据集/格力电器.csv')
data.sort_values(by=['trade_date'], inplace=True)
date = data['trade_date'].astype(str)

year = date.str[:4]
month = date.str[4:6]
day = date.str[6:8]
data['trade_date'] = year + '/' + month + '/' + day
data.index = pd.DatetimeIndex(data['trade_date'])

data = data[['open', 'close', 'high', 'low', 'vol']]
data.columns = ['Open', 'Close', 'High', 'Low', 'Volume']

# 设置K线颜色
my_color = mpf.make_marketcolors(up='red',  # 设置阳线柱填充颜色
                                 down='green',  # 设置阴线柱填充颜色
                                 edge='i',  # 设置蜡烛线边缘颜色
                                 wick='black',  # 设置蜡烛上下影线的颜色
                                 volume={'up': 'red', 'down': 'green'}  # 设置成交量颜色
                                 )

# 设置图表样式
my_style = mpf.make_mpf_style(marketcolors=my_color,
                              gridaxis='both',  # 设置网格线位置，both双向
                              gridstyle='-.',  # 设置网格线类型
                              base_mpf_style='charles',
                              rc={'font.family': 'SimHei'}  # 设置字体为黑体
                              )

# 绘制K线图
mpf.plot(data.head(70),
         type='candle',  # 设置图像类型'ohlc'/'candle'/'line/renko'
         mav=(2, 5, 10),  # 绘制2日均线、5日均线和10日均线
         volume=True,  # 显示成交量
         style=my_style,  # 自定义图表样式
         title='格力电器2018年K线图',  # 设置标题
         ylabel='价格',  # 设置主图Y轴标题
         ylabel_lower='成交量'  # 设置次图Y轴标题
         )

mplfinance的make_mpf_style()函数的常用参数：