Pyecharts绘制K线图

一、简介

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。

中文文档网址：https://pyecharts.org/#/zh-cn/intro

开源网址：https://github.com/pyecharts/pyecharts

实例网址：https://gallery.pyecharts.org/#/README

注意：pyecharts 分为 v0.5.X 和 v1 两个大版本

v0.5.X支持 Python2.7，3.4+，不再进行维护

v1.x仅支持 Python3.6+，新接触的建议使用这个版本。

二、安装

安装方式如下（V1.x）：

pip install pytcharts -U

三、使用

1.库的引用

本文主要针对K线绘制用到的库，其它类型请看官方文档说明。

from pyecharts.charts import *

from pyecharts import options as opts

from pyecharts.globals import ThemeType

2.配置属性

（1）使用方式有两种：链式调用和单独调用。

单独调用：

bar = Bar()

bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])

bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

bar.set_global_opts(title_opts=opts.TitleOpts(title="商品价格比较图", subtitle="价格"))

# 也可以直接使用字典参数

# bar.set_global_opts(title_opts={"text": "商品价格", "subtext": "价格"})

链式调用：

bar = (

    Bar()

    .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])

    .add_yaxis("商家A", [5, 20, 36, 10, 75, 90])

    .set_global_opts(title_opts=opts.TitleOpts(title="商品价格比较图", subtitle="价格"))

)

（2）全局配置项

全局配置项用于设置图表的属性，包的标题、图例、坐标轴、工具、缩放等等，可通过set_global_opts()方法设置。

设置标题和图例属性代码如下：

bar.set_global_opts(  # 设置全局项

        title_opts=opts.TitleOpts(  # 设置标题配置项

            title="商品价格比较图",  # 设置标题名称

            pos_left="center"  # 设置标题居中

        ),

        legend_opts=opts.LegendOpts(  # 设置图例配置项

            pos_right="right",  # 设置为水平居右

            pos_top="top"  # 设置为顶部对齐

        )

设置缩放属性代码如下：

    datazoom_opts=opts.DataZoomOpts(

            is_show=True, # 是否显示组件

            xaxis_index=[0,1],  #可缩放的x轴坐标编号

            type_="slider", # 组件类型，可选 "slider", "inside"

            pos_top="85%",

            range_start=98, # 数据窗口范围的起始百分比

            range_end=100, # 数据窗口范围的结束百分比

            )

其他属性和更详细的设置参考：https://pyecharts.org/#/zh-cn/global_options

（3）系列配置

系列配置用于配置图表中曲线的样式、文字、标签、标记等，并可进行显示区域分割。

常见的设置有ItemStyleOpts、TextStyleOpts、LabelOpts等。

kline.set_series_opts(label_opts=opts.LabelOpts(is_show=False))

3.生成文件

图表的render()函数会生成本地HTML文件，默认会在当前目录生成render.html文件。可以传入路径或者名称参数来指定文件名称和存储位置，例如：

bar.render("商品价格比较图.html")

综合示例：

import pandas as pd

import akshare as ak

from pyecharts.charts import Bar

from pyecharts import options as opts

df = ak.stock_profit_forecast()

#df.to_excel('example.xlsx', sheet_name='盈利预测', index=False)

#df = pd.read_excel('example.xlsx', sheet_name='盈利预测')

data=df.iloc[0:9,[2,10,11,12]]

bar = Bar()

bar.add_xaxis(["2022", "2023", "2024"])

bar.add_yaxis('贵州茅台',data.iloc[0,1:4].apply(lambda x:"%.2f" % x).tolist())

bar.add_yaxis('五粮液',data.iloc[4,1:4].apply(lambda x:"%.2f" % x).tolist())

bar.add_yaxis('山西汾酒',data.iloc[7,1:4].apply(lambda x:"%.2f" % x).tolist())

bar.set_global_opts(

    title_opts=opts.TitleOpts(  # 设置标题配置项

        title="盈利预测比较图", # 设置标题名称

        pos_left="center",  # 设置标题居中

        subtitle="单位：元" # 副标题

        ),

    legend_opts=opts.LegendOpts(  # 设置图例配置项

        pos_right="right",  # 设置为水平居右

        pos_top="top"  # 设置为垂直居下

        ),

    )

bar.render("盈利预测比较图.html")示例如下图所示：

四、绘制K线和成交量

K线绘制主要用到Kline()和Line()两个功能。

1.K线建立

Kline(init_opts=opts.InitOpts(width="1200px",height="600px")) #指定图形长宽

        .add_xaxis(xaxis_data=list(df.index))

        .add_yaxis(

            series_name="klines",

            y_axis=df[["open","close","low","high"]].values.tolist(),

            itemstyle_opts=opts.ItemStyleOpts(color="#ec0000", color0="#00da3c"),

        )

2.均线建立

line=Line() #均线绘制

line.add_xaxis( df.index.tolist() ) #x轴数据

line.add_yaxis( 'MA5',df.sma.round(2).tolist(),is_smooth=True ) #y轴数据

K线和均线的全局设置参考前面讲的全局配置和系列配置部分内容。

3.绘制实例

完整的代码如下：

import akshare as ak

import pandas as pd

from pyecharts.charts import *

from pyecharts import options as opts

from pyecharts.globals import ThemeType

df = ak.stock_zh_a_hist(symbol="600036", start_date='20220101',end_date='20220916', adjust="qfq").iloc[:, :6]

df.columns = [

    'date',

    'open',

    'close',

    'high',

    'low',

    'volume',

]

# 把 date 作为日期索引

df.index = pd.to_datetime(df.date)

df['date']=df.index.year #将日期转换为年份

df=df.sort_index()

#data_price=data_price.copy()

#data_price.index=data_price.index.strftime('%Y%m%d')

df['sma']=df.close.rolling(5).mean()

df['lma']=df.close.rolling(10).mean()

df['lma20']=df.close.rolling(20).mean()

df['lma30']=df.close.rolling(30).mean()

df['lma60']=df.close.rolling(60).mean()

kline = (

        Kline(init_opts=opts.InitOpts(width="1200px",height="600px")) #指定图形长宽

        .add_xaxis(xaxis_data=list(df.index)) #x轴数据

        .add_yaxis( #y轴数据

            series_name="klines", #名称

            y_axis=df[["open","close","low","high"]].values.tolist(), #数据源

            itemstyle_opts=opts.ItemStyleOpts(color="#ec0000", color0="#00da3c"), #颜色设置

        )

        .set_global_opts( #图表全局设置

            title_opts=opts.TitleOpts(title="K线及均线",pos_left='45%'), #标题位置

            legend_opts=opts.LegendOpts(pos_right="35%",pos_top="5%"), #图例位置

            yaxis_opts=opts.AxisOpts( is_scale=True,

                splitarea_opts=opts.SplitAreaOpts( is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1) ), ),

datazoom_opts=[opts.DataZoomOpts(type_='inside')], #K线缩放-内部滑动

            tooltip_opts=opts.TooltipOpts( #鼠标提示设置

                trigger="axis", axis_pointer_type="cross", #趋势线

                background_color="rgba(245, 245, 245, 0.8)", #背景颜色

                border_width=1, border_color="#ccc",

                textstyle_opts=opts.TextStyleOpts(color="#000"), ),

            visualmap_opts=opts.VisualMapOpts( is_show=False, dimension=2, series_index=5, is_piecewise=True,

                    pieces=[ {"value": 1, "color": "#00da3c"}, {"value": -1, "color": "#ec0000"}, ], ),

            axispointer_opts=opts.AxisPointerOpts( is_show=True,

                link=[{"xAxisIndex": "all"}], label=opts.LabelOpts(background_color="#777"), ),

            brush_opts=opts.BrushOpts( x_axis_index="all", brush_link="all",

                out_of_brush={"colorAlpha": 0.1}, brush_type="lineX", ),

        )

    )

line=Line() #均线绘制

line.add_xaxis( df.index.tolist() ) #x轴数据

line.add_yaxis( 'MA5',df.sma.round(2).tolist(),is_smooth=True ) #y轴数据

line.add_yaxis( 'MA10',df.lma.round(2).tolist(),is_smooth=True )

line.add_yaxis( 'MA20',df.lma20.round(2).tolist(),is_smooth=True )

line.add_yaxis( 'MA30',df.lma30.round(2).tolist(),is_smooth=True )

line.add_yaxis( 'MA60',df.lma60.round(2).tolist(),is_smooth=True )

line.set_series_opts(label_opts=opts.LabelOpts(is_show=False)) #是否显示数据标签

line.set_global_opts( #均线全局设置

    datazoom_opts=[opts.DataZoomOpts(type_='inside')], #内部滑动

    legend_opts=opts.LegendOpts(pos_right="20%",pos_top="5%"), #图例位置

    tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross") #添加趋势线

)

kline.overlap(line) #将均线叠加到K线上

kline.render("K线.html") #保存到文件

绘制的K线图如下图所示：

4.注意事项

（1）以上绘制的数据是采用AKShare接口从东方财富获取的指定时间范围的日K线数据，具体请参考文章《AKShare量化接口简介》

（2）均线数据计算使用的是DataFrame的rolling公式，以后有机会在介绍。

（3）Kline和Line的数据为List格式，DataFrame的行列数据需要转换为List才行。

（4）均线Line和KLine叠加需要调用Kline.overlap(Line)，不要漏了。

（5）K先绘制的其它示例说明请参考官方说明文档：

https://gallery.pyecharts.org/#/Candlestick/README

-----------------------------------------------------------------------------------

对Python、量化和投资感兴趣请关注公众号：IntInvestor