該系列視頻已經搬運至bilibili：?點擊查看

歡迎來到Python for Finance教程系列的第4部分。在本教程中，我們將基于Adj Close列創建燭臺/ OHLC圖，這將允許我介紹重新采樣和其他一些數據可視化概念。

名為燭臺圖的OHLC圖表是一種將開盤價Open，最高價High，最低價Low和收盤價Close數據全部集中在一個很好的格式中的圖表。另外，它使得漂亮的顏色，并記住我告訴你關于美觀的圖表？

在之前的教程中已經涉及到了這一點：

importdatetime as dtimportmatplotlib.pyplot as pltfrom matplotlib importstyleimportpandas as pdimportpandas_datareader.data as web

style.use('ggplot')

df= pd.read_csv('tsla.csv', parse_dates=True, index_col=0)

不幸的是，即使創建OHLC數據，直接從Pandas制作燭臺圖也不是內置的。未來我確信這個圖表類型將會被提供，但現在不是。沒關系，we can make it！首先，我們需要import兩個新的庫：

from matplotlib.finance importcandlestick_ohlcimport matplotlib.dates as mdates

第一個導入是來自matplotlib的OHLC圖形類型，第二個導入是特殊的mdates類型，它大多只是一個屁股疼痛，但這是matplotlib圖形的日期類型。pandas會自動為你處理，但就像我說的那樣，我們沒有燭臺的奢侈品。

首先，我們需要適當的OHLC數據。我們目前的數據確實有OHLC的價值，除非我錯了，特斯拉從來沒有分裂過，但是你永遠不會這么幸運。因此，我們將創建我們自己的OHLC數據，這也將允許我們展示另一個來自Pandas的數據轉換：

df_ohlc = df['Adj Close'].resample('10D').ohlc()

我們在這里所做的是創建一個基于df ['Adj Close']列的新數據框，重新封裝10天的窗口，并且重采樣是一個ohlc(開高低關閉)。我們也可以用.mean()或.sum()做10天的平均值或10天的總和。請記住，這10天的平均值是10天的平均值，而不是平均值。由于我們的數據是每日數據，因此將其重新采樣為10天的數據會顯著縮小數據的大小。這是你可以如何規范化多個數據集。有時，您可能會在每個月的一個月中記錄一次每月記錄的數據，每個月末記錄的其他數據，以及最終每周記錄一些數據。您可以每個月對該數據幀重新采樣到月末，并有效地將其標準化！如果你喜歡的話，這是更高級的熊貓功能，你可以從熊貓系列中了解更多。

我們想要繪制燭臺數據以及體積數據。我們不必重新采樣數據，但我們應該，因為它與我們的10D定價數據相比太細致。

df_volume = df['Volume'].resample('10D').sum()

我們在這里使用金額，因為我們確實想知道在這10天內交易的總量，但您也可以使用平均值。現在如果我們這樣做：

print(df_ohlc.head())

我們得到：

open high low close

Date2010-06-29 23.889999 23.889999 15.800000 17.459999

2010-07-09 17.400000 20.639999 17.049999 20.639999

2010-07-19 21.910000 21.910000 20.219999 20.719999

2010-07-29 20.350000 21.950001 19.590000 19.590000

2010-08-08 19.600000 19.600000 17.600000 19.150000

這是預期的，但是，我們現在要將這些信息移動到matplotlib中，并將日期轉換為mdates版本。由于我們只是要在Matplotlib中繪制列，所以我們實際上不希望日期成為索引，所以我們可以這樣做：

df_ohlc = df_ohlc.reset_index()

現在的日期只是一個普通的專欄。接下來，我們要轉換它：

df_ohlc ['Date'] = df_ohlc ['Date']。map(mdates.date2num)

現在我們要設置這個數字：

fig =plt.figure()

ax1= plt.subplot2grid((6,1)，(0,0)，rowspan = 5，colspan = 1)

ax2= plt.subplot2grid((6,1)，(5,0)，rowspan = 1，colspan = 1，sharex =ax1)

ax1.xaxis_date()

除了ax1.xaxis_date()之外，您已經看到過的所有內容。這對我們來說就是將軸從原始的生成號碼轉換為日期。

現在我們可以繪制燭臺圖：

candlestick_ohlc(ax1，df_ohlc.values，width = 2，colorup ='g')

然后做量：

ax2.fill_between(df_volume.index.map(mdates.date2num)，df_volume.values，0)

fill_between函數將繪制x，y，然后填充/之間的內容。在我們的例子中，我們選擇0。

plt.show()

完整代碼：

importdatetime as dtimportmatplotlib.pyplot as pltfrom matplotlib importstylefrom matplotlib.finance importcandlestick_ohlcimportmatplotlib.dates as mdatesimportpandas as pdimportpandas_datareader.data as web

style.use('ggplot')

df= pd.read_csv('tsla.csv', parse_dates=True, index_col=0)

df_ohlc= df['Adj Close'].resample('10D').ohlc()

df_volume= df['Volume'].resample('10D').sum()

df_ohlc.reset_index(inplace=True)

df_ohlc['Date'] = df_ohlc['Date'].map(mdates.date2num)

ax1= plt.subplot2grid((6,1), (0,0), rowspan=5, colspan=1)

ax2= plt.subplot2grid((6,1), (5,0), rowspan=1, colspan=1, sharex=ax1)

ax1.xaxis_date()

candlestick_ohlc(ax1, df_ohlc.values, width=5, colorup='g')

ax2.fill_between(df_volume.index.map(mdates.date2num), df_volume.values, 0)

plt.show()

在接下來的幾個教程中，我們將留下可視化位，稍微討論一下獲取數據和處理數據。

總結

以上是生活随笔為你收集整理的python股票分析系列_Python股票分析系列——基础股票数据操作（二）.p4的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。