Python量化的关键是金融数据可视化,不管是传统的K线图,仍是如今的策略分析,都须要大量的可视化图表。具体到编程代码,就是使用Python绘图模块库绘图,好比传统的Python绘图模块库有Matplotlib,Seaborn等。
html
对于股票和财经的金融数据源,能够使用Tushare库来获取和分析股票财经数据,咱们得到财经数据源后,就能够使用Pandas对金融数据的各类指标进行定制化的分析了,最后让数据可视化,能够使用Matplotlib来绘制出美观大方的金融图形,为企业的决策提供便利。金融绘图的主要步骤以下:nginx
得到股票数据源编程
Tushare是一个免费、开源的Python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程,可以为金融分析人员提供快速、整洁、和多样的便于分析的数据,为他们在数据获取方面极大地减轻工做量,使他们更加专一于策略和模型的研究与实现上。考虑到Python 的Pandas包在金融量化分析中体现出的优点,Tushare返回的绝大部分的数据格式都是Pandas的 DataFrame类型,很是便于用Pandas,NumPy和Matplotlib进行数据分析和可视化。微信
Tushare的官网地址网络
http://tushare.org
在Tushare中使用的股票代码,能够参考东方财富网提供的股票代码查询页面,如图7-63所示app
http://quote.eastmoney.com/stocklist.html
图763股票代码查询页面机器学习
使用pip安装Tushare。安装Tushare以前,须要使用pip命令先安装好lxml,requests和bs4模块。函数
pip install tushare
显示股票历史数据学习
TuShare里的 get_hist_data()函数用于获取到目前为止3年的历史数据。获取个股历史交易数据(包括均线数据),能够经过参数设置获取日k线、周k线、月k线,以及5分钟、15分钟、30分钟和60分钟k线数据。本接口只能获取近3年的日线数据,适合搭配均线数据进行选股和分析。ui
参数说明:
code:股票代码,即6位数字代码,或者指数代码(sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板)
start:开始日期,格式YYYY-MM-DD
end:结束日期,格式YYYY-MM-DD
ktype:数据类型,D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟,默认为D
retry_count:当网络异常后重试次数,默认为3
pause:重试时停顿秒数,默认为0
返回值说明:
date:日期
open:开盘价
high:最高价
close:收盘价
low:最低价
volume:成交量
price_change:价格变更
p_change:涨跌幅
ma5:5日均价
ma10:10日均价
ma20:20日均价
v_ma5:5日均量
v_ma10:10日均量
v_ma20:20日均量
turnover:换手率[注:指数无此项]
查看编号为600848的股票代码在2018年3月的历史数据,使用Tushare的get_hist_data()返回的是Pandas的DataFrame对象,这个DataFrame对象的columns比较多,在控制台显示不全,因此使用Pandas的to_csv()函数保存到hist_data.csv文件中。
import tushare as tsdata = ts.get_hist_data('600848',start='2018-03-01',end='2018-03-31')data.to_csv('hist_data.csv' )
运行脚本,已记事本打开hist_data.csv文件。
咱们查看hist_data.csv文件会发现,编号为600848的股票代码在2018年3月的历史交易数据是按照交易日期降序排列的。但展现在折线图上的的日期通常要按升序排列。因此还要对DataFrame对象的index属性进行排序。使用Pandas的DataFrame对象的sort_index()函数,使交易日期按照从小到到大的升序排列。这样画出的折线图就符合人们查看历史交易数据的正常习惯了,完整代码以下。
import tushare as tsdata = ts.get_hist_data('600848',start='2018-03-01',end='2018-03-31')# 对交易时间进行降序排列data = data.sort_index()data.to_csv('hist_data.csv' )
得到编号为600848的股票代码在2018年3月的历史交易数据后,就能够使用Maplotlib画出股票历史数据的折线图,折线图的横坐标是股票历史数据的交易日期,纵坐标是股票交易数据的开盘价(open)。
import tushare as tsimport matplotlib.pyplot as pltfrom datetime import datetimedata = ts.get_hist_data('600848',start='2018-03-01',end='2018-03-31')# 对时间进行降序排列data = data.sort_index()xs = [datetime.strptime(d, '%Y-%m-%d').toordinal() for d in data.index ]plt.plot_date( xs , data['open'] , 'b-')plt.gcf().autofmt_xdate() # 自动旋转日期标记plt.show()
运行脚本输出如下图形。
以上代码的核心代码以下,使用Tushare的get_hist_data()函数返回股票交易代码的股票历史数据,也就是Pandas的DataFrame对象data,data.index索引值是日期型字符串,使用Matplotlib的plot_date()画图函数,须要转换成函数能够识别的Gregoian Calendar类型数据。
xs = [datetime.strptime(d, '%Y-%m-%d').toordinal() for d in data.index ]
以上表达式语句等同于如下语句。
xs = []for date in data.index: print( date ) transDate = datetime.strptime( date , '%Y-%m-%d') xs.append( transDate.toordinal())
绘制折线图的X 轴的日期也能够使用matplotlib.dates.strpdate2num()函数进行转换,完整代码以下。
import tushare as tsimport matplotlib.pyplot as pltimport matplotlib.dates as mdatesdata = ts.get_hist_data('600848',start='2018-03-01',end='2018-03-31')# 对时间进行降序排列data = data.sort_index()xs = [mdates.strpdate2num('%Y-%m-%d')(d ) for d in data.index ]plt.plot_date( xs , data['open'] , 'b-')plt.gcf().autofmt_xdate() # 自动旋转日期标记plt.show()
运行脚本输出如下图形。
获取60分钟k线数据。
import tushare as tsimport matplotlib.pyplot as pltimport matplotlib.dates as mdatesdata = ts.get_hist_data('600848', ktype='60')xs = [mdates.strpdate2num('%Y-%m-%d %H:%M:%S')(d ) for d in data.index ]#设置时间标签显示格式ax = plt.gca()ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d %H:%M:%S'))plt.plot_date(xs, data['open'],'-' , label='open')plt.legend(loc=0 )plt.gcf().autofmt_xdate()plt.show()
运行脚本输出如下图形。
图768编号为600848的股票代码的60分钟内的k线图
留言回复你用Python作过哪些有趣的应用,咱们会在留言中随机抽取一位读者免费送出北京大学出版社出版的《Python 3 数据分析与机器学习实战》图书一本。
热 门 推 荐
用Python建立微信机器人
用Python机器人监听微信群聊
用Python获取摄像头并实时控制人脸
开源项目 | 用Python美化LeetCode仓库
推荐Python中文社区旗下的几个服务类公众号
征稿启事 | Python中文社区有奖征文
文章节选自北京大学出版社出版的《Python 3 数据分析与机器学习实战》,本书如今5折优惠,点击阅读原文购书~