python的pandas库下载,python数据包pandas

　　袖扣

　　此库绑定了steppowerofplotlywitheflexibilityofpandasforeasyping。

　　本教程假设plotlyusercredentialshavalreadybeenconfiguredas statedongettingstartedguide。

　　：

　　发行通知

　　v0.17.0

　　支持Plotly 4.x

　　cufflinksisnolongercompatiblewithplotly 3 .x

　　v0.14.0

　　支持Plotly 3.0

　　v0.13.0

　　纽皮罗特佩尔。toseeacompensivelistofparameterscf。帮助(

　　#获取支持的图表列表

　　cf.help())

　　# ortoseetheparametersupportedtapplytoagivenfiguretry

　　参见求助(散))。

　　参见求助(蜡烛))#等

　　v0.12.0

　　removeddependeciesonta-lib。不需要此库。allstudieshavebererewriteninpython。

　　v0.11.0

　　这很简单，就像：

　　df=cf.datagen.ohlc(

　　qf=cf.quantfig(df，title=第一个量化数字，legend=top ，name=GS ))

　　qf.add_bollinger_bands(

　　qf.iplot())。

　　技术分析学习可以按需进行。

　　qf.add _ SMA ([ 10，20 ]，width=2，color=[green ， lightgreen]，legendgroup=True))

　　qf.add_RSI(Periods=20，color=java )))))))。

　　qf。add _ bollinger _ bands(periods=20，boll_std=2，colors=[洋红色,灰色]，fill=True

　　qf.add _卷（

　　qf.add_macd()

　　qf.iplot())。

　　v0.10.0

　　rangeslidertodisplayadaterangeslideratthebottom

　　请参阅datagen.ohlc .IPlot ) kind=candle ，rangeslider=True)。

　　rangeselectortodisplaybuttonstochangetherangedisplay

　　参见ohlc(500).IPlot ) kind=candle ，范围选择器={ steps :[ 1年, 2个月, 5周

　　一个带有字体大小、字体颜色的概念和文本角度

　　标签模式

　　cf.datagen.lines(1，mode=stocks ).IPlot ) kind=line ，annotations={ 2015-02-02 3360 marketcrrrret

　　明确的模式

　　cf.datagen.lines(1，mode=stocks ).IPlot ) kind=line ，annotations={ text :就在这里，

　　ef:paper ， arrow， textangle:-10， ay:150， arrowcolor:red}])

　　v0.9.0

　　新的高性能蜡烛图和开高低收图

　　cf.datagen.ohlc().iplot(kind=candle )

　　v0.8.0

　　 cf.datagen.choropleth()以获取样本专题地图数据。

　　 cf.datagen.scattergeo()以获取示例分散地理数据。

　　支持iplot中的专题地图和分散地理图形

　　" cf.get_colorscale "，用于支持色标的地图和绘图对象

　　v0.7.1

　　xrange、yrange和zrange可以在iplot和获取布局中指定

　　参见datagen.lines(1).iplot(yrange=[5，15])

　　可以在iplot和获取布局中设置布局_更新来显式更新任何布局值

　　v0.7

　　支持Python 3

　　v0.6

　　支持饼图

　　cf.datagen.pie().iplot(种类=饼，标签=标签，值=值)

　　生成开盘、盘高、盘低和收盘数据

　　datagen.ohlc()

　　蜡烛图支持

　　ohlc=cf.datagen.ohlc()

　　ohlc.iplot(kind=candle ，up_color=blue ，down_color=red )

　　追寻的小蜜蜂（条形图)图表支持

　　ohlc=cf.datagen.ohlc()

　　ohlc.iplot(kind=ohlc ，up_color=blue ，down_color=red )

　　支持对数图表(逻辑)

　　df=pd .数据帧([x**2]表示范围(100)内的x)

　　df.iplot(kind=lines ，logy=True)

　　支持多tindex jqdsy/pSupport误差线(错误x 错误y)

　　参见datagen.lines(1，5).iplot(kind=bar ，error_y=[1，2，3.5，2，2])

　　参见datagen.lines(1，5).iplot(kind=bar ，error_y=20，error_type=percent )

　　支持连续误差线

　　参见datagen.lines(1).iplot(kind=lines ，error_y=20，error_type=continuous_percent )

　　参见datagen.lines(1).iplot(kind=lines ，error_y=10，error_type=continuous ，color=blue )

　　时间序列的技术分析研究（测试版)

　　简单移动平均线

　　参见datagen.lines(1，500).ta_plot(研究=sma ，周期=[13,21,55])

　　相对强度指标

　　参见datagen.lines(1，200).ta_plot(研究=boll ，周期=14)

　　布林线(波尔)

　　参见datagen.lines(1，200).ta_plot(研究=rsi ，周期=14)

　　移动平均收敛发散(MACD)

　　参见datagen.lines(1，200).ta_plot(研究=macd ，快速周期=12,慢速周期=26,信号周期=9)

　　v0.5

　　支持离线图表

　　cf.go_offline()

　　cf.go_online()

　　cf.iplot(图，在线=真)(在脱机模式下强制联机)

　　辅助轴支架

　　fig=cf.datagen.lines(3，columns=[a ， b ， c])。图()

　　fig=fig.set_axis(b ，side=right )

　　参见iplot(图)

　　v0.4

　　支持全局主题设置

　　袖扣。set_config_file(theme=pearl )

　　新主题ggplot

　　袖扣。datagen.lines(5).iplot(theme=ggplot )

　　支持水平条形图水平条图

　　袖扣。datagen.lines(2).iplot(kind=barh ，barmode=stack ，bargap=.1)

　　支持直方图定向和标准化

　　cufflinks.datagen.histogram().iplot(种类=直方图，方向=h ，范数=概率)

　　支持面积图

　　袖扣。datagen.lines(4).iplot(kind=area ，fill=True，opacity=1)

　　支持支线剧情

　　袖扣.数据生成.直方图(4).iplot(kind=histogram ，subplots=True，bins=50)

　　袖扣。datagen.lines(4).iplot(subplots=True，shape=(4，1)，shared_xaxes=True，vertical_spacing=.02，fill=True)

　　支持散点图，以显示数据框中每个系列的分布情况

　　袖扣。数据生成行(41000).散布矩阵()

　　支持水平和垂直行的溶脂针和水平线

　　袖扣。datagen.lines(3).iplot(hline=[2，3])

　　袖扣。datagen.lines(3).iplot(hline=dict(y=2，color=blue ，width=3))

　　支持水平和垂直区域的交换式端口分析器和性树脂

　　袖扣。datagen.lines(3).iplot(hspan=(-1，2))

　　袖扣。datagen.lines(3).iplot(hspan=dict(y0=-1，y1=2，color=orange ，fill=True，opacity=.4))

　　v0.3.2

　　公共图表的全局设置

　　袖扣。set _ config _ file(world _ readable=True)

　　v0.3

　　增强的传播图

　　袖扣。datagen.lines(2).iplot(kind=spread )

　　支持热图图表

　　cufflinks.datagen.heatmap().iplot(kind=heatmap )

　　支持气泡图

　　袖扣.数据.泡泡(4).iplot(kind=bubble ，x=x ，y=y ，text=text ，size=size ，categories=categories )

　　支持三维气泡图

　　cufflinks.datagen.bubble3d(4).iplot(kind=bubble3d ，x=x ，y=y ，z=z ，text=text ，size=size ，categories=categories )

　　支持箱线图

　　cufflinks.datagen.box().iplot(kind=box )

　　支持曲面图

　　cufflinks.datagen.surface().iplot(kind=surface )

　　支持散点三维图表

　　cufflinks.datagen.scatter3d().iplot(kind=scatter3d ，x=x ，y=y ，z=z ，text=text ，categories=categories )

　　支持直方图

　　袖扣.数据生成.直方图(2).iplot(kind=histogram )

　　最常见绘图类型的数据生成

　　袖扣。数据生成

　　数据提取：从任何Plotly图表提取数据。数据以数据帧的形式传送

　　袖扣。to_df(图)

　　与色彩爱好者整合

　　支持刻度iplot(colorscale=accent )使用强调色标绘制图表

　　袖扣.秤()查看所有可用的秤

　　支持命名颜色* iplot(颜色=[粉色,红色,黄色])

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。