python怎么画k线,python绘制k线及均线
计算机编程语言绘制K线图（数据来自优矿：含均线及成交量)(但是图左边有部分空的？)
#Python绘制加强版K线图：增加均线及成交量
# https://博客。csdn。net/七夕庄/文章/详情/86219930
#用计算机编程语言绘制股票的K线图
# https://www。cn博客。com/pythonicanus/p/9826803。超文本标记语言
#2018年12月02日长短期记忆网络预测多支股票的收盘价(LSTM换股票主)
# https://博客。csdn。net/zoukkkkkzou/article/details/84707337
#LSTM预测股价的应用
# https://博客。csdn。net/zoukkkkkzou/article/details/85029129
stock_data[[open ， close ， high ， low ， vol ， pct_chg ， amount]] #选取需要的特征
交易日期交易日期
商品的公开标价今开盘（前复权)
最高价格最高价（前复权)
最低价格最低价（前复权)
收盘价格今收盘（前复权)
收盘前价格昨收盘（前复权)
actPreClosePrice实际昨收盘
周转率日换手率
翻转浮动前复权成交量
营业额成交金额
进口熊猫作为螺纹中径
将海生的作为社交网站（Social Network Site的缩写）导入
将matplotlib.pyplot作为血小板计数导入
从绘制精美的图表导入报价器
从matplotlib.pylab导入日期2号
将数组作为铭牌导入
将matplotlib.finance作为电影胶片（motion-picture film）导入
导入日期时间
#stock_data=DataAPI .MktEqudAdjGet(ticker=u600668 ，tradeDate=u ，isOpen="1 "，field=u ，pandas="1 ")
stock_data=DataAPI .MktEqudAdjGet(ticker=u600668 ，tradeDate=u ，beginDate=u2019-01-01 ，endDate=u ，isOpen="1 "，field=u ，pandas="1 ")
股票数据[" pct _ chg "]=股票数据。应用(x:(x .收盘价-x .收盘前价)/x .收盘价，轴=1)
股票_数据。rename(columns={ openPrice : open ， closePrice:close ， highestPrice:high ， lowestPrice:low ， turnovorvol : vol ， turnovorvalue : amount }，inplace=True)
stock _ data=stock _ data[[交易日，开盘，收盘，高，低，成交量，百分比变化，金额]]
#股票数据=股票数据[:-1] #倒序，使日期靠前的排在前面
股票数据[交易日期2]=股票数据[交易日期]。复制()
#股票数据=股票数据。reset _ index(drop=True)
# stock _ data。reset _ index(drop=True，inplace=True) #把每行的索引改为"0、1、2……"
股票数据[交易日]=股票数据。apply(x:x .交易日[0:4]x .交易日[5:7]x .交易日[8:10]，轴=1)
股票数据[[交易日]]=股票数据[[交易日]].astype(int)
股票数据=股票数据。排序(["交易日期"]，升序=真)
股票_数据。set _ index(交易日期，inplace=True)
df=stock_data.copy()
# df[交易日]=PD。to _ datetime(df[交易日期]).地图（日期2号)
df[dates]=np.arange(0，len(df))
df[5]=df.close.rolling(5).平均值()
df[20]=df.close.rolling(20).平均值()
df[30]=df.close.rolling(30).平均值()
df[60]=df.close.rolling(60).平均值()
df[120]=df.close.rolling(120).平均值()
df[250]=df.close.rolling(250).平均值()
#打印df.head(8)
定义格式_日期(x，位置):
如果x0或xlen(日期指示器)-1:
返回""
返回日期_tickers[int(x)]
日期代码=df。交易日期2。价值观念
df[dates]=np.arange(0，len(df))
日期代码=df。交易日期2。价值观念
控制子图fig，(ax1，ax2)=plt.subplots(2，sharex=True，figsize=(15，8))
#figure=plt.figure(figsize=(12，9))
#gs=GridSpec(3，1)
#ax1=plt.subplot(gs[:2，])
#ax2=plt.subplot(gs[2，])
绘制K线图强积金。烛台_ochl(
ax=ax1，
quotes=df[[日期,开盘,收盘,高,低]]]。价值观，
宽度=0.7,
colorup=r ，
colordown=g ，
阿尔法=0.7)
ax1。xaxis。set _ major _ formatter(ticker .FuncFormatter(format_date))
绘制均线对于[5 , 20 , 30 , 60 , 120 , 250]中的马：
ax1.plot(df[日期]，df[ma])
ax1.legend()
#ax.set_title(上证综指K线图(2017.1-)，fontsize=20)注意中文标题会出错
ax.set_title(600668:，fontsize=20)
ax1.set_ylabel(zhishu )
绘制成交量ax2。xaxis。set _ major _ formatter(ticker .FuncFormatter(format_date))
df[ up ]=df。应用(lambda row:1 if row[ close ]=row[ open ]else 0，axis=1)
ax2。酒吧(df。query( up==1 )[ dates ]，df.query(up==1)[vol]，color=r ，alpha=0.7)
ax2。酒吧(df。query( up==0 )[ dates ]，df.query(up==0)[vol]，color=g ，alpha=0.7)
ax2.set_ylabel(vol )
#plt.xticks(日期指示器)
#打印日期_报价机
plt.show()
#打印df
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。