matplotlib

資料視覺化工具包

安裝

pip install matplotlib

import matplotlib.pyplot as plt

繪圖：plt.plot()

顯示：plt.show()

plot函式

繪製折線圖

• marker

  • 線型（-,-.,--,...）

  • 點型（v,^,s,*,H,+,x,D,o,...）

• color：顏色（b,g,r,y,k,w,....），k是black

• label：線的標註

• o:k，說明是黑點

繪製多條曲線，執行多個plot()即可

影象標註

• plt.title()：標題

• plt.xlabel()：x軸標籤

• plt.ylabel()：y軸標籤

• plt.xlim(min,max)：x軸範圍

• plt.ylim(min,max)：y軸範圍

• plt.xticks([])：x軸的刻度

  • plt.xticks(np.arange(0,10,2),['a','b','c','d','e'])

• plt.yticks([])：y軸的刻度

• plt.legend()：顯示線的標籤

• pandas包對plot的支援

  • df = pd.read_csv('file_name.csv',parse_dates=['date',index_col='date'])['open','close','high','low']

  • df.plot()

  • plt.show()

畫布與子圖

• 畫布：fig = plt.figure()

• 子圖：ax1 = fig.add_subplot(2,2,1)

  • 將畫布分成兩行兩列，圖佔第一個位置

• 調節子圖間距：suplots_adjust(left,bottom,right,top,wspace,hspace)

圖型別

繪製k線圖

• matplotlib.finanace子包中有許多繪製金融相關圖的函式介面

• 繪製k線圖：matplotlib.finanace.candlestick_ochl函式

   1 import matplotlib.finanace as fin
   2 from matplotlib.dates import date2num
   3 ​
   4 df['time'] = date2num(df.index.to_pydatetime('date'))
   5 df = df.iloc[:100,:]
   6 fig = plt.figure()
   7 ax = fig.add_subplot(1,1,1)
   8 # 對應ochl
   9 arr =df['time','open','close','high','low'].values
  10 fin.candlestick_ochl(ax,arr)
  11 fig.show()

Tushare

免費、開源的python財經資料介面包

安裝

pip install Tushare

依賴pandas,lxml

使用

http://tushare.org/

股票資料分析

 1 import numpy as np
 2 import pandas as pd
 3 import matplotlib.plot as plt
 4 import tushare as ts
 5 ​
 6 df = ts.get_k_data('600660',start='2010')   # 查詢福耀玻璃
 7 df.to_csv('福耀玻璃.csv')
 8 df = pd.read_csv('福耀玻璃.csv',index_col='date',parse_dates=['date'])[['open','close','high','low']]
 9 ​
10 # 輸出收盤比開盤上漲3%以上的日期
11 df[(df['close']-df['open'])/df['open']] >= 0.03]
12 ​
13 # 輸出所有開盤比前日收盤跌幅超過2%的日期
14 (df['open']-df['close'].shift(1))/df['close'].shift(1)<=-0.02
15 ​
16 # 從2019年1月1日開始到2021年，每月第一個交易日買入1手股票，每年最後一個交易日賣出所有股票，收益如何？
17 price_last = df['open'][-1]
18 df = df['2019-01':'2021-12']    # 去除首尾不用的資料
19 df_monthly = df.resample("M").first()
20 df_yearly = df.resample("A").last()
21 cost_money = 0
22 hold = 0
23 for year in range(2019,2022):
24     cost_money += df_monthly[str(year)]['open'].sum()*100
25     hold += len(df_monthly[str(year)])*100
26     if year != 2022:
27         cost_money -= df_yearly[str(year)]['open'][0]*hold
28         hold = 0
29     
30 cost_money -= hold * price_last    
31 printf(-cost)

雙均線分析

日均線指標：5天和10天短線操作的參照指標

季均線指標：30天和60天中期操作的參照指標

年均線指標：120天和240天長期操作的參照指標

金叉：短期均線上穿長期均線，買入訊號

死叉：短期均線下穿長期均線，賣出訊號

 1 import numpy as np
 2 import pandas as pd
 3 import matplotlib.plot as plt
 4 import tushare as ts
 5 '''
 6 看5日均線和30日均線
 7 假如從2019年1月1日開始，初始資金為100000元，金叉儘量買入，死叉全部賣出，則到今天位置，收益率如何？
 8 '''
 9 df = ts.get_k_data('600660',start='2019')   # 查詢福耀玻璃
10 df.to_csv('福耀玻璃.csv')
11 df = pd.read_csv('福耀玻璃.csv',index_col='date',parse_dates=['date'])[['open','close','high','low']]
12 ​
13 # 求5日均線和30日均線
14 df['ma5']=df['open'].rolling(5).mean()
15 df['ma30'] = df['open'].rolling(30).mean()
16 df = df.dropna()    # 去有掉空資料的行
17 ​
18 # 畫圖 
19 df[['close','ma5','ma30']].plot()
20 plt.show()
21 ​
22 # 計算金叉日期和死叉日期
23 sr1 = df['ma5'] < df['ma30']
24 sr2 = df['ma5'] >= df['ma30']
25 # shift(1)向後移一位
26 #sr1:           TTTTTFFFFFTTTTT
27 #sr2.shift(1):   FFFFFTTTTTFFFFF
28 death_cross = df[sr1 & sr2.shift(1)].index
29 gloden_cross = df[~(sr1 | sr2.shift(1))].index
30 ​
31 # 假設從2019年1月1日開始，初始資金為100000元，金叉儘量買入，死叉全部賣出，則到今天為止，求收益率？
32 sr1 = pd.Series(1,index=golden_cross)
33 sr2 = pd.Series(0,index=death_cross)
34 sr = sr1.append(sr2).sort_index()
35 money = 100000
36 hold = 0
37 ​
38 for i in range(0,len(sr)):
39     p = df['open'][sr.index[i]]
40     if ar.iloc[i] == 1:
41         # 金叉買進
42         buy = (money // (100 * p))
43         hold += buy*100
44         money -= buy-100*p
45     else:
46         # 死叉賣出
47         money += hold * p
48         hold = 0
49 ​
50 p = df['open'][-1]        
51 now_money = hold * p + money
52 intrest = now_money - first_money