python实现股票历史数据可视化分析案例
更新时间：2021年06月10日 11:27:30 作者：荣仔！最靓的仔！
股票交易数据分析可直观股市走向，对于如何把握股票行情，快速解读股票交易数据有不可替代的作用，感兴趣的可以了解一下
投资有风险，选择需谨慎。 股票交易数据分析可直观股市走向，对于如何把握股票行情，快速解读股票交易数据有不可替代的作用！
1 数据预处理
1.1 股票历史数据csv文件读取
import pandas as pd import csv
df = pd.read_csv("/home/kesci/input/maotai4154/maotai.csv")
1.2 关键数据——在csv文件中选择性提取“列”
df_high_low = df[['date','high','low']]
1.3 数据类型转换
df_high_low_array = np.array(df_high_low) df_high_low_list =df_high_low_array.tolist()
1.4 数据按列提取并累加性存入列表
price_dates, heigh_prices, low_prices = [], [], []
for content in zip(df_high_low_list):
price_date = content[0][0]
heigh_price = content[0][1]
low_price = content[0][2]
price_dates.append(price_date)
heigh_prices.append(heigh_price)
low_prices.append(low_price)
2 pyecharts实现数据可视化
2.1 导入库
import pyecharts.options as opts from pyecharts.charts import Line
2.2 初始化画布
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
2.3 根据需要传入关键性数据并画图
.add_yaxis(
series_name="最低价",
y_axis=low_prices,
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(value=-2, name="周最低", x=1, y=-1.5)]
),
markline_opts=opts.MarkLineOpts(
data=[
opts.MarkLineItem(type_="average", name="平均值"),
opts.MarkLineItem(symbol="none", x="90%", y="max"),
opts.MarkLineItem(symbol="circle", type_="max", name="最高点"),
]
),
)
tooltip_opts=opts.TooltipOpts(trigger="axis"), toolbox_opts=opts.ToolboxOpts(is_show=True), xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=True)
2.4 将生成的文件形成HTML代码并下载
.render("HTML名字填这里.html")
2.5 完整代码展示
import pyecharts.options as opts
from pyecharts.charts import Line
(
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add_xaxis(xaxis_data=price_dates)
.add_yaxis(
series_name="最高价",
y_axis=heigh_prices,
markpoint_opts=opts.MarkPointOpts(
data=[
opts.MarkPointItem(type_="max", name="最大值"),
opts.MarkPointItem(type_="min", name="最小值"),
]
),
markline_opts=opts.MarkLineOpts(
data=[opts.MarkLineItem(type_="average", name="平均值")]
),
)
.add_yaxis(
series_name="最低价",
y_axis=low_prices,
markpoint_opts=opts.MarkPointOpts(
data=[opts.MarkPointItem(value=-2, name="周最低", x=1, y=-1.5)]
),
markline_opts=opts.MarkLineOpts(
data=[
opts.MarkLineItem(type_="average", name="平均值"),
opts.MarkLineItem(symbol="none", x="90%", y="max"),
opts.MarkLineItem(symbol="circle", type_="max", name="最高点"),
]
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="茅台股票历史数据可视化", subtitle="日期、最高价、最低价可视化"),
tooltip_opts=opts.TooltipOpts(trigger="axis"),
toolbox_opts=opts.ToolboxOpts(is_show=True),
xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=True),
)
.render("everyDayPrice_change_line_chart2.html")
)
3 结果展示
到此这篇关于python实现股票历史数据可视化分析案例的文章就介绍到这了,更多相关python股票数据可视化内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了python 多线程共享全局变量的优劣，帮助大家更好的理解和学习python多线程，感兴趣的朋友可以了解下2020-09-09
这篇文章主要介绍了Pandas数据分析固定时间点和时间差，文章未日澳主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-08-08
这篇文章主要介绍了Python OrderedDict字典使用方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-05-05
剖析Python的Tornado框架中session支持的实现代码
这篇文章主要介绍了剖析Python的Tornado框架中session支持的实现代码,这样就可以使用Django等框架中大家所熟悉的session了,需要的朋友可以参考下2015-08-08
这篇文章主要为大家详细介绍了python实现126邮箱发送邮件，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-05-05
科学计算与数据分析利器Python数据分析库Scipy使用详解
Scipy在现代科学研究和数据分析中是一个不可或缺的库,它建立在NumPy的基础上,提供了更多的高级科学计算功能,包括优化、信号处理、统计分析、插值、线性代数等,本文将会学习Scipy库的各种功能和用法,包括数学优化、统计分析、信号处理和插值等方面2023-11-11
这篇文章主要为大家详细介绍了如何利用Python语言实现批量生成字幕图片用于视频剪辑，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2022-05-05
这篇文章主要介绍了Python星号*与**用法,结合实例形式较为详细的分析了Python中的星号*与**在函数参数及数值运算中的相关使用技巧,需要的朋友可以参考下2018-02-02
Python作为一种语言不支持do-while循环。 但是，我们可以采用一种变通方法来模拟do-while循环 。下面通过本文给大家分享下Python 不设计do-while 循环结构的理由,需要的朋友可以参考下2022-01-01
python pandas如何使用loc和iloc读取行数据或列数据
这篇文章主要给大家介绍了关于python pandas如何使用loc和iloc读取行数据或列数据的相关资料,在学习机器学习的过程中对数据进行预处理时避免不了需要使用Pandas进行大量操,需要的朋友可以参考下2023-10-10
最新评论