使用Python画一张完整的K线图的方法教程
更新时间：2025年04月10日 09:42:07 作者：花小姐的春天
Pyecharts 是 Python 里的一个强大可视化库,基于百度 Echarts,支持各种图表：柱状图、折线图、饼图、K 线图等等,本文就给大家介绍了Python如何使用Pyecharts画一个漂亮的K线图,感兴趣的小伙伴跟着小编一起来看看吧
最近炒股的朋友们老问我：“花姐，你能不能教我用 Python 画个 K 线图，研究研究趋势？”
听到这个问题，我差点没一口奶茶喷出来。
“用 Python 画 K 线？当然能！而且还得是高大上的动态交互图！”
说实话，一开始我也觉得画 K 线挺麻烦的，要处理数据、搞清楚指标、还得美观……结果后来发现，Pyecharts 这个库真的太香了！
今天咱们就一起来画出一个漂亮的 K 线图，均线、成交量 指标都加上，让你在 Python 里玩转金融数据！
1. 什么是 Pyecharts？
Pyecharts 是 Python 里的一个强大可视化库，基于百度 Echarts，支持各种图表：柱状图、折线图、饼图、K 线图等等。相比 Excel 或 Matplotlib，Pyecharts 生成的图表更美观，而且支持交互！
1.1 安装 Pyecharts？
用 pip 轻松搞定：
pip install pyecharts
装好以后，我们先来画个简单的折线图，看看效果。
1.2 画个简单的折线图
from pyecharts.charts import Line
from pyecharts import options as opts
# 创建折线图对象
line = Line()
# 添加数据
line.add_xaxis(["周一", "周二", "周三", "周四", "周五"])
line.add_yaxis("股票价格", [10, 12, 15, 13, 17])
# 设置标题
line.set_global_opts(title_opts=opts.TitleOpts(title="股票价格变化"))
# 渲染成 HTML
line.render("line_chart.html")
运行后，会在本地生成一个 HTML 页面，你会看到一条简单的折线，鼠标移动上去还会有交互效果！
1.3 关键步骤介绍
1.3.1 模块导入（基石搭建）
from pyecharts.charts import Line from pyecharts import options as opts
• 核心作用：加载可视化工具包
• Line：折线图绘制核心类
• opts：样式配置工具箱（控制标题/坐标轴/颜色等）
1.3.2 画布初始化（创建舞台）
line = Line()
• 本质：创建空白绘图区域
• 类比：准备画布和画笔，准备绘制折线图
1.3.3 数据注入（填充内容）
# X轴：维度数据（通常为分类数据）
.add_xaxis(["周一", "周二", "周三", "周四", "周五"])
# Y轴：指标数据（数值序列）
.add_yaxis("股票价格", [10, 12, 15, 13, 17])
- 数据绑定：
- X轴 → 横坐标标签（星期）
- Y轴 → 股价波动数值
- 扩展性：可连续添加多个
add_yaxis()绘制多指标对比
1.3.4 样式配置（美化定型）
.set_global_opts(title_opts=opts.TitleOpts(title="股票价格变化"))
- 核心配置项：
title_opts：主/副标题设置tooltip_opts：悬浮提示框样式axis_opts：坐标轴标签格式- 可扩展配置：支持50+种样式参数调整
1.3.5 输出成果（生成文件）
.render("line_chart.html")
- 输出特性：
- 生成完整HTML5文件
- 自带交互功能（缩放/悬浮提示/下载）
- 跨平台兼容（浏览器直接打开）
2. 画一张完整的 K 线图！
知道了基础用法，接下来，我们用 pyecharts 画 K 线图，并加上均线、成交量、MACD 指标，让它更专业！
2.1 获取股票数据
这里我们用AKShare库来获取股票日线行情数据，把数据转存成csv文件，这样方便我们测试。
import akshare as ak
df = ak.stock_zh_a_hist(symbol="000001", period="daily", start_date="20230101", end_date="20250101" ,adjust="qfq")
df.to_csv("kdata.csv",index=False)
这是测试用的csv数据
2.2 准备数据
K 线图的数据格式要求：
k_data = [
[开盘价, 收盘价, 最低价, 最高价],
[开盘价, 收盘价, 最低价, 最高价],
...
]
2.3 读取csv数据并做处理
import pandas as pd
# 读取数据并排序
df = pd.read_csv("kdata.csv", parse_dates=["日期"])
# 数据预处理
df['日期'] = pd.to_datetime(df['日期']).dt.strftime('%Y-%m-%d') # 格式化日期
df = df.sort_values("日期") # 安装日期排序
data = df[["开盘", "收盘", "最低", "最高"]].values.tolist() # 生成K线数据序列
print(data)
2.4 画蜡烛图（K 线）
from pyecharts.charts import Kline
from pyecharts import options as opts
# 创建K线图
kline = Kline()
kline.add_xaxis(df['日期'].tolist()) # X轴日期数据
kline.add_yaxis(
series_name="k线", # y轴名称
y_axis=data, # K线数据序列
itemstyle_opts=opts.ItemStyleOpts(
color="#ef232a", # 上涨颜色（红色）
color0="#14b143", # 下跌颜色（绿色）
border_color="#000", # 统一黑色描边
border_color0="#000"
)
)
kline.set_global_opts(
title_opts=opts.TitleOpts(title="股票K线走势图", subtitle=df['股票代码'][0]),
xaxis_opts=opts.AxisOpts(
type_='category',
axislabel_opts=opts.LabelOpts(rotate=45), # 日期标签旋转45度
splitline_opts=opts.SplitLineOpts(is_show=True) # 显示网格线
),
yaxis_opts=opts.AxisOpts(
splitarea_opts=opts.SplitAreaOpts(
is_show=True,
areastyle_opts=opts.AreaStyleOpts(opacity=1)
),is_scale=True # 启用自动缩放
),
datazoom_opts=[ # 添加数据缩放控件
opts.DataZoomOpts(
is_show=True,
type_="inside",
xaxis_index=[0],
range_start=50,
range_end=100
),
opts.DataZoomOpts(
is_show=True,
xaxis_index=[0],
type_="slider",
pos_top="90%",
range_start=50,
range_end=100
)
]
)
# 生成HTML文件
kline.render("stock_kline.html")
效果展示：
2.5 添加均线
# 计算移动平均线 (处理前4个NaN值)
ma_periods = [5, 10, 20]
for period in ma_periods:
df[f'MA{period}'] = df['收盘'].rolling(window=period).mean().bfill()
from pyecharts.charts import Line
# 创建均线叠加图
line = Line()
# 添加各周期均线
ma_colors = {
5: {"color": "#FF0000", "width": 2}, # 红色5日均线
10: {"color": "#0000FF", "width": 2}, # 蓝色10日均线
20: {"color": "#00FF00", "width": 2} # 绿色20日均线
}
for period in ma_periods:
line.add_xaxis(df['日期'].tolist())
line.add_yaxis(
series_name=f"MA{period}",
y_axis=df[f'MA{period}'].tolist(),
symbol="circle",
symbol_size=0,
linestyle_opts=opts.LineStyleOpts(
color=ma_colors[period]["color"],
width=ma_colors[period]["width"]
),
label_opts=opts.LabelOpts(is_show=False), # 关闭数据点标签
is_smooth=True, # 平滑曲线
z_level=1 # 确保均线显示在K线上方
)
# 合并图表
overlap_kline = kline.overlap(line)
2.6 加入成交量柱状图
# 生成涨跌颜色列表（与K线颜色同步）
df['color'] = df.apply(lambda x: "#ef232a" if x['收盘'] >= x['开盘'] else "#14b143", axis=1)
# 创建成交量柱形图
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
vol_bar = (
Bar()
.add_xaxis(df['日期'].tolist())
.add_yaxis(
series_name="",
y_axis=df['成交量'].tolist(),
itemstyle_opts=opts.ItemStyleOpts(
color=JsCode('''
function(params) {
var colors = [%s];
return params.dataIndex < colors.length ? colors[params.dataIndex] : '#14b143';
}
''' % ("'" + "','".join(df['color'].tolist()) + "'")) # 生成正确数组格式
),
yaxis_index=1,
bar_width='60%',
label_opts=opts.LabelOpts(is_show=False)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="category",
axislabel_opts=opts.LabelOpts(is_show=False),
splitline_opts=opts.SplitLineOpts(is_show=False)
),
yaxis_opts=opts.AxisOpts(
position="right",
axislabel_opts=opts.LabelOpts(formatter=JsCode(
"function(value){return value > 10000 ? (value/10000).toFixed(1)+'万' : value;}"))
)
)
)
# 组合图表布局
from pyecharts.charts import Grid
grid = (
Grid(init_opts=opts.InitOpts(width="1200px", height="800px"))
.add(
overlap_kline, # 使用已合并的K线均线图
grid_opts=opts.GridOpts(
pos_left="10%",
pos_right="8%",
height="65%", # 主图高度65%
pos_top="10%"
)
)
.add(
vol_bar,
grid_opts=opts.GridOpts(
pos_left="10%",
pos_right="8%",
height="15%", # 成交量图高度15%
pos_top="80%" # 从80%位置开始
)
)
)
# 修改渲染对象为grid
grid.render("stock_kline.html")
2.8 美化+完整代码
import pandas as pd
from pyecharts.charts import Kline
from pyecharts import options as opts
# 读取数据并排序
df = pd.read_csv("kdata.csv", parse_dates=["日期"])
# 数据预处理
df['日期'] = pd.to_datetime(df['日期']).dt.strftime('%Y-%m-%d') # 格式化日期
df = df.sort_values("日期") # 安装日期排序
data = df[["开盘", "收盘", "最低", "最高"]].values.tolist() # 生成K线数据序列
# 创建K线图
kline = Kline()
kline.add_xaxis(df['日期'].tolist()) # X轴日期数据
kline.add_yaxis(
series_name="k线", # y轴名称
y_axis=data, # K线数据序列
itemstyle_opts=opts.ItemStyleOpts(
color="#ef232a", # 上涨颜色（红色）
color0="#14b143", # 下跌颜色（绿色）
border_color="#000", # 统一黑色描边
border_color0="#000"
)
)
kline.set_global_opts(
title_opts=opts.TitleOpts(title="股票K线走势图", subtitle=df['股票代码'][0]),
xaxis_opts=opts.AxisOpts(
type_='category',
axislabel_opts=opts.LabelOpts(rotate=45), # 日期标签旋转45度
splitline_opts=opts.SplitLineOpts(is_show=True) # 显示网格线
),
yaxis_opts=opts.AxisOpts(
splitarea_opts=opts.SplitAreaOpts(
is_show=True,
areastyle_opts=opts.AreaStyleOpts(opacity=1)
),is_scale=True # 启用自动缩放
),
datazoom_opts=[ # 添加数据缩放控件
opts.DataZoomOpts(
is_show=True,
type_="inside",
xaxis_index=[0],
range_start=50,
range_end=100
),
opts.DataZoomOpts(
is_show=True,
xaxis_index=[0],
type_="slider",
pos_top="90%",
range_start=50,
range_end=100
)
]
)
# 计算移动平均线 (处理前4个NaN值)
ma_periods = [5, 10, 20]
for period in ma_periods:
df[f'MA{period}'] = df['收盘'].rolling(window=period).mean().bfill()
from pyecharts.charts import Line
# 创建均线叠加图
line = Line()
# 添加各周期均线
ma_colors = {
5: {"color": "#FF0000", "width": 2}, # 红色5日均线
10: {"color": "#0000FF", "width": 2}, # 蓝色10日均线
20: {"color": "#00FF00", "width": 2} # 绿色20日均线
}
for period in ma_periods:
line.add_xaxis(df['日期'].tolist())
line.add_yaxis(
series_name=f"MA{period}",
y_axis=df[f'MA{period}'].tolist(),
symbol="circle",
symbol_size=0,
linestyle_opts=opts.LineStyleOpts(
color=ma_colors[period]["color"],
width=ma_colors[period]["width"]
),
label_opts=opts.LabelOpts(is_show=False), # 关闭数据点标签
is_smooth=True, # 平滑曲线
z_level=1 # 确保均线显示在K线上方
)
# 合并图表
overlap_kline = kline.overlap(line)
# 生成涨跌颜色列表（与K线颜色同步）
df['color'] = df.apply(lambda x: "#ef232a" if x['收盘'] >= x['开盘'] else "#14b143", axis=1)
# 创建成交量柱形图
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
vol_bar = (
Bar()
.add_xaxis(df['日期'].tolist())
.add_yaxis(
series_name="",
y_axis=df['成交量'].tolist(),
itemstyle_opts=opts.ItemStyleOpts(
color=JsCode('''
function(params) {
var colors = [%s];
return params.dataIndex < colors.length ? colors[params.dataIndex] : '#14b143';
}
''' % ("'" + "','".join(df['color'].tolist()) + "'")) # 生成正确数组格式
),
yaxis_index=1,
bar_width='60%',
label_opts=opts.LabelOpts(is_show=False)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="category",
axislabel_opts=opts.LabelOpts(is_show=False),
splitline_opts=opts.SplitLineOpts(is_show=False)
),
yaxis_opts=opts.AxisOpts(
position="right",
axislabel_opts=opts.LabelOpts(formatter=JsCode(
"function(value){return value > 10000 ? (value/10000).toFixed(1)+'万' : value;}"))
)
)
)
# 组合图表布局
from pyecharts.charts import Grid
grid = (
Grid(init_opts=opts.InitOpts(width="1200px", height="800px"))
.add(
overlap_kline, # 使用已合并的K线均线图
grid_opts=opts.GridOpts(
pos_left="10%",
pos_right="8%",
height="65%", # 主图高度65%
pos_top="10%"
)
)
.add(
vol_bar,
grid_opts=opts.GridOpts(
pos_left="10%",
pos_right="8%",
height="15%", # 成交量图高度15%
pos_top="80%" # 从80%位置开始
)
)
)
# 修改渲染对象为grid
grid.render("stock_kline.html")
3. 结尾——这 K 线，有点意思！
一顿操作下来，我们终于用 pyecharts 画出了一个完整的 K 线图，包含了所有关键指标！
如果你是个数据分析师或者炒股爱好者，这样的 K 线图绝对是你的利器！
以上就是使用Python画一张完整的K线图的方法教程的详细内容，更多关于Python画K线图的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了Python迭代器的高级用法，在实际场景当中非常实用，可以帮助我们大大简化代码的复杂度。感兴趣的朋友可以了解下2020-07-07
这篇文章介绍了Python技能树共建之python urllib 模块，urllib模块是 Python 标准库，更多相关介绍需要的小伙伴可以参考下面文章的详细内容2022-05-05
这篇文章主要介绍了Python 使用dict实现switch的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
这篇文章主要介绍了Python使用Scrapy保存控制台信息到文本解析，具有一定借鉴价值,需要的朋友可以参考下2017-12-12
这篇文章主要介绍了Python作用域用法,结合实例形式详细分析了Python作用域概念,用法与相关函数的使用技巧,需要的朋友可以参考下2016-03-03
这篇文章主要介绍了Python Selenium参数配置方法解析,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2020-01-01
这篇文章主要介绍了Python+OpenCv制作证件图片生成器的操作方法，本文通过实例代码给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-08-08
今天小编就为大家分享一篇python获取url的返回信息方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12
这篇文章主要为大家介绍了Python计算机视觉SIFT尺度不变的图像特征变换，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-05-05
这篇文章主要介绍了pytorch自定义loss损失函数，自定义loss的方法有很多，本文要介绍的是把loss作为一个pytorch的模块，下面详细资料需要的小伙伴可以参考一下2022-02-02
最新评论