不管是对量化分析师还是普通的投资者来说,K线图（蜡烛图）都是一种很经典、很重要的工具.在K线图中,它会绘制每天的最高价、最低价、开盘价和收盘价,这对于我们理解股票的趋势以及每天的多空对比很有帮助.
一般来说,我们会从各大券商平台获取K线图,但是这种情况下获得的K线图往往不能灵活调整,也不能适应复杂多变的生产需求.所以呢我们有必要学习一下如何使用Python绘制K线图.
我们先使用mpl_finance绘制一下,看看是否一切正常.
可以看到,所有的节假日包括周末,今天这一节都会显示为空白,这对于我们图形的连续性非常不友好,所以呢我们要解决掉他们.
可以看到,空白问题完美解决,这里我们解释一下.由于matplotlib会将日期数据理解为 连续数据 ,而连续数据之间的间距是有意义的,所以非交易日即使没有数据,在坐标轴上还是会体现出来.连续多少个非交易日,在坐标轴上就对应了多少个小格子,但这些小格子上方并没有相应的蜡烛图.
明白了它的原理,我们就可以对症下药了.我们可以给横坐标（日期）传入连续的、固定间距的数据,先保证K线图的绘制是连续的；然后生成一个保存有正确日期数据的列表,此时此刻呢,我们根据坐标轴上的数据去取对应的正确的日期,并替换为坐标轴上的标签即可.
上边format_date函数就是这个作用.由于前边我们给dates列生成了从0开始的序列连续数据,所以呢我们可以直接把它当作索引,从真正的日期列表里去取对应的数据.今天这一节我们要使用matplotlib.ticker.FuncFormattter()方法,它允许我们指定一个格式化坐标轴标签的函数,在这个函数里,我们需要接受坐标轴的值以及位置,并返回自定义的标签.
你学会了吗?
当然,一个完整的K线图到这里并没有结束,后边我们会考虑加入均线、成交量等元素,感兴趣的同学欢迎关注哦！
股票池用python构建的方法是：使用第三方平台,目前可以使用的是聚宽,对比一下聚宽、优矿、大宽网（已经倒闭了）,都大同小异,选哪个都一样.
虽然这些平台都大同小异,但是代码可不能简单复制粘贴,因为底层函数库是不一样的,有可能在别的平台根本用不了某个函数,并且简单复制到自己电脑中的python的话百分之百用不了.
代码的思路是,每个月底进行调仓,选出市值最小的股票交易,去掉ST/*ST/停牌/涨停的股票,然后选择最小市值的10只,基准是创业板综指,看看结果.
python构建数据获取方法是：
这里以tushare为例, tushare获取历史数据有两种方式.
提取日期数据基本语法
from WindPy import w
w.start()
w.wsd(security, fields, startDate = None, endDate= None , options = None)
opion 可选（period, 日期类型, 货币类型,前后复权）
提取财务数据基本语法
w.wss(security, fields, options = None)
提取板块日序列基本语法
w.wses(sectorCode, fields, startDate = None, endDate = None, options = None)
提取板块日截面数据基本语法
w.wsee(sectorCode, fields, options=None)
提取宏观数据基本语法
w.edb(codes, startDate =None, endDate =None, options=None)
①日期序列基本语法
ts.get_hist_data(stock,start,end)
pro.daily(code, start, end, fields)
tushare引用语句
弊端也很明显,一方面不能stock集合输入,一次只能调取一个股票对应数据,另一方面tushare虽是免费试用,但有权限限制.
基本语法
wb.get_data_yahoo(code, start, end)
wb.DataReader(code, 'yahoo', start, end)
没法添加fields, 虽能集合适用,但出来的索引挺奇怪的
推荐使用定义函数或用for循环批量获取数据
总体感觉wind api最舒服,但需要账号,mac也不能直接调用wind api.还是推荐tushare的pro用法.
小白学习中,请指教=v=
作为一个python新手,在学习中遇到很多问题,要善于运用各种方法.今天,在学习中,碰到了如何通过收盘价计算股票的涨跌幅.
第一种：
读取数据并建立函数：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import spline
from pylab import *
import pandas as pd
from pandas import Series
a=pd.read_csv('d:///1.csv',sep=',')#文件位置
t=a['close']
def f(t):
s=[]
for i in range(1,len(t)):
if i==1:
continue
else:
s.append((t[i]-t[i-1])/t[i]*100)
print s
plot(s)
plt.show()
f(t)
第二种：
利用pandas里面的方法：
a=pd.read_csv('d:///1.csv')
rets = a['close'].pct_change() * 100
print rets
第三种：
close=a['close']
rets=close/close.shift(1)-1
总结：python是一种非常好的编程语言,一般而言,我们可以运用构建相关函数来实现自己的思想,但是,众所周知,python中里面的有很多科学计算包,里面有很多方法可以快速解决计算的需要,如上面提到的pandas中的pct_change().所以呢在平时的使用中应当学会寻找更好的方法,提高运算速度.
以上就是土嘎嘎小编为大家整理的python股票数据函数相关主题介绍,如果您觉得小编更新的文章只要能对粉丝们有用,就是我们最大的鼓励和动力,不要忘记讲本站分享给您身边的朋友哦！！