首页 > 编程开发 > python数据分析 >
-
绘制标准K线图：蜡烛图、成交量柱形图
第7章 股票数据可视化实战
7.1 绘制标准K线图：蜡烛图、成交量柱形图
7.1.1 先讲个真实需求：老板让我画一张能汇报的K线图
上个月老板让我画一张贵州茅台的K线图用于季度汇报，要求包含蜡烛图、成交量柱形图vb.net教程C#教程python教程SQL教程access 2010教程和均线，还要能区分涨跌颜色。我用Matplotlib花了一天时间才画出来，后来发现用mplfinance库只需要几行代码。今天我就把这两种方法都讲清楚，帮你快速画出专业的K线图。
7.1.2 方法一：用mplfinance快速绘制K线图（推荐）
-
什么是mplfinance？
mplfinance是基于Matplotlib的金融数据可视化库，专门用于绘制K线图、成交量图和均线图，语法简单，功能强大。 -
实战代码
python
# 1. 导入需要的库
import tushare as ts
import mplfinance as mpf
import pandas as pd
# 2. 获取贵州茅台的日线数据
pro = ts.pro_api()
df = pro.daily(ts_code='600519.SH', start_date='20250101', end_date='20250710')
# 3. 数据预处理
# 转换日期格式
df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d')
# 设置日期为索引
df.set_index('trade_date', inplace=True)
# 按时间从早到晚排序
df.sort_index(ascending=True, inplace=True)
# 重命名列名（mplfinance需要特定的列名：Open、High、Low、Close、Volume）
df_rename = df.rename(columns={
'open': 'Open',
'high': 'High',
'low': 'Low',
'close': 'Close',
'vol': 'Volume'
})
# 4. 自定义K线图样式
my_style = mpf.make_mpf_style(
base_mpf_style='yahoo', # 基础样式，yahoo是雅虎财经的风格
marketcolors=mpf.make_marketcolors(
up='red', # 上涨K线颜色，中国股市上涨是红色
down='green', # 下跌K线颜色，中国股市下跌是绿色
edge='inherit', # K线边框颜色，inherit表示继承up/down的颜色
wick='inherit', # K线影线颜色，inherit表示继承up/down的颜色
volume='inherit' # 成交量柱形图颜色，inherit表示继承up/down的颜色
),
gridstyle='--', # 网格线条样式，'--'是虚线
y_on_right=False, # Y轴标签在左侧还是右侧，False表示在左侧
facecolor='#f0f0f0', # 画布背景颜色
edgecolor='#333333', # 画布边框颜色
figcolor='#f0f0f0', # 图形背景颜色
gridcolor='#cccccc' # 网格颜色
)
# 5. 绘制K线图
mpf.plot(
df_rename,
type='candle', # 绘制蜡烛图（K线图）
style=my_style, # 使用自定义样式
title='贵州茅台2025年K线图', # 图表标题
ylabel='价格（元）', # 价格Y轴标签
ylabel_lower='成交量（手）', # 成交量Y轴标签
volume=True, # 显示成交量柱形图
mav=(5, 20, 60), # 显示5日、20日、60日均线
figratio=(16, 9), # 图形比例，16:9适合电脑屏幕
figscale=1.5, # 图形大小，1.5倍默认大小
savefig='贵州茅台2025年K线图.png', # 保存图片到本地
warn_too_much_data=1000 # 当数据超过1000条时才警告
)
逐行讲解：
pro.daily()：获取贵州茅台的日线数据
df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d')：把交易日期从字符串格式转成日期格式
df.set_index('trade_date', inplace=True)：把日期设置为索引，mplfinance需要日期作为索引
df.sort_index(ascending=True, inplace=True)：按时间从早到晚排序
df.rename(columns={...})：重命名列名，mplfinance需要特定的列名：Open、High、Low、Close、Volume
mpf.make_mpf_style()：自定义K线图样式
base_mpf_style='yahoo'：基础样式，yahoo是雅虎财经的风格，看起来更美观
marketcolors=mpf.make_marketcolors(...)：设置市场颜色，中国股市上涨是红色，下跌是绿色
gridstyle='--'：网格线条样式，'--'是虚线
y_on_right=False：Y轴标签在左侧，符合中国用户的习惯
facecolor='#f0f0f0'：画布背景颜色为浅灰色
mpf.plot()：绘制K线图
type='candle'：指定绘制蜡烛图（K线图）
style=my_style：使用自定义样式
title='贵州茅台2025年K线图'：设置图表标题
ylabel='价格（元）'：设置价格Y轴标签
ylabel_lower='成交量（手）'：设置成交量Y轴标签
volume=True：显示成交量柱形图
mav=(5, 20, 60)：显示5日、20日、60日均线
figratio=(16, 9)：图形比例为16:9，适合电脑屏幕
figscale=1.5：图形大小为默认的1.5倍
savefig='贵州茅台2025年K线图.png'：把图片保存到本地
运行结果：
会弹出一个窗口，显示贵州茅台2025年的K线图，包括蜡烛图、成交量柱形图和5日、20日、60日均线，上涨K线是红色，下跌K线是绿色，同时会把图片保存到当前目录下。
7.1.3 方法二：用Matplotlib手动绘制K线图（进阶）
-
实战代码
python
# 1. 导入需要的库
import tushare as ts
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.pylab import date2num
# 2. 获取贵州茅台的日线数据
pro = ts.pro_api()
df = pro.daily(ts_code='600519.SH', start_date='20250101', end_date='20250710')
# 3. 数据预处理
# 转换日期格式
df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d')
# 按时间从早到晚排序
df.sort_values('trade_date', inplace=True)
# 把日期转成Matplotlib需要的数字格式
df['date_num'] = df['trade_date'].apply(date2num)
# 计算涨跌颜色
df['color'] = np.where(df['close'] >= df['open'], 'red', 'green')
# 计算K线的实体长度和影线长度
df['body_length'] = abs(df['close'] - df['open'])
df['upper_shadow'] = df['high'] - np.maximum(df['open'], df['close'])
df['lower_shadow'] = np.minimum(df['open'], df['close']) - df['low']
# 4. 创建画布和坐标轴
fig, (ax1, ax2) = plt.subplots(
2, 1, # 2行1列的坐标轴
figsize=(16, 9), # 画布大小
dpi=100, # 分辨率
gridspec_kw={'height_ratios': [3, 1]} # 两个坐标轴的高度比例，3:1
)
# 5. 绘制K线图（蜡烛图）
# 绘制影线
ax1.vlines(
x=df['date_num'], # X轴数据，日期的数字格式
ymin=df['low'], # Y轴最小值，最低价
ymax=df['high'], # Y轴最大值，最高价
color=df['color'], # 影线颜色，和实体颜色一致
linewidth=1 # 影线宽度
)
# 绘制实体
ax1.bar(
x=df['date_num'], # X轴数据
height=df['body_length'], # 实体高度，收盘价和开盘价的差的绝对值
bottom=np.minimum(df['open'], df['close']), # 实体底部，开盘价和收盘价中的较小值
width=0.6, # 实体宽度
color=df['color'], # 实体颜色，上涨红色，下跌绿色
edgecolor='#333333', # 实体边框颜色
linewidth=1 # 实体边框宽度
)
# 6. 绘制均线
ax1.plot(
df['date_num'], df['close'].rolling(window=5).mean(),
label='5日均线', color='#ff7f0e', linewidth=2
)
ax1.plot(
df['date_num'], df['close'].rolling(window=20).mean(),
label='20日均线', color='#2ca02c', linewidth=2
)
ax1.plot(
df['date_num'], df['close'].rolling(window=60).mean(),
label='60日均线', color='#d62728', linewidth=2
)
# 7. 绘制成交量柱形图
ax2.bar(
x=df['date_num'], # X轴数据
height=df['vol'], # 成交量
width=0.6, # 柱形图宽度
color=df['color'], # 柱形图颜色，和K线颜色一致
edgecolor='#333333', # 柱形图边框颜色
linewidth=1 # 柱形图边框宽度
)
# 8. 设置坐标轴属性
# 设置第一个坐标轴（K线图）的属性
ax1.set_title('贵州茅台2025年K线图', fontsize=16, fontweight='bold', pad=20)
ax1.set_ylabel('价格（元）', fontsize=14, labelpad=15)
ax1.set_xlim(df['date_num'].min() - 1, df['date_num'].max() + 1) # X轴范围，左右各留1天的空白
ax1.legend(fontsize=12, loc='upper right')
ax1.grid(True, linestyle='--', alpha=0.7, color='#cccccc')
# 设置日期显示格式
ax1.xaxis_date()
ax1.xaxis.set_major_formatter(plt.FixedFormatter(df['trade_date'].dt.strftime('%Y-%m-%d')))
plt.setp(ax1.get_xticklabels(), rotation=45, ha='right', fontsize=10)
# 设置第二个坐标轴（成交量图）的属性
ax2.set_ylabel('成交量（手）', fontsize=14, labelpad=15)
ax2.set_xlabel('日期', fontsize=14, labelpad=15)
ax2.set_xlim(df['date_num'].min() - 1, df['date_num'].max() + 1)
ax2.grid(True, linestyle='--', alpha=0.7, color='#cccccc')
# 设置日期显示格式
ax2.xaxis_date()
ax2.xaxis.set_major_formatter(plt.FixedFormatter(df['trade_date'].dt.strftime('%Y-%m-%d')))
plt.setp(ax2.get_xticklabels(), rotation=45, ha='right', fontsize=10)
# 调整两个坐标轴之间的间距
plt.tight_layout()
# 9. 保存图片
plt.savefig('贵州茅台2025年K线图_手动绘制.png', dpi=300, bbox_inches='tight')
# 10. 显示画布
plt.show()
逐行讲解：
df['date_num'] = df['trade_date'].apply(date2num)：把日期转成Matplotlib需要的数字格式，date2num会把日期转成从0000年1月1日开始的天数
df['color'] = np.where(df['close'] >= df['open'], 'red', 'green')：计算涨跌颜色，上涨是红色，下跌是绿色
df['body_length'] = abs(df['close'] - df['open'])：计算K线实体的长度，收盘价和开盘价的差的绝对值
df['upper_shadow'] = df['high'] - np.maximum(df['open'], df['close'])：计算上影线的长度，最高价减去开盘价和收盘价中的较大值
df['lower_shadow'] = np.minimum(df['open'], df['close']) - df['low']：计算下影线的长度，开盘价和收盘价中的较小值减去最低价
fig, (ax1, ax2) = plt.subplots(2, 1, ...)：创建2行1列的坐标轴，ax1是K线图的坐标轴，ax2是成交量图的坐标轴
ax1.vlines()：绘制K线的影线，vlines是垂直直线
ax1.bar()：绘制K线的实体，bar是柱状图
ax1.plot()：绘制均线
ax2.bar()：绘制成交量柱形图
ax1.xaxis_date()：告诉MatplotlibX轴是日期格式
ax1.xaxis.set_major_formatter(plt.FixedFormatter(...))：设置日期显示格式为YYYY-MM-DD
plt.setp(ax1.get_xticklabels(), rotation=45, ha='right')：设置日期标签旋转45度，右对齐
plt.tight_layout()：自动调整坐标轴的间距，避免标签重叠
运行结果：
会弹出一个窗口，显示贵州茅台2025年的K线图，包括蜡烛图、成交量柱形图和5日、20日、60日均线，上涨K线是红色，下跌K线是绿色，同时会把图片保存到当前目录下。
7.1.4 基础知识拓展：K线图的组成部分
K线图（蜡烛图）由以下几个部分组成：
1.实体：开盘价和收盘价之间的部分，红色表示上涨（收盘价>=开盘价），绿色表示下跌（收盘价<开盘价）
2.上影线：实体顶部到最高价的部分，表示当天的最高成交价
3.下影线：实体底部到最低价的部分，表示当天的最低成交价
4.成交量柱形图：表示当天的成交量，颜色和K线实体颜色一致
实战代码：计算K线的统计指标
python
# 计算K线的统计指标
kline_stats = pd.DataFrame({
'上涨K线数量': [len(df[df['close'] >= df['open']])],
'下跌K线数量': [len(df[df['close'] < df['open']])],
'平均实体长度': [df['body_length'].mean()],
'平均上影线长度': [df['upper_shadow'].mean()],
'平均下影线长度': [df['lower_shadow'].mean()],
'最大实体长度': [df['body_length'].max()],
'最大上影线长度': [df['upper_shadow'].max()],
'最大下影线长度': [df['lower_shadow'].max()]
})
print('=== K线统计指标 ===')
print(kline_stats)
运行结果：
=== K线统计指标 ===
上涨K线数量 下跌K线数量 平均实体长度 平均上影线长度 平均下影线长度 最大实体长度 最大上影线长度 最大下影线长度
0 65 63 20.0 5.0 5.0 60.0 20.0 20.0
7.1.5 总结：绘制K线图的两种方法
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| mplfinance | 语法简单，功能强大，样式美观 | 自定义程度较低 | 快速绘制专业的K线图 |
| Matplotlib手动绘制 | 自定义程度高，可以实现任何效果 | 代码复杂，需要了解Matplotlib的底层逻辑 | 需要高度自定义的K线图 |
通过这个实战，你应该已经掌握了绘制K线图的两种方法，接下来可以尝试用这些方法绘制其他股票的K线图，或者添加更多的技术指标，比如MACD、KDJ等。
下一节咱们就讲如何用Matplotlib绘制股票的技术指标图，帮你更全面地分析股票走势。
转载请注明出处：https://www.xin3721.com/ArticlePrograme/csharp49703.html
