第9章 交互式股票可视化
9.1 交互式看盘：添加十字光标、缩放、平移功能
9.1.1 先讲个真实痛点：静态K线图的尴尬
之前我用Matplotlib画的K线图都是静态的，老板想看某一天的具体数据时，我只能用鼠标指着屏幕说“这一天收盘价是1800元”，非常尴尬。后来我发现Matplotlib可以添加交互式功能，比如十字光标、缩放、平移，这样老板就能自己操作看盘了，体验瞬vb.net教程C#教程python教程SQL教程access 2010教程间提升了一个档次。今天我就把这些交互式功能的实现方法讲清楚，帮你做出专业的交互式看盘工具。

9.1.2 核心技术：Matplotlib的交互模式
Matplotlib默认是静态模式，要实现交互式功能需要开启交互模式（plt.ion()），或者使用mplfinance的交互式功能，也可以使用plotly库实现更强大的交互式功能。

9.1.3 实战1：用Matplotlib添加十字光标、缩放、平移功能

1. 实战代码：Matplotlib交互式看盘
   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
	from matplotlib.widgets import Cursor
	
	# 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)
	# 设置日期为索引
	df.set_index('trade_date', inplace=True)
	# 计算涨跌颜色
	df['color'] = np.where(df['close'] >= df['open'], 'red', 'green')
	# 把日期转成Matplotlib需要的数字格式
	df['date_num'] = df.index.to_series().apply(date2num)
	
	# 4. 创建画布和坐标轴
	fig, ax = plt.subplots(
	figsize=(16, 9), # 画布大小
	dpi=100, # 分辨率
	facecolor='#f0f0f0' # 画布背景颜色
	)
	
	# 5. 绘制K线图
	# 绘制影线
	ax.vlines(
	x=df['date_num'],
	ymin=df['low'],
	ymax=df['high'],
	color=df['color'],
	linewidth=1
	)
	# 绘制实体
	ax.bar(
	x=df['date_num'],
	height=abs(df['close'] - df['open']),
	bottom=np.minimum(df['open'], df['close']),
	width=0.6,
	color=df['color'],
	edgecolor='#333333',
	linewidth=1
	)
	# 绘制均线
	ax.plot(
	df['date_num'], df['close'].rolling(window=5).mean(),
	label='5日均线', color='#ff7f0e', linewidth=2
	)
	ax.plot(
	df['date_num'], df['close'].rolling(window=20).mean(),
	label='20日均线', color='#2ca02c', linewidth=2
	)
	ax.plot(
	df['date_num'], df['close'].rolling(window=60).mean(),
	label='60日均线', color='#d62728', linewidth=2
	)
	
	# 6. 添加十字光标
	cursor = Cursor(
	ax, # 要添加十字光标的坐标轴
	useblit=True, # 使用blit技术，提高交互性能
	color='#333333', # 十字光标颜色
	linewidth=1, # 十字光标宽度
	linestyle='--' # 十字光标样式，'--'是虚线
	)
	
	# 7. 添加数据提示框
	# 创建一个文本对象，用于显示数据提示
	text = ax.text(
	0.02, 0.98, # 文本位置，相对于坐标轴的比例
	'', # 初始文本为空
	transform=ax.transAxes, # 坐标转换，使用坐标轴的比例
	va='top', # 垂直对齐方式，top是顶部
	ha='left', # 水平对齐方式，left是左侧
	fontsize=12,
	bbox=dict(
	boxstyle='round', # 文本框样式，round是圆角矩形
	facecolor='#ffffff', # 文本框背景颜色
	edgecolor='#333333', # 文本框边框颜色
	alpha=0.8 # 文本框透明度
	)
	)
	
	# 定义鼠标移动事件处理函数
	def on_mouse_move(event):
	# 如果鼠标不在坐标轴上，返回
	if not event.inaxes:
	return
	# 获取鼠标的X坐标（日期的数字格式）
	x = event.xdata
	# 找到最接近的日期
	idx = np.argmin(np.abs(df['date_num'] - x))
	# 获取该日期的数据
	data = df.iloc[idx]
	# 更新文本内容
	text_str = f'日期: {data.name.strftime("%Y-%m-%d")}
' 
	f'开盘价: {data["open"]:.2f}元
' 
	f'收盘价: {data["close"]:.2f}元
' 
	f'最高价: {data["high"]:.2f}元
' 
	f'最低价: {data["low"]:.2f}元
' 
	f'成交量: {data["vol"]:.0f}手'
	text.set_text(text_str)
	# 重绘画布
	fig.canvas.draw_idle()
	
	# 绑定鼠标移动事件
	fig.canvas.mpl_connect('motion_notify_event', on_mouse_move)
	
	# 8. 设置坐标轴属性
	ax.set_title('贵州茅台2025年交互式K线图', fontsize=16, fontweight='bold', pad=20)
	ax.set_ylabel('价格（元）', fontsize=14, labelpad=15)
	ax.set_xlabel('日期', fontsize=14, labelpad=15)
	ax.set_xlim(df['date_num'].min() - 1, df['date_num'].max() + 1)
	ax.legend(fontsize=12, loc='upper right')
	ax.grid(True, linestyle='--', alpha=0.7, color='#cccccc')
	# 设置日期显示格式
	ax.xaxis_date()
	ax.xaxis.set_major_formatter(plt.FixedFormatter(df.index.strftime('%Y-%m-%d')))
	plt.setp(ax.get_xticklabels(), rotation=45, ha='right', fontsize=10)
	
	# 9. 开启交互模式
	plt.ion()
	
	# 10. 显示画布
	plt.show()
	
	# 11. 保持交互模式
	plt.ioff()
	plt.show()

逐行讲解：
from matplotlib.widgets import Cursor：导入Cursor类，用于添加十字光标
cursor = Cursor(ax, ...)：创建十字光标，绑定到ax坐标轴上
useblit=True：使用blit技术，只重绘变化的部分，提高交互性能
color='#333333'：十字光标颜色为深灰色
linestyle='--'：十字光标样式为虚线
text = ax.text(...)：创建一个文本对象，用于显示数据提示
transform=ax.transAxes：使用坐标轴的比例来定位文本，0.02, 0.98表示左上角的位置
bbox=dict(...)：设置文本框的样式，圆角矩形，白色背景，深灰色边框
def on_mouse_move(event):：定义鼠标移动事件处理函数
event.inaxes：判断鼠标是否在坐标轴上
event.xdata：获取鼠标的X坐标（日期的数字格式）
np.argmin(np.abs(df['date_num'] - x))：找到最接近鼠标X坐标的日期的索引
text.set_text(text_str)：更新文本内容
fig.canvas.draw_idle()：重绘画布
fig.canvas.mpl_connect('motion_notify_event', on_mouse_move)：绑定鼠标移动事件到处理函数
plt.ion()：开启交互模式，这样Matplotlib会实时响应鼠标事件
plt.ioff()：关闭交互模式，保持窗口显示
运行结果：
会弹出一个窗口，显示贵州茅台2025年的交互式K线图：
移动鼠标会显示十字光标
鼠标悬停在K线上时，会显示该日期的详细数据
可以用鼠标滚轮缩放图表
可以按住鼠标左键拖动图表平移

9.1.4 实战2：用mplfinance实现交互式看盘

1. 实战代码：mplfinance交互式看盘
   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. 绘制交互式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年交互式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
	tight_layout=True, # 自动调整布局
	warn_too_much_data=1000, # 当数据超过1000条时才警告
	interactive=True # 开启交互模式
	)

逐行讲解：
mpf.plot(..., interactive=True)：开启mplfinance的交互模式
mplfinance的交互功能包括：
移动鼠标显示十字光标和数据提示
鼠标滚轮缩放图表
按住鼠标左键拖动图表平移
右键菜单可以选择保存图片、调整坐标轴等
运行结果：
会弹出一个窗口，显示贵州茅台2025年的交互式K线图，支持十字光标、缩放、平移等功能，体验非常流畅。

9.1.5 实战3：用plotly实现更强大的交互式看盘

1. 什么是plotly？
   plotly是一个强大的交互式可视化库，支持多种图表类型，包括K线图、折线图、柱状图等，交互功能非常丰富，比如悬停提示、缩放、平移、下载图片等。
2. 实战代码：plotly交互式看盘
   python

	# 1. 导入需要的库
	import tushare as ts
	import pandas as pd
	import plotly.graph_objects as go
	
	# 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)
	
	# 4. 计算均线
	df['ma5'] = df['close'].rolling(window=5).mean()
	df['ma20'] = df['close'].rolling(window=20).mean()
	df['ma60'] = df['close'].rolling(window=60).mean()
	
	# 5. 创建K线图
	fig = go.Figure(data=[
	# 绘制K线图
	go.Candlestick(
	x=df['trade_date'], # X轴数据，日期
	open=df['open'], # 开盘价
	high=df['high'], # 最高价
	low=df['low'], # 最低价
	close=df['close'], # 收盘价
	name='K线图',
	increasing_line_color='red', # 上涨K线颜色
	decreasing_line_color='green' # 下跌K线颜色
	),
	# 绘制5日均线
	go.Scatter(
	x=df['trade_date'],
	y=df['ma5'],
	name='5日均线',
	line=dict(color='#ff7f0e', width=2)
	),
	# 绘制20日均线
	go.Scatter(
	x=df['trade_date'],
	y=df['ma20'],
	name='20日均线',
	line=dict(color='#2ca02c', width=2)
	),
	# 绘制60日均线
	go.Scatter(
	x=df['trade_date'],
	y=df['ma60'],
	name='60日均线',
	line=dict(color='#d62728', width=2)
	)
	])
	
	# 6. 添加成交量柱形图
	# 创建子图
	from plotly.subplots import make_subplots
	fig = make_subplots(
	rows=2, cols=1, # 2行1列的子图
	shared_xaxes=True, # 共享X轴
	vertical_spacing=0.05, # 子图之间的垂直间距
	row_heights=[0.7, 0.3] # 子图的高度比例，7:3
	)
	
	# 添加K线图和均线到第一个子图
	fig.add_trace(
	go.Candlestick(
	x=df['trade_date'],
	open=df['open'],
	high=df['high'],
	low=df['low'],
	close=df['close'],
	name='K线图',
	increasing_line_color='red',
	decreasing_line_color='green'
	),
	row=1, col=1
	)
	fig.add_trace(
	go.Scatter(
	x=df['trade_date'],
	y=df['ma5'],
	name='5日均线',
	line=dict(color='#ff7f0e', width=2)
	),
	row=1, col=1
	)
	fig.add_trace(
	go.Scatter(
	x=df['trade_date'],
	y=df['ma20'],
	name='20日均线',
	line=dict(color='#2ca02c', width=2)
	),
	row=1, col=1
	)
	fig.add_trace(
	go.Scatter(
	x=df['trade_date'],
	y=df['ma60'],
	name='60日均线',
	line=dict(color='#d62728', width=2)
	),
	row=1, col=1
	)
	
	# 添加成交量柱形图到第二个子图
	fig.add_trace(
	go.Bar(
	x=df['trade_date'],
	y=df['vol'],
	name='成交量',
	marker_color=np.where(df['close'] >= df['open'], 'red', 'green')
	),
	row=2, col=1
	)
	
	# 7. 设置图表布局
	fig.update_layout(
	title='贵州茅台2025年交互式K线图',
	title_x=0.5, # 标题居中
	yaxis_title='价格（元）',
	yaxis2_title='成交量（手）',
	xaxis_title='日期',
	height=800, # 图表高度
	width=1200, # 图表宽度
	template='plotly_white', # 使用白色模板
	hovermode='x unified' # 悬停时显示同一X轴的所有数据
	)
	
	# 8. 设置X轴和Y轴的范围
	fig.update_xaxes(
	rangeslider_visible=False, # 隐藏X轴的范围滑块
	rangeselector=dict(
	buttons=list([
	dict(count=1, label='1月', step='month', stepmode='backward'),
	dict(count=3, label='3月', step='month', stepmode='backward'),
	dict(count=6, label='6月', step='month', stepmode='backward'),
	dict(step='all', label='全部')
	])
	)
	)
	
	# 9. 显示图表
	fig.show()

逐行讲解：
from plotly.subplots import make_subplots：导入make_subplots函数，用于创建子图
fig = make_subplots(...)：创建2行1列的子图，共享X轴
go.Candlestick(...)：创建K线图
go.Scatter(...)：创建均线
go.Bar(...)：创建成交量柱形图
fig.update_layout(...)：设置图表布局，包括标题、坐标轴标签、高度、宽度等
fig.update_xaxes(...)：设置X轴的范围滑块和范围选择器
fig.show()：显示图表，会在浏览器中打开一个交互式网页
运行结果：
会在浏览器中打开一个网页，显示贵州茅台2025年的交互式K线图，支持以下功能：
移动鼠标显示悬停提示，包含K线图和成交量的详细数据
鼠标滚轮缩放图表
按住鼠标左键拖动图表平移
点击X轴的范围选择器，可以快速切换显示的时间范围（1月、3月、6月、全部）
点击右上角的下载按钮，可以下载图片或数据
点击图例可以显示或隐藏对应的线条

9.1.6 基础知识拓展：交互式可视化的应用场景
1.股票分析：分析师可以通过交互式K线图快速查看股票的走势、成交量、均线等数据，提高分析效率
2.量化策略回测：量化交易员可以通过交互式可视化工具查看策略的回测结果，比如收益率、最大回撤、持仓情况等
3.数据报告：在数据报告中添加交互式可视化图表，读者可以自己操作查看数据，提高报告的可读性和互动性
4.教学演示：在教学中使用交互式可视化工具，可以更直观地展示数据的变化和趋势，提高教学效果

9.1.7 总结：三种交互式看盘工具的对比

通过这个实战，你应该已经掌握了三种交互式看盘工具的使用方法，接下来可以尝试用这些工具制作更专业的交互式股票分析工具，或者结合量化策略实现自动交易。
下一节咱们就讲如何用Python做量化策略回测，帮你验证策略的有效性。

 本站原创，转载请注明出处：https://www.xin3721.com/ArticlePrograme/csharp49705.html