可视化 | Pyecharts动态绘制比特币近几年股价变迁

简介: 可视化 | Pyecharts动态绘制比特币近几年股价变迁

大家好,我是欧K

本期主要利用pyecharts给大家展示比特币近几年股价变迁,主要用到timeline函数,希望对你有所帮助。

先看看效果:

1. 导入模块

import datetime
import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Line,Timeline
from pyecharts.commons.utils import JsCode

升级 pyecharts 包:可视化部分需要用到 pyecharts==1.9.0,已安装其他低版本的需要升级,如果未安装过pyecharts,直接pip安装就是最新版本。
2. Pandas数据处理

2.1 读取数据

df = pd.read_csv('btc.csv')
df

结果:

2.2 截取序列时间数据

数据时间可以根据需要自行调整(以2019-09-01为例):

df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')
df = df[(df['date'] >=pd.to_datetime('20190901'))]

结果:


3. Pyecharts动态图绘制

3.1 设置横坐标中坐标数据样式

Line.add_xaxis(list(df['date'])[0:i])
Line.add_yaxis(
    series_name="",
    y_axis=list(df['closep'])[0:i], is_smooth=True,is_symbol_show=False,
    linestyle_opts={
           'normal': {
               'width': 3,
               'shadowColor': 'rgba(0, 0, 0, 0.5)',
               'shadowBlur': 5,
               'shadowOffsetY': 10,
               'shadowOffsetX': 10,
               'curve': 0.5,
               'color': JsCode(color_js0)
           }
       },
    itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js0)),
    markpoint_opts=opts.MarkPointOpts(
        data=[
            opts.MarkPointItem(
                name="high_price",
                value=f'{coordy_high}$',coord=[coordx,coordy_high],symbol=symbol,
                symbol_size=30,
                itemstyle_opts=opts.ItemStyleOpts(color='#FF8C00',border_color="#FFD700")
            )
        ],
        label_opts=opts.LabelOpts(font_size=18,color="#EB1934",font_weight="bold",position="right")
    ),
)

这里主要注意线型(linestyle)标记(markpoint)的设置。

3.2 设置全局样式

Line.set_global_opts(
    title_opts=opts.TitleOpts(
        title=f"btc每日收盘价({title_date})",
        pos_top="10%",
        pos_left="center",
        title_textstyle_opts=opts.TextStyleOpts(color="#0000FF", font_family='STKaiti', font_size=20),
    ),
    xaxis_opts=opts.AxisOpts(
        type_="time",
        max_=x_max,
        boundary_gap=False,
        axislabel_opts=opts.LabelOpts(color="#EB1934"),
        axisline_opts=opts.AxisLineOpts(
            is_show=True,
            linestyle_opts=opts.LineStyleOpts(width=2, color="#EB1934")
        ),
        axistick_opts=opts.AxisTickOpts(
            is_show=True,
            linestyle_opts=opts.LineStyleOpts(color="#EB1934"),
        ),
    ),
    yaxis_opts=opts.AxisOpts(
        type_="value",
        max_=y_max,
        position="left",
        axislabel_opts=opts.LabelOpts(color="#EB1934"),
        axisline_opts=opts.AxisLineOpts(
            is_show=True,
            linestyle_opts=opts.LineStyleOpts(width=2, color="#EB1934")
        ),
        axistick_opts=opts.AxisTickOpts(
            is_show=True,
            linestyle_opts=opts.LineStyleOpts(color="#EB1934"),
        ),
        splitline_opts=opts.SplitLineOpts(
            is_show=False, linestyle_opts=opts.LineStyleOpts(color="#EB1934")
        ),
    ),
)


效果:

3.3 添加背景图片

graphic_opts=[
                opts.GraphicImage(
                    graphic_item=opts.GraphicItem(
                        id_="logo", z=-10, bounding="raw", origin=[50, 100]
                    ),
                    graphic_imagestyle_opts=opts.GraphicImageStyleOpts(
                        image="coin.jpg",
                        width=900,
                        height=600,
                        opacity=0.2,
                    ),
                )
            ],

效果:

完。

END以上就是本期为大家整理的全部内容了,如果需要数据文件,可以在公众号后台回复 btc 获取喜欢的朋友可以点赞、点在看也可以分享让更多人知道

相关文章
|
4月前
|
SQL 数据可视化 算法
python实战分析解锁增长之谜:瀑布图揭示科技初创公司营收背后的真相
python实战分析解锁增长之谜:瀑布图揭示科技初创公司营收背后的真相
|
5月前
|
数据可视化 定位技术
R语言空间可视化:绘制英国脱欧投票地图
R语言空间可视化:绘制英国脱欧投票地图
|
5月前
|
数据采集 前端开发 C++
Python通过matplotlib动态绘图实现中美GDP历年对比趋势动图
随着中国的各种实力的提高,经常在各种媒体上看到中国与各个国家历年的各种指标数据的对比,为了更清楚的展示历年的发展趋势,有的还做成了动图,看到中国各种指标数据的近年的不断逆袭,心中的自豪感油然而生。今天通过Python来实现matplotlib的动态绘图,将中美两国近年的GDP做个对比,展示中国GPD对美国的追赶态势,相信不久的将来中国的GDP数据将稳超美国。
126 2
|
5月前
|
自然语言处理 数据可视化 数据挖掘
数据代码分享|Python对全球Covid-19疫情失业数据相关性、可视化分析
数据代码分享|Python对全球Covid-19疫情失业数据相关性、可视化分析
|
5月前
数据代码分享|R语言回归分析:体脂数据、公交绿色出行与全球变暖2案例
数据代码分享|R语言回归分析:体脂数据、公交绿色出行与全球变暖2案例
|
编解码
ArcGIS:(模型构建器实现)如何依据交通通达度和商业繁华度对城市的土地区位进行模拟评价?
ArcGIS:(模型构建器实现)如何依据交通通达度和商业繁华度对城市的土地区位进行模拟评价?
162 0
|
数据可视化 搜索推荐
【数据可视化】预制菜行业分析(一)——国内发展情况
近年来,预制菜开始从大型连锁餐饮企业的中央厨房渗透到外卖餐饮平台,并逐渐从 B 端走向 C 端。消费者购买后只需要简单加工即可食用,省去了食材采购、处理步骤,具有便捷、高效、口味保持度高的特点。
|
供应链 数据可视化 数据库
【数据可视化】预制菜行业分析(三)——发展制约因素
【数据可视化】预制菜行业分析(三)——发展制约因素
|
数据可视化
【数据可视化】预制菜行业分析(二)——发展驱动因素
近年来,预制菜开始从大型连锁餐饮企业的中央厨房渗透到外卖餐饮平台,并逐渐从 B 端走向 C 端。消费者购买后只需要简单加工即可食用,省去了食材采购、处理步骤,具有便捷、高效、口味保持度高的特点。
|
机器学习/深度学习 人工智能 编解码
微软行星云计算Planetary Computer——微软云平台的主要可视化APP(全球10米的最新土地覆盖,森林毁坏监测,生态系统监测,森林碳风险评估,AI加持的的土地覆盖制图)
微软行星云计算Planetary Computer——微软云平台的主要可视化APP(全球10米的最新土地覆盖,森林毁坏监测,生态系统监测,森林碳风险评估,AI加持的的土地覆盖制图)
370 0
微软行星云计算Planetary Computer——微软云平台的主要可视化APP(全球10米的最新土地覆盖,森林毁坏监测,生态系统监测,森林碳风险评估,AI加持的的土地覆盖制图)