Plotly:绘制蜡烛图

简介: Plotly:绘制蜡烛图

在前面的文章中,我们试着用mpl_finance这个库来试着画蜡烛图(详见文章:Python:蜡烛图),但mpl_finance这个库不是太友好,横纵轴的自适应能力不强,需要调整好久,有没有新的库来更好地画出蜡烛图。Now,它来了,plotly就相当可以。我们以平安银行(‘000001.sz’)自2010年以来的股价数据来做一个蜡烛图,数据如图:

数据来源:Tushare

试试plotly的效果吧,具体代码为:


import pandas as pdimport plotly.graph_objects as goimport datetime#导入相关数据df=pd.read_csv('000001.csv')df=df.iloc[::-1]#数据格式转换df['trade_date']=df['trade_date'].apply(lambda x: datetime.datetime.strptime(str(x),'%Y%m%d'))#绘制20日均线df['20wma']=df['close'].rolling(window=20).mean()fig=go.Figure(data=[go.Candlestick(x=df['trade_date'],open=df['open'],high=df['high']                                 ,low=df['low'],close=df['close'])])fig.add_trace(go.Scatter(x=df['trade_date'],y=df['20wma'],line={'color':'blue'},name='20wma'))fig.update_layout(xaxis_rangeslider_visible=False,template='plotly_dark')fig.show()

运行结果如下:

效果不错,代码简单,plotly不愧为python中的数据可视化神器:

相关文章
|
索引 Python
Python 教程之 Pandas(10)—— 访问 series 的元素
Python 教程之 Pandas(10)—— 访问 series 的元素
379 0
Python 教程之 Pandas(10)—— 访问 series 的元素
|
网络协议 数据可视化 Ubuntu
可视化web管理的内网穿透神器NPS
可视化web管理的内网穿透神器NPS
可视化web管理的内网穿透神器NPS
|
缓存 API 数据库
Py之lmdb:lmdb的简介、安装、使用方法之详细攻略
Py之lmdb:lmdb的简介、安装、使用方法之详细攻略
Py之lmdb:lmdb的简介、安装、使用方法之详细攻略
|
数据可视化 数据挖掘 UED
Plotly交互式数据可视化
【10月更文挑战第12天】本文介绍了如何使用 Plotly 实现交互式数据可视化,涵盖从安装 Plotly 到数据准备、图表创建、添加交互功能、导出图表及自定义图表样式的全过程。通过具体示例,展示了如何创建和优化交互式折线图,提升数据分析的效率和趣味性。
679 60
|
数据可视化 数据处理 Python
如何使用Python实现一个基于均线的交易策略
【10月更文挑战第9天】本文介绍了如何使用Python实现一个基于均线的交易策略。主要步骤包括导入所需库(如`pandas`、`numpy`和`matplotlib`),加载股票或期货的历史数据,计算均线和其他指标,实现交易策略逻辑,以及可视化交易结果。示例代码展示了如何根据均线交叉点进行开仓、止损和止盈操作,并提供了注意事项,如数据来源、交易成本和风险管理。
940 7
|
数据可视化 数据挖掘 BI
三万字长文详解神级绘图框架 plotly
三万字长文详解神级绘图框架 plotly
2978 14
|
数据采集 数据可视化 索引
Pandas数据应用:股票数据分析
本文介绍了如何使用Pandas库进行股票数据分析。首先,通过pip安装并导入Pandas库。接着,从本地CSV文件读取股票数据,并解决常见的解析错误。然后,利用head()、info()等函数查看数据基本信息,进行数据清洗,处理缺失值和重复数据。再者,结合Matplotlib和Seaborn进行数据可视化,绘制收盘价折线图。最后,进行时间序列分析,设置日期索引、重采样和计算移动平均线。通过这些步骤,帮助读者掌握Pandas在股票数据分析中的应用。
824 5
|
机器学习/深度学习 监控 API
本地部署DeepSeek模型技术指南
DeepSeek模型是一种先进的深度学习模型,广泛应用于自然语言处理等领域。本文详细指导如何在本地部署DeepSeek模型,涵盖环境准备(硬件和软件要求、依赖库安装)、模型下载与配置、部署(创建Flask应用、运行API)、优化(GPU加速、模型量化、ONNX Runtime)及监控维护等内容。通过本文,您将能够在本地成功部署并运行DeepSeek模型,确保其高效稳定。
|
JSON JavaScript Linux
绘图框架 plotly 知识点补充(绘制子图,图表保存)
绘图框架 plotly 知识点补充(绘制子图,图表保存)
823 13
|
敏捷开发 监控 数据可视化
一文带你了解:六款适合PC端的工时管理工具
在项目管理中,工时管理软件能实时反映项目各任务的进展情况。管理者可以通过查看员工在每个任务上的工时投入,判断任务是否按计划推进。若发现某个任务工时投入远超预期但进度缓慢,就可以及时介入调查原因,是遇到技术难题、资源不足还是人员协作问题等,进而采取相应措施加以解决,确保项目能按时交付。

热门文章

最新文章

下一篇
开通oss服务