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
|
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
|
7月前
|
存储 人工智能 安全
从OpenClaw(原Clawdbot)到Moltbook涌入数万Agent,阿里云上线一键部署OpenClaw教程,普通人也可拥有AI助手!
昨天,火遍全网的 Clawdbot 因商标纠纷改名为 Moltbot 后,又再度宣布正式更名为 OpenClaw,并且公布了开放以来的优异战绩。一个名为 Moltbook(灵感来源于 Facebook)的社交平台悄然上线,它宣称自己是 “AI Agent 的社交网络”,人类只能旁观,不得发言。短短 48 小时内,超过 10 万个 AI Agent 涌入这个平台,发布了上万条帖子,留下超过 12 万条评论。更令人惊讶的是,这些 AI Agent 们在平台上讨论意识、抱怨人类、分享技术心得,甚至还创造了一个名为 “Crustafarianism”(龙虾教)的数字宗教。那么OpenClaw怎么部署呢
1348 0
|
6月前
|
存储 缓存 Linux
ffmpeg.wasm 合并 TS 视频教程:浏览器端视频处理实践
一种基于ffmpeg.wasm的浏览器端TS视频合并方案,通过将FFmpeg编译为WebAssembly,实现了在浏览器本地直接处理TS文件的功能。文章详细阐述了实现思路:加载wasm核心、上传TS文件、生成合并列表、执行FFmpeg命令并导出MP4。
ffmpeg.wasm 合并 TS 视频教程:浏览器端视频处理实践
|
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。
1107 5
|
数据可视化 数据挖掘 DataX
Python 数据可视化的完整指南
Python 数据可视化在数据分析和科学研究中至关重要,它能帮助我们理解数据、发现规律并以直观方式呈现复杂信息。Python 提供了丰富的可视化库,如 Matplotlib、Seaborn、Plotly 和 Pandas 的绘图功能,使得图表生成简单高效。本文通过具体代码示例和案例,介绍了折线图、柱状图、饼图、散点图、箱形图、热力图和小提琴图等常用图表类型,并讲解了自定义样式和高级技巧,帮助读者更好地掌握 Python 数据可视化工具的应用。
1135 3
|
11月前
|
安全 定位技术 数据安全/隐私保护
数据被拍泄露,事后溯源还有意义吗? 屏幕隐形水印为您精准锁定泄露源!
数据泄露后溯源并非无用,而是阻断扩散、震慑违规、完善防护的关键。屏幕隐形水印可无感嵌入用户信息,实现精准追责,助力构建“事前防控、事中可控、事后可溯”的全周期安全体系。
|
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。
1154 7
|
数据可视化 算法 数据挖掘
Python 3D数据可视化:7个实用案例助你快速上手
本文介绍了基于 Python Matplotlib 库的七种三维数据可视化技术,涵盖线性绘图、散点图、曲面图、线框图、等高线图、三角剖分及莫比乌斯带建模。通过具体代码示例和输出结果,展示了如何配置三维投影环境并实现复杂数据的空间表示。这些方法广泛应用于科学计算、数据分析与工程领域,帮助揭示多维数据中的空间关系与规律,为深入分析提供技术支持。
629 0
Python 3D数据可视化:7个实用案例助你快速上手
|
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
3346 14
|
API
No module named 'plotly.graph_objects'问题解决
No module named 'plotly.graph_objects'问题解决
861 0
No module named 'plotly.graph_objects'问题解决

热门文章

最新文章