作者：Lemon
来源：Python数据之道
Plotly中绘制三种经典的
股票交易图表（含视频讲解）
大家好，我是 Lemon 。
背景
前一段时间， Lemon 发了一期视频，分享了 Plotly 和 Dash 在投资领域的应用案例。
点击上面图片查看视频
看完视频后，有同学提了一个问题：
股票价格曲线，带可调节的时间条的图怎么绘制？
今天 Lemon 来详细的分享下，这类图如何绘制，一共会讲解 3 类图形，分别是 面积曲线图、蜡烛图、OHLC图。这三种类型的图在投资中会经常遇到。
Lemon 录制了一个视频，来说明通过本文绘制的图表效果：
数据来源
本文的数据来自开源项目 tushare， 从 tushare 中获取数据，首先要进行注册获取 token（一串字母和数字组成的文本），然后才可以获取到数据，大家可以通过以下链接来注册（也可以点击文末的“阅读原文”）：
https://tushare.pro/register?reg=129033
数据获取
在 tushare 中注册后，通过 “个人主页”——“接口TOKEN” 可以找到自己的 token 值，界面如下：
复制 token 值，然后在代码中进行如下设置：
# 设置 token
# tushare 注册地址：https://tushare.pro/register?reg=129033
# 以上方法只需要在第一次或者token失效后调用，完成调取tushare数据凭证的设置，正常情况下不需要重复设置。
ts.set_token('你的token值')pro = ts.pro_api()
在设置好 token 值后，我们就可以开始获取数据，这里以获取沪深300指数为例，来演示三种类型的图形绘制。
数据获取及初步整理如下：
# plotly-fin-candlestick.ipynb
# 获取沪深300指数行情数据， asset='I', I 表示 index，即指数# d_today = dt.date.today().strftime('%Y%m%d')df_300 = ts.pro_bar(ts_code='000300.SH', asset='I', start_date='20180101',
# end_date=d_today,end_date='20210119'
)# 设置时间格式
df_300['trade_date'] = pd.to_datetime(df_300['trade_date'])
df_300 = df_300.set_index('trade_date')df_300
面积曲线图
在常见的股票软件时，查看分时图，大部分是使用的面积曲线图，这类图形是展示股票数据常用的类型之一。
默认的面积曲线图
在 Plotly 中，可以使用 plotly express 的 area 图来绘制面积曲线图。
代码如下：
# 面积曲线图area_chart = px.area(df_300['close'], title = '沪深300')area_chart.update_xaxes(title_text = '日期')
area_chart.update_yaxes(title_text = '沪深300收盘价', # tickprefix = '$')
area_chart.update_layout(showlegend = False)# Pycharm，VS Code， Spider 等模式下
# Jupyter Notebook 下也可以用
# plot(area_chart,filename='tmp/hushen300-area.html')# 在 Jupyter Notebook 中，直接使用 show() 来查看结果
area_chart.show()
绘制效果如下：
这里说明下：
show()的作用是使绘制的图形在 Jupyter notebook 中显示；如果想在浏览器中使用，可以使用代码
plot(area_chart,filename='tmp/hushen300-area.html')，该代码可以在 Jupyter notebook 、PyCharm、VS Code 等编辑器中使用。
对面积曲线图进行个性化修改
对于上面的面积曲线图，我们也可以对其进行一些个性化的修改，比如标题居中、添加可以调节的时间栏、设置y轴数值范围等。
具体代码如下：
# 面积曲线图，个性化修改y_min = df_300['close'].min()
y_max = df_300['close'].max()c_area = px.area(df_300['close'], title = '沪深300')c_area.update_xaxes(title_text = '日期',rangeslider_visible = True,rangeselector = dict(buttons = list([dict(count = 1, label = '1M', step = 'month', stepmode = 'backward'),dict(count = 6, label = '6M', step = 'month', stepmode = 'backward'),dict(count = 1, label = 'YTD', step = 'year', stepmode = 'todate'),dict(count = 1, label = '1Y', step = 'year', stepmode = 'backward'),dict(step = 'all')])))c_area.update_yaxes(title_text = '沪深300收盘价', # tickprefix = '￥')
c_area.update_layout(showlegend = False,title=dict(text='沪深300',font=dict(size=28,),x=0.5),yaxis=dict(range=[y_min*0.9,y_max*1.05]), # 设置 y 轴的范围)# Pycharm，VS Code， Spider 等模式下
# Jupyter Notebook 下也可以用
# plot(c_area,filename='tmp/hushen300_area_update.html')c_area.show()
上述代码的绘制效果如下：
上图中：
可调节的时间栏是通过在
update_xaxes中设置参数rangeslider_visible = True来实现的；左上角的时间快速选择按钮，是通过在
update_xaxes中设置参数rangeselector来实现的；标题居中和y轴数值范围设置，是通过在
update_layout中分别设置参数 'title' 和 'yaxis' 来实现的。
蜡烛图
蜡烛图又名 k线图、日本线 或者 日本K线图。
这种图表通常用作交易工具，用来显示和分析证券、衍生工具、外汇货币、股票、债券等商品随着时间的价格变动。
蜡烛图通过使用烛台式的符号来显示多种价格信息，例如开盘价、收盘价、最高价和最低价，每个代表单一时间段（每分钟、每小时、每天或每月）的交易活动。每个烛台符号沿着 X 轴上的时间刻度绘制，显示随着时间推移的交易活动。
蜡烛图的示意图如下：
默认的蜡烛图
在 Plotly 中，可以使用 candlestick 图来绘制蜡烛图。
具体代码如下：
# 蜡烛图，又称 K线 或 日本线candlestick = go.Figure(data = [go.Candlestick(x = df_300.index, open = df_300['open'], high = df_300['high'], low = df_300['low'], close = df_300['close'])])candlestick.update_layout(xaxis_rangeslider_visible = False, title = '沪深300')
candlestick.update_xaxes(title_text = '日期')
candlestick.update_yaxes(title_text = '沪深300价格')# plot(candlestick,filename='tmp/hushen300_candlestick.html')candlestick.show()
绘制效果如下：
需要说明下，上图中的颜色，对应的是红跌绿涨，跟咱们国家通常的红涨绿跌刚好是相反的。后面将提到的 OHLC 图，在 Plotly 中也是 红跌绿涨，这个习惯跟美国、香港等区域是一致的。
对蜡烛图进行个性化修改
同样的，我们可以对蜡烛图进行一些个性化的修改，同样涉及标题、可调节的时间栏、y轴数值范围等。
具体代码如下：
# 蜡烛图，个性化修改c_candlestick = go.Figure(data = [go.Candlestick(x = df_300.index, open = df_300['open'], high = df_300['high'], low = df_300['low'], close = df_300['close'])])c_candlestick.update_xaxes(title_text = '日期',rangeslider_visible = True,rangeselector = dict(buttons = list([dict(count = 1, label = '1M', step = 'month', stepmode = 'backward'),dict(count = 6, label = '6M', step = 'month', stepmode = 'backward'),dict(count = 1, label = 'YTD', step = 'year', stepmode = 'todate'),dict(count = 1, label = '1Y', step = 'year', stepmode = 'backward'),dict(step = 'all')])))c_candlestick.update_layout(title = {'text': '沪深300','y':0.9,'x':0.5,
# 'xanchor': 'center',
# 'yanchor': 'top'})
c_candlestick.update_yaxes(title_text = '沪深300价格')# plot(c_candlestick,filename='tmp/hushen300_candlestick_update1.html')c_candlestick.show()绘制效果如下：
各个设置参数的说明，与前面提到的面积曲线图是类似的，这里不再赘述。
对于上面这个图，有一个地方需要说明下，当我们把时间范围缩小，比如最近1个月，会发现蜡烛图是不连续的，其中有周六日和假期是跳跃的。
在绘制股票曲线时经常会遇到这类问题，我们需要绘制的图形只包含交易日，这样的图表才是符合实际情况的。因此，我们需要在 Plotly 中也实现这个功能。
可以通过在 update_xaxes 设置参数 rangebreaks 来实现，实现的代码如下：
c_candlestick.update_xaxes(rangebreaks=[dict(bounds=["sat", "mon"]), # 隐藏周六、周日dict(values=["2021-01-01",]+holidays) # 隐藏特定假期]
)
这里需要提醒下，
上面的
bounds和values都是list 类型；values中的元素，字符串格式为%Y-%m-%d，比如 "2021-01-01" 。
结合标题、时间栏、y轴数值范围、隐藏节假日一起的完整代码如下：
# 蜡烛图，个性化修改，隐藏周六日以及节假日c_candlestick = go.Figure(data = [go.Candlestick(x = df_300.index, open = df_300['open'], high = df_300['high'], low = df_300['low'], close = df_300['close'])])c_candlestick.update_xaxes(title_text = '日期',rangeslider_visible = True,rangeselector = dict(buttons = list([dict(count = 1, label = '1M', step = 'month', stepmode = 'backward'),dict(count = 6, label = '6M', step = 'month', stepmode = 'backward'),dict(count = 1, label = 'YTD', step = 'year', stepmode = 'todate'),dict(count = 1, label = '1Y', step = 'year', stepmode = 'backward'),dict(step = 'all')])))c_candlestick.update_layout(title = {'text': '沪深300','y':0.9,'x':0.5,
# 'xanchor': 'center',
# 'yanchor': 'top'})
c_candlestick.update_yaxes(title_text = '沪深300价格')# 2020年国庆假期 2020.10.1-10.8
holidays = [ dt.date(2020,10,x).strftime('%Y-%m-%d') for x in range(1,9)]
print(holidays)c_candlestick.update_xaxes(rangebreaks=[dict(bounds=["sat", "mon"]), # 隐藏周六、周日dict(values=["2021-01-01",]+holidays) # 隐藏特定假期]
)# plot(c_candlestick,filename='tmp/hushen300_candlestick_update2.html')c_candlestick.show()
OHLC 图
OHLC 图 也称为「美国线」或「价格图」。
美国线 (Open-high-low-close Charts) 通常用作交易工具，显示和分析证券、货币、股票、债券等商品随时间的价格变动。OHLC 图有助于解释市场日常走势，并通过研究所形成的模式预测未来价格变化。
OHLC 图上的 Y 轴用作价格标尺，X 轴是时间刻度。在每个时段内，OHLC 图中会出现一个符号，以代表两个范围：交易的最高价和最低价，以及该时间段（例如一天）中的开盘价和收盘价。在这个范围符号上，最高和最低价的范围由主垂直线的长度所表示；而开盘和收盘价则分别在垂直线左右两边以一小段水平线代表。
示意图如下：
默认的OHLC图
在 Plotly 中，可以使用 ohlc 图来绘制蜡烛图。
具体代码如下：
# OHLC图，又称 美国线，或 价格图ohlc = go.Figure(data = [go.Ohlc(x = df_300.index, open = df_300['open'], high = df_300['high'], low = df_300['low'], close = df_300['close'])])ohlc.update_layout(xaxis_rangeslider_visible = False, title = '沪深300')
ohlc.update_xaxes(title_text = '日期')
ohlc.update_yaxes(title_text = '沪深300价格')# plot(ohlc,filename='tmp/hushen300_ohlc.html')ohlc.show()
绘制效果如下：
对OHLC图进行个性化设置
与蜡烛图类似，我们也可以进行个性化修改，具体代码如下：
# # OHLC图，个性化修改c_ohlc = go.Figure(data = [go.Ohlc(x = df_300.index, open = df_300['open'], high = df_300['high'], low = df_300['low'], close = df_300['close'])])c_ohlc.update_xaxes(title_text = '日期',rangeslider_visible = True,rangeselector = dict(buttons = list([dict(count = 1, label = '1M', step = 'month', stepmode = 'backward'),dict(count = 6, label = '6M', step = 'month', stepmode = 'backward'),dict(count = 1, label = 'YTD', step = 'year', stepmode = 'todate'),dict(count = 1, label = '1Y', step = 'year', stepmode = 'backward'),dict(step = 'all')])))c_ohlc.update_layout(title = {'text': '沪深300','y':0.9,'x':0.5,
# 'xanchor': 'center',
# 'yanchor': 'top'})
c_ohlc.update_yaxes(title_text = '沪深300价格')# 2020年国庆假期 2020.10.1-10.8
holidays = [ dt.date(2020,10,x).strftime('%Y-%m-%d') for x in range(1,9)]
print(holidays)c_ohlc.update_xaxes(rangebreaks=[dict(bounds=["sat", "mon"]), # 隐藏周六、周日dict(values=["2021-01-01",]+holidays) # 隐藏特定假期]
)# plot(c_ohlc,filename='tmp/hushen300_ohlc_update.html')c_ohlc.show()
绘制效果如下：
上面这张大图里看不出美国线的显示效果，我们可以选择今年以来的图来查看下：
本文完整的代码，请在公众号 「Python数据之道」 后台回复 Plotly 获取。
延伸阅读
在 Pycharm 等编辑器下使用 Python 可视化神器 Plotly Express
推荐：这才是你寻寻觅觅想要的 Python 可视化神器
用 Plotly 动态散点图演示全球疫情变化趋势
用 Python 动态曲线图来对全球疫情进行演示
升级版，用Python来进行多条曲线动态演示全球疫情变化
付费文章：用 Plotly 动态柱状图来演示全球疫情变化趋势
付费文章：超火动态排序疫情变化图，这次我们用 Plotly来绘制
推荐一个牛逼的生物信息 Python 库 - Dash Bio
![[逐笔数据分析工具分享]如何分析股票逐笔数据](https://img-blog.csdnimg.cn/20210412143407722.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2FucWluZzcxNQ==,size_16,color_FFFFFF,t_70)
