python实现股票历史数据可视化分析案例

目录1 数据预处理1.1 股票历史数据csv文件读取1.2 关键数据——在csv文件中选择性提取“列”1.3 数据类型转换1.4 数据按列提取并累加性存入列表2 pyecharts实现数据可视化2.1 导入库2.2 初始化画布2.3 根据需要传入关键性数据并画图2.4 将生成的文件形成HTML代码并下载2.5 完整代码展示3 结果展示

投资有风险，选择需谨慎。 股票交易数据分析可直观股市走向，对于如何把握股票行情，快速解读股票交易数据有不可替代的作用！

1 数据预处理1.1 股票历史数据csv文件读取

import pandas as pdimport csv

df = pd.read_csv('/home/kesci/input/maotai4154/maotai.csv')

1.2 关键数据——在csv文件中选择性提取“列”

df_high_low = df[[’date’,’high’,’low’]]

1.3 数据类型转换

df_high_low_array = np.array(df_high_low)df_high_low_list =df_high_low_array.tolist()

1.4 数据按列提取并累加性存入列表

price_dates, heigh_prices, low_prices = [], [], []for content in zip(df_high_low_list): price_date = content[0][0] heigh_price = content[0][1] low_price = content[0][2] price_dates.append(price_date) heigh_prices.append(heigh_price) low_prices.append(low_price)

2 pyecharts实现数据可视化2.1 导入库

import pyecharts.options as optsfrom pyecharts.charts import Line2.2 初始化画布

Line(init_opts=opts.InitOpts(width='1200px', height='600px'))2.3 根据需要传入关键性数据并画图

.add_yaxis(series_name='最低价',y_axis=low_prices,markpoint_opts=opts.MarkPointOpts( data=[opts.MarkPointItem(value=-2, name='周最低', x=1, y=-1.5)]),markline_opts=opts.MarkLineOpts( data=[opts.MarkLineItem(type_='average', name='平均值'),opts.MarkLineItem(symbol='none', x='90%', y='max'),opts.MarkLineItem(symbol='circle', type_='max', name='最高点'), ]), )

tooltip_opts=opts.TooltipOpts(trigger='axis'),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(type_='category', boundary_gap=True)2.4 将生成的文件形成HTML代码并下载

.render('HTML名字填这里.html')

2.5 完整代码展示

import pyecharts.options as optsfrom pyecharts.charts import Line ( Line(init_opts=opts.InitOpts(width='1200px', height='600px')) .add_xaxis(xaxis_data=price_dates) .add_yaxis(series_name='最高价',y_axis=heigh_prices,markpoint_opts=opts.MarkPointOpts( data=[opts.MarkPointItem(type_='max', name='最大值'),opts.MarkPointItem(type_='min', name='最小值'), ]),markline_opts=opts.MarkLineOpts( data=[opts.MarkLineItem(type_='average', name='平均值')]), ) .add_yaxis(series_name='最低价',y_axis=low_prices,markpoint_opts=opts.MarkPointOpts( data=[opts.MarkPointItem(value=-2, name='周最低', x=1, y=-1.5)]),markline_opts=opts.MarkLineOpts( data=[opts.MarkLineItem(type_='average', name='平均值'),opts.MarkLineItem(symbol='none', x='90%', y='max'),opts.MarkLineItem(symbol='circle', type_='max', name='最高点'), ]), ) .set_global_opts(title_opts=opts.TitleOpts(title='茅台股票历史数据可视化', subtitle='日期、最高价、最低价可视化'),tooltip_opts=opts.TooltipOpts(trigger='axis'),toolbox_opts=opts.ToolboxOpts(is_show=True),xaxis_opts=opts.AxisOpts(type_='category', boundary_gap=True), ) .render('everyDayPrice_change_line_chart2.html'))3 结果展示

到此这篇关于python实现股票历史数据可视化分析案例的文章就介绍到这了,更多相关python股票数据可视化内容请搜索好吧啦网以前的文章或继续浏览下面的相关文章希望大家以后多多支持好吧啦网！