用 Python 进行金融数据可视化

Python量化的关键是金融数据可视化，无论是传统的K线图，还是现在的策略分析，都需要大量的可视化图表。具体到编程代码，就是使用Python绘图模块库绘图，比如传统的Python绘图模块库有Matplotlib,Seaborn等。
对于股票和财经的金融数据源，可以使用Tushare库来获取和分析股票财经数据，我们获得财经数据源后，就可以使用Pandas对金融数据的各种指标进行定制化的分析了，最后让数据可视化，可以使用Matplotlib来绘制出美观大方的金融图形，为企业的决策提供便利。金融绘图的主要步骤如下：

获得股票数据源
Tushare是一个免费、开源的Python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Python 的Pandas包在金融量化分析中体现出的优势，Tushare返回的绝大部分的数据格式都是Pandas的 DataFrame类型，非常便于用Pandas,NumPy和Matplotlib进行数据分析和可视化。
Tushare的官网地址

http://tushare.org

复制代码

在Tushare中使用的股票代码，可以参考东方财富网提供的股票代码查询页面，如图7-63所示

http://quote.eastmoney.com/stocklist.html

复制代码

图763股票代码查询页面
使用pip安装Tushare。安装Tushare之前，需要使用pip命令先安装好lxml,requests和bs4模块。

pip install tushare

复制代码

显示股票历史数据
TuShare里的 get_hist_data()函数用于获取到目前为止3年的历史数据。获取个股历史交易数据（包括均线数据），可以通过参数设置获取日k线、周k线、月k线，以及5分钟、15分钟、30分钟和60分钟k线数据。本接口只能获取近3年的日线数据，适合搭配均线数据进行选股和分析。
参数说明：

code：股票代码，即6位数字代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板）
start：开始日期，格式YYYY-MM-DD
end：结束日期，格式YYYY-MM-DD
ktype：数据类型，D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟，默认为D
retry_count：当网络异常后重试次数，默认为3
pause:重试时停顿秒数，默认为0

返回值说明：

date：日期
open：开盘价
high：最高价
close：收盘价
low：最低价
volume：成交量
price_change：价格变动
p_change：涨跌幅
ma5：5日均价
ma10：10日均价
ma20:20日均价
v_ma5:5日均量
v_ma10:10日均量
v_ma20:20日均量
turnover:换手率[注：指数无此项]

查看编号为600848的股票代码在2018年3月的历史数据，使用Tushare的get_hist_data()返回的是Pandas的DataFrame对象，这个DataFrame对象的columns比较多，在控制台显示不全，所以使用Pandas的to_csv()函数保存到hist_data.csv文件中。

import tushare as ts
data = ts.get_hist_data('600848',start='2018-03-01',end='2018-03-31')
data.to_csv('hist_data.csv' )

复制代码

运行脚本，已记事本打开hist_data.csv文件。

我们查看hist_data.csv文件会发现，编号为600848的股票代码在2018年3月的历史交易数据是按照交易日期降序排列的。但展示在折线图上的的日期一般要按升序排列。所以还要对DataFrame对象的index属性进行排序。使用Pandas的DataFrame对象的sort_index()函数，使交易日期按照从小到到大的升序排列。这样画出的折线图就符合人们查看历史交易数据的正常习惯了，完整代码如下。

import tushare as ts
data = ts.get_hist_data('600848',start='2018-03-01',end='2018-03-31')
# 对交易时间进行降序排列
data = data.sort_index()
data.to_csv('hist_data.csv' )

复制代码

获得编号为600848的股票代码在2018年3月的历史交易数据后，就可以使用Maplotlib画出股票历史数据的折线图，折线图的横坐标是股票历史数据的交易日期，纵坐标是股票交易数据的开盘价(open)。

import tushare as ts
import matplotlib.pyplot as plt
from datetime import datetime
data = ts.get_hist_data('600848',start='2018-03-01',end='2018-03-31')
# 对时间进行降序排列
data = data.sort_index()
xs = [datetime.strptime(d, '%Y-%m-%d').toordinal() for d in data.index ]
plt.plot_date( xs , data['open'] , 'b-')
plt.gcf().autofmt_xdate() # 自动旋转日期标记
plt.show()

复制代码

运行脚本输出以下图形。

以上代码的核心代码如下，使用Tushare的get_hist_data()函数返回股票交易代码的股票历史数据，也就是Pandas的DataFrame对象data，data.index索引值是日期型字符串，使用Matplotlib的plot_date()画图函数，需要转换成函数可以识别的Gregoian Calendar类型数据。

xs = [datetime.strptime(d, '%Y-%m-%d').toordinal() for d in data.index ]

复制代码

以上表达式语句等同于以下语句。

xs = []
for date in data.index:
print( date )
transDate = datetime.strptime( date , '%Y-%m-%d')
xs.append( transDate.toordinal())

复制代码

绘制折线图的X 轴的日期也可以使用

matplotlib.dates.strpdate2num()

复制代码

函数进行转换，完整代码如下。

import tushare as ts
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
data = ts.get_hist_data('600848',start='2018-03-01',end='2018-03-31')
# 对时间进行降序排列
data = data.sort_index()
xs = [mdates.strpdate2num('%Y-%m-%d')(d ) for d in data.index ]
plt.plot_date( xs , data['open'] , 'b-')
plt.gcf().autofmt_xdate() # 自动旋转日期标记
plt.show()

复制代码

运行脚本输出以下图形。

获取60分钟k线数据。

import tushare as ts
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
data = ts.get_hist_data('600848', ktype='60')
xs = [mdates.strpdate2num('%Y-%m-%d %H:%M:%S')(d ) for d in data.index ]
#设置时间标签显示格式
ax = plt.gca()
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d %H:%M:%S'))
plt.plot_date(xs, data['open'],'-' , label='open')
plt.legend(loc=0 )
plt.gcf().autofmt_xdate()
plt.show()

复制代码

运行脚本输出以下图形。

图768编号为600848的股票代码的60分钟内的k线图
留言回复你用Python做过哪些有趣的应用，我们会在留言中随机抽取一位读者免费送出北京大学出版社出版的《Python 3 数据分析与机器学习实战》图书一本。

热门推荐
用Python创建微信机器人

用Python机器人监听微信群聊

用Python获取摄像头并实时控制人脸

开源项目 | 用Python美化LeetCode仓库

推荐Python中文社区旗下的几个服务类公众号
征稿启事 | Python中文社区有奖征文

文章节选自北京大学出版社出版的《Python 3 数据分析与机器学习实战》，本书现在5折优惠，点击阅读原文购书～