目錄
- 1 數(shù)據(jù)預(yù)處理
- 1.1 股票歷史數(shù)據(jù)csv文件讀取
- 1.2 關(guān)鍵數(shù)據(jù)——在csv文件中選擇性提取“列”
- 1.3 數(shù)據(jù)類型轉(zhuǎn)換
- 1.4 數(shù)據(jù)按列提取并累加性存入列表
- 2 pyecharts實現(xiàn)數(shù)據(jù)可視化
- 2.1 導(dǎo)入庫
- 2.2 初始化畫布
- 2.3 根據(jù)需要傳入關(guān)鍵性數(shù)據(jù)并畫圖
- 2.4 將生成的文件形成HTML代碼并下載
- 2.5 完整代碼展示
- 3 結(jié)果展示
投資有風(fēng)險，選擇需謹(jǐn)慎。 股票交易數(shù)據(jù)分析可直觀股市走向，對于如何把握股票行情，快速解讀股票交易數(shù)據(jù)有不可替代的作用！
1 數(shù)據(jù)預(yù)處理
1.1 股票歷史數(shù)據(jù)csv文件讀取
import pandas as pd
import csv
df = pd.read_csv("/home/kesci/input/maotai4154/maotai.csv")
1.2 關(guān)鍵數(shù)據(jù)——在csv文件中選擇性提取“列”
df_high_low = df[['date','high','low']]
1.3 數(shù)據(jù)類型轉(zhuǎn)換
df_high_low_array = np.array(df_high_low)
df_high_low_list =df_high_low_array.tolist()
1.4 數(shù)據(jù)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實現(xiàn)數(shù)據(jù)可視化
2.1 導(dǎo)入庫
import pyecharts.options as opts
from pyecharts.charts import Line
2.2 初始化畫布
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
2.3 根據(jù)需要傳入關(guān)鍵性數(shù)據(jù)并畫圖
.add_yaxis(
series_name="最低價",
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="最高點"),
]
),
)
tooltip_opts=opts.TooltipOpts(trigger="axis"),
toolbox_opts=opts.ToolboxOpts(is_show=True),
xaxis_opts=opts.AxisOpts(type_="category", boundary_gap=True)
2.4 將生成的文件形成HTML代碼并下載
.render("HTML名字填這里.html")
2.5 完整代碼展示
import pyecharts.options as opts
from pyecharts.charts import Line
(
Line(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add_xaxis(xaxis_data=price_dates)
.add_yaxis(
series_name="最高價",
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="最低價",
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="最高點"),
]
),
)
.set_global_opts(
title_opts=opts.TitleOpts(title="茅臺股票歷史數(shù)據(jù)可視化", subtitle="日期、最高價、最低價可視化"),
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 結(jié)果展示
到此這篇關(guān)于python實現(xiàn)股票歷史數(shù)據(jù)可視化分析案例的文章就介紹到這了,更多相關(guān)python股票數(shù)據(jù)可視化內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 利用Python進(jìn)行數(shù)據(jù)可視化的實例代碼
- python數(shù)據(jù)可視化之matplotlib.pyplot基礎(chǔ)以及折線圖
- 淺談哪個Python庫才最適合做數(shù)據(jù)可視化
- python數(shù)據(jù)可視化plt庫實例詳解
- 學(xué)會Python數(shù)據(jù)可視化必須嘗試這7個庫
- Python中seaborn庫之countplot的數(shù)據(jù)可視化使用
- Python數(shù)據(jù)可視化之基于pyecharts實現(xiàn)的地理圖表的繪制
- Python爬蟲實戰(zhàn)之爬取京東商品數(shù)據(jù)并實實現(xiàn)數(shù)據(jù)可視化
- Python數(shù)據(jù)可視化之用Matplotlib繪制常用圖形
- Python數(shù)據(jù)可視化之繪制柱狀圖和條形圖
- python用pyecharts實現(xiàn)地圖數(shù)據(jù)可視化
- python數(shù)據(jù)可視化 – 利用Bokeh和Bottle.py在網(wǎng)頁上展示你的數(shù)據(jù)
