使用Python畫一張完整的K線圖的方法教程
更新時間：2025年04月10日 09:42:07 作者：花小姐的春天
Pyecharts?是?Python?里的一個強大可視化庫,基于百度?Echarts,支持各種圖表：柱狀圖、折線圖、餅圖、K?線圖等等,本文就給大家介紹了Python如何使用Pyecharts畫一個漂亮的K線圖,感興趣的小伙伴跟著小編一起來看看吧
最近炒股的朋友們老問我：“花姐，你能不能教我用 Python 畫個 K 線圖，研究研究趨勢？”
聽到這個問題，我差點沒一口奶茶噴出來。
“用 Python 畫 K 線？當(dāng)然能！而且還得是高大上的動態(tài)交互圖！”
說實話，一開始我也覺得畫 K 線挺麻煩的，要處理數(shù)據(jù)、搞清楚指標(biāo)、還得美觀……結(jié)果后來發(fā)現(xiàn)，Pyecharts 這個庫真的太香了！
今天咱們就一起來畫出一個漂亮的 K 線圖，均線、成交量 指標(biāo)都加上，讓你在 Python 里玩轉(zhuǎn)金融數(shù)據(jù)！
1. 什么是 Pyecharts？
Pyecharts 是 Python 里的一個強大可視化庫，基于百度 Echarts，支持各種圖表：柱狀圖、折線圖、餅圖、K 線圖等等。相比 Excel 或 Matplotlib，Pyecharts 生成的圖表更美觀，而且支持交互！
1.1 安裝 Pyecharts？
用 pip 輕松搞定：
pip install pyecharts
裝好以后，我們先來畫個簡單的折線圖，看看效果。
1.2 畫個簡單的折線圖
from pyecharts.charts import Line
from pyecharts import options as opts
# 創(chuàng)建折線圖對象
line = Line()
# 添加數(shù)據(jù)
line.add_xaxis(["周一", "周二", "周三", "周四", "周五"])
line.add_yaxis("股票價格", [10, 12, 15, 13, 17])
# 設(shè)置標(biāo)題
line.set_global_opts(title_opts=opts.TitleOpts(title="股票價格變化"))
# 渲染成 HTML
line.render("line_chart.html")
運行后，會在本地生成一個 HTML 頁面，你會看到一條簡單的折線，鼠標(biāo)移動上去還會有交互效果！
1.3 關(guān)鍵步驟介紹
1.3.1 模塊導(dǎo)入（基石搭建）
from pyecharts.charts import Line from pyecharts import options as opts
• 核心作用：加載可視化工具包
• Line：折線圖繪制核心類
• opts：樣式配置工具箱（控制標(biāo)題/坐標(biāo)軸/顏色等）
1.3.2 畫布初始化（創(chuàng)建舞臺）
line = Line()
• 本質(zhì)：創(chuàng)建空白繪圖區(qū)域
• 類比：準(zhǔn)備畫布和畫筆，準(zhǔn)備繪制折線圖
1.3.3 數(shù)據(jù)注入（填充內(nèi)容）
# X軸：維度數(shù)據(jù)（通常為分類數(shù)據(jù)）
.add_xaxis(["周一", "周二", "周三", "周四", "周五"])
# Y軸：指標(biāo)數(shù)據(jù)（數(shù)值序列）
.add_yaxis("股票價格", [10, 12, 15, 13, 17])
- 數(shù)據(jù)綁定：
- X軸 → 橫坐標(biāo)標(biāo)簽（星期）
- Y軸 → 股價波動數(shù)值
- 擴展性：可連續(xù)添加多個
add_yaxis()繪制多指標(biāo)對比
1.3.4 樣式配置（美化定型）
.set_global_opts(title_opts=opts.TitleOpts(title="股票價格變化"))
- 核心配置項：
title_opts：主/副標(biāo)題設(shè)置tooltip_opts：懸浮提示框樣式axis_opts：坐標(biāo)軸標(biāo)簽格式- 可擴展配置：支持50+種樣式參數(shù)調(diào)整
1.3.5 輸出成果（生成文件）
.render("line_chart.html")
- 輸出特性：
- 生成完整HTML5文件
- 自帶交互功能（縮放/懸浮提示/下載）
- 跨平臺兼容（瀏覽器直接打開）
2. 畫一張完整的 K 線圖！
知道了基礎(chǔ)用法，接下來，我們用 pyecharts 畫 K 線圖，并加上均線、成交量、MACD 指標(biāo)，讓它更專業(yè)！
2.1 獲取股票數(shù)據(jù)
這里我們用AKShare庫來獲取股票日線行情數(shù)據(jù)，把數(shù)據(jù)轉(zhuǎn)存成csv文件，這樣方便我們測試。
import akshare as ak
df = ak.stock_zh_a_hist(symbol="000001", period="daily", start_date="20230101", end_date="20250101" ,adjust="qfq")
df.to_csv("kdata.csv",index=False)
這是測試用的csv數(shù)據(jù)
2.2 準(zhǔn)備數(shù)據(jù)
K 線圖的數(shù)據(jù)格式要求：
k_data = [
[開盤價, 收盤價, 最低價, 最高價],
[開盤價, 收盤價, 最低價, 最高價],
...
]
2.3 讀取csv數(shù)據(jù)并做處理
import pandas as pd
# 讀取數(shù)據(jù)并排序
df = pd.read_csv("kdata.csv", parse_dates=["日期"])
# 數(shù)據(jù)預(yù)處理
df['日期'] = pd.to_datetime(df['日期']).dt.strftime('%Y-%m-%d') # 格式化日期
df = df.sort_values("日期") # 安裝日期排序
data = df[["開盤", "收盤", "最低", "最高"]].values.tolist() # 生成K線數(shù)據(jù)序列
print(data)
2.4 畫蠟燭圖（K 線）
from pyecharts.charts import Kline
from pyecharts import options as opts
# 創(chuàng)建K線圖
kline = Kline()
kline.add_xaxis(df['日期'].tolist()) # X軸日期數(shù)據(jù)
kline.add_yaxis(
series_name="k線", # y軸名稱
y_axis=data, # K線數(shù)據(jù)序列
itemstyle_opts=opts.ItemStyleOpts(
color="#ef232a", # 上漲顏色（紅色）
color0="#14b143", # 下跌顏色（綠色）
border_color="#000", # 統(tǒng)一黑色描邊
border_color0="#000"
)
)
kline.set_global_opts(
title_opts=opts.TitleOpts(title="股票K線走勢圖", subtitle=df['股票代碼'][0]),
xaxis_opts=opts.AxisOpts(
type_='category',
axislabel_opts=opts.LabelOpts(rotate=45), # 日期標(biāo)簽旋轉(zhuǎn)45度
splitline_opts=opts.SplitLineOpts(is_show=True) # 顯示網(wǎng)格線
),
yaxis_opts=opts.AxisOpts(
splitarea_opts=opts.SplitAreaOpts(
is_show=True,
areastyle_opts=opts.AreaStyleOpts(opacity=1)
),is_scale=True # 啟用自動縮放
),
datazoom_opts=[ # 添加數(shù)據(jù)縮放控件
opts.DataZoomOpts(
is_show=True,
type_="inside",
xaxis_index=[0],
range_start=50,
range_end=100
),
opts.DataZoomOpts(
is_show=True,
xaxis_index=[0],
type_="slider",
pos_top="90%",
range_start=50,
range_end=100
)
]
)
# 生成HTML文件
kline.render("stock_kline.html")
效果展示：
2.5 添加均線
# 計算移動平均線 (處理前4個NaN值)
ma_periods = [5, 10, 20]
for period in ma_periods:
df[f'MA{period}'] = df['收盤'].rolling(window=period).mean().bfill()
from pyecharts.charts import Line
# 創(chuàng)建均線疊加圖
line = Line()
# 添加各周期均線
ma_colors = {
5: {"color": "#FF0000", "width": 2}, # 紅色5日均線
10: {"color": "#0000FF", "width": 2}, # 藍色10日均線
20: {"color": "#00FF00", "width": 2} # 綠色20日均線
}
for period in ma_periods:
line.add_xaxis(df['日期'].tolist())
line.add_yaxis(
series_name=f"MA{period}",
y_axis=df[f'MA{period}'].tolist(),
symbol="circle",
symbol_size=0,
linestyle_opts=opts.LineStyleOpts(
color=ma_colors[period]["color"],
width=ma_colors[period]["width"]
),
label_opts=opts.LabelOpts(is_show=False), # 關(guān)閉數(shù)據(jù)點標(biāo)簽
is_smooth=True, # 平滑曲線
z_level=1 # 確保均線顯示在K線上方
)
# 合并圖表
overlap_kline = kline.overlap(line)
2.6 加入成交量柱狀圖
# 生成漲跌顏色列表（與K線顏色同步）
df['color'] = df.apply(lambda x: "#ef232a" if x['收盤'] >= x['開盤'] else "#14b143", axis=1)
# 創(chuàng)建成交量柱形圖
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
vol_bar = (
Bar()
.add_xaxis(df['日期'].tolist())
.add_yaxis(
series_name="",
y_axis=df['成交量'].tolist(),
itemstyle_opts=opts.ItemStyleOpts(
color=JsCode('''
function(params) {
var colors = [%s];
return params.dataIndex < colors.length ? colors[params.dataIndex] : '#14b143';
}
''' % ("'" + "','".join(df['color'].tolist()) + "'")) # 生成正確數(shù)組格式
),
yaxis_index=1,
bar_width='60%',
label_opts=opts.LabelOpts(is_show=False)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="category",
axislabel_opts=opts.LabelOpts(is_show=False),
splitline_opts=opts.SplitLineOpts(is_show=False)
),
yaxis_opts=opts.AxisOpts(
position="right",
axislabel_opts=opts.LabelOpts(formatter=JsCode(
"function(value){return value > 10000 ? (value/10000).toFixed(1)+'萬' : value;}"))
)
)
)
# 組合圖表布局
from pyecharts.charts import Grid
grid = (
Grid(init_opts=opts.InitOpts(width="1200px", height="800px"))
.add(
overlap_kline, # 使用已合并的K線均線圖
grid_opts=opts.GridOpts(
pos_left="10%",
pos_right="8%",
height="65%", # 主圖高度65%
pos_top="10%"
)
)
.add(
vol_bar,
grid_opts=opts.GridOpts(
pos_left="10%",
pos_right="8%",
height="15%", # 成交量圖高度15%
pos_top="80%" # 從80%位置開始
)
)
)
# 修改渲染對象為grid
grid.render("stock_kline.html")
2.8 美化+完整代碼
import pandas as pd
from pyecharts.charts import Kline
from pyecharts import options as opts
# 讀取數(shù)據(jù)并排序
df = pd.read_csv("kdata.csv", parse_dates=["日期"])
# 數(shù)據(jù)預(yù)處理
df['日期'] = pd.to_datetime(df['日期']).dt.strftime('%Y-%m-%d') # 格式化日期
df = df.sort_values("日期") # 安裝日期排序
data = df[["開盤", "收盤", "最低", "最高"]].values.tolist() # 生成K線數(shù)據(jù)序列
# 創(chuàng)建K線圖
kline = Kline()
kline.add_xaxis(df['日期'].tolist()) # X軸日期數(shù)據(jù)
kline.add_yaxis(
series_name="k線", # y軸名稱
y_axis=data, # K線數(shù)據(jù)序列
itemstyle_opts=opts.ItemStyleOpts(
color="#ef232a", # 上漲顏色（紅色）
color0="#14b143", # 下跌顏色（綠色）
border_color="#000", # 統(tǒng)一黑色描邊
border_color0="#000"
)
)
kline.set_global_opts(
title_opts=opts.TitleOpts(title="股票K線走勢圖", subtitle=df['股票代碼'][0]),
xaxis_opts=opts.AxisOpts(
type_='category',
axislabel_opts=opts.LabelOpts(rotate=45), # 日期標(biāo)簽旋轉(zhuǎn)45度
splitline_opts=opts.SplitLineOpts(is_show=True) # 顯示網(wǎng)格線
),
yaxis_opts=opts.AxisOpts(
splitarea_opts=opts.SplitAreaOpts(
is_show=True,
areastyle_opts=opts.AreaStyleOpts(opacity=1)
),is_scale=True # 啟用自動縮放
),
datazoom_opts=[ # 添加數(shù)據(jù)縮放控件
opts.DataZoomOpts(
is_show=True,
type_="inside",
xaxis_index=[0],
range_start=50,
range_end=100
),
opts.DataZoomOpts(
is_show=True,
xaxis_index=[0],
type_="slider",
pos_top="90%",
range_start=50,
range_end=100
)
]
)
# 計算移動平均線 (處理前4個NaN值)
ma_periods = [5, 10, 20]
for period in ma_periods:
df[f'MA{period}'] = df['收盤'].rolling(window=period).mean().bfill()
from pyecharts.charts import Line
# 創(chuàng)建均線疊加圖
line = Line()
# 添加各周期均線
ma_colors = {
5: {"color": "#FF0000", "width": 2}, # 紅色5日均線
10: {"color": "#0000FF", "width": 2}, # 藍色10日均線
20: {"color": "#00FF00", "width": 2} # 綠色20日均線
}
for period in ma_periods:
line.add_xaxis(df['日期'].tolist())
line.add_yaxis(
series_name=f"MA{period}",
y_axis=df[f'MA{period}'].tolist(),
symbol="circle",
symbol_size=0,
linestyle_opts=opts.LineStyleOpts(
color=ma_colors[period]["color"],
width=ma_colors[period]["width"]
),
label_opts=opts.LabelOpts(is_show=False), # 關(guān)閉數(shù)據(jù)點標(biāo)簽
is_smooth=True, # 平滑曲線
z_level=1 # 確保均線顯示在K線上方
)
# 合并圖表
overlap_kline = kline.overlap(line)
# 生成漲跌顏色列表（與K線顏色同步）
df['color'] = df.apply(lambda x: "#ef232a" if x['收盤'] >= x['開盤'] else "#14b143", axis=1)
# 創(chuàng)建成交量柱形圖
from pyecharts.charts import Bar
from pyecharts.commons.utils import JsCode
vol_bar = (
Bar()
.add_xaxis(df['日期'].tolist())
.add_yaxis(
series_name="",
y_axis=df['成交量'].tolist(),
itemstyle_opts=opts.ItemStyleOpts(
color=JsCode('''
function(params) {
var colors = [%s];
return params.dataIndex < colors.length ? colors[params.dataIndex] : '#14b143';
}
''' % ("'" + "','".join(df['color'].tolist()) + "'")) # 生成正確數(shù)組格式
),
yaxis_index=1,
bar_width='60%',
label_opts=opts.LabelOpts(is_show=False)
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="category",
axislabel_opts=opts.LabelOpts(is_show=False),
splitline_opts=opts.SplitLineOpts(is_show=False)
),
yaxis_opts=opts.AxisOpts(
position="right",
axislabel_opts=opts.LabelOpts(formatter=JsCode(
"function(value){return value > 10000 ? (value/10000).toFixed(1)+'萬' : value;}"))
)
)
)
# 組合圖表布局
from pyecharts.charts import Grid
grid = (
Grid(init_opts=opts.InitOpts(width="1200px", height="800px"))
.add(
overlap_kline, # 使用已合并的K線均線圖
grid_opts=opts.GridOpts(
pos_left="10%",
pos_right="8%",
height="65%", # 主圖高度65%
pos_top="10%"
)
)
.add(
vol_bar,
grid_opts=opts.GridOpts(
pos_left="10%",
pos_right="8%",
height="15%", # 成交量圖高度15%
pos_top="80%" # 從80%位置開始
)
)
)
# 修改渲染對象為grid
grid.render("stock_kline.html")
3. 結(jié)尾——這 K 線，有點意思！
一頓操作下來，我們終于用 pyecharts 畫出了一個完整的 K 線圖，包含了所有關(guān)鍵指標(biāo)！
如果你是個數(shù)據(jù)分析師或者炒股愛好者，這樣的 K 線圖絕對是你的利器！
以上就是使用Python畫一張完整的K線圖的方法教程的詳細內(nèi)容，更多關(guān)于Python畫K線圖的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
這篇文章主要為大家詳細介紹了如何基于wxPython開發(fā)一個文件管理工具,該工具提供了多種實用功能,代碼結(jié)構(gòu)清晰,易于理解和擴展,需要的可以了解下2025-02-02
Scrapy基于selenium結(jié)合爬取淘寶的實例講解
今天小編就為大家分享一篇Scrapy基于selenium結(jié)合爬取淘寶的實例講解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-06-06
python獲取一組數(shù)據(jù)里最大值max函數(shù)用法實例
這篇文章主要介紹了python獲取一組數(shù)據(jù)里最大值max函數(shù)用法,實例分析了max函數(shù)的使用技巧,需要的朋友可以參考下2015-05-05
使用url_helper簡化Python中Django框架的url配置教程
這篇文章主要介紹了使用url_helper簡化Python中Django框架的url配置教程,需要的朋友可以參考下2015-05-05
這篇文章主要介紹了Python用來做Web開發(fā)的優(yōu)勢有哪些，文中講解非常細致，幫助大家更好的理解和學(xué)習(xí)Python，感興趣的朋友可以了解下2020-08-08
順序查找（Sequential?Search）是一種簡單直觀的搜索算法，用于在無序數(shù)組中查找特定元素，本文將介紹順序查找的基本原理，并通過Python代碼進行詳細講解，需要的可以參考一下2023-08-08
本篇文章主要介紹了淺談python jieba分詞模塊的基本用法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-11-11
這篇文章主要介紹了python?3.9上安裝pyqt5的詳細步驟，本文分步驟給大家介紹如何在python?3.9?上安裝?pyqt5,需要的朋友可以參考下2022-07-07
這篇文章主要介紹了在 Python 中借助日志記錄庫使用 Log4j,本文解釋了什么是 log4j，它是如何工作的，以及我們?yōu)槭裁匆褂盟枰呐笥芽梢詤⒖枷?/div> 2023-07-07
這篇文章主要介紹了Python如何實現(xiàn)單因素方差分析,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-07-07最新評論