目錄1 數據預處理1.1 股票歷史數據csv文件讀取1.2 關鍵數據——在csv文件中選擇性提取“列”1.3 數據類型轉換1.4 數據按列提取并累加性存入列表2 pyecharts實現數據可視化2.1 導入庫2.2 初始化畫布2.3 根據需要傳入關鍵性數據并畫圖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 結果展示

投資有風險，選擇需謹慎。 股票交易數據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據有不可替代的作用！

1 數據預處理1.1 股票歷史數據csv文件讀取

import pandas as pdimport csv

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

1.2 關鍵數據——在csv文件中選擇性提取“列”

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

1.3 數據類型轉換

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

1.4 數據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實現數據可視化2.1 導入庫

import pyecharts.options as optsfrom pyecharts.charts import Line2.2 初始化畫布

Line(init_opts=opts.InitOpts(width='1200px', height='600px'))2.3 根據需要傳入關鍵性數據并畫圖

.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 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='茅臺股票歷史數據可視化', 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 結果展示

到此這篇關于python實現股票歷史數據可視化分析案例的文章就介紹到這了,更多相關python股票數據可視化內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！