↑?關(guān)注 + 星標(biāo)?，每天學(xué)Python新技能
后臺(tái)回復(fù)【大禮包】送你Python自學(xué)大禮包

今天帶大家一起學(xué)習(xí)一個(gè)小眾，但很厲害的可視化庫(kù)mplfinance，一起掌握最靈活的python庫(kù)來創(chuàng)建漂亮的金融可視化。

介紹

編程和技術(shù)應(yīng)用于金融領(lǐng)域的激增是不可避免的，增長(zhǎng)似乎從未下降。應(yīng)用編程的最有趣的部分之一是歷史或?qū)崟r(shí)股票數(shù)據(jù)的解釋和可視化。

現(xiàn)在，為了在 python 中可視化一般數(shù)據(jù)，matplotlib、seaborn 等模塊開始發(fā)揮作用，但是，當(dāng)談到可視化財(cái)務(wù)數(shù)據(jù)時(shí)，Plotly 將成為首選，因?yàn)樗峁┝司哂薪换ナ揭曈X效果的內(nèi)置函數(shù)。在這里我想介紹一個(gè)無名英雄，它只不過是 mplfinance 庫(kù) matplotlib 的兄弟庫(kù)。

我們都知道 matplotlib 包的多功能性，并且可以方便地繪制任何類型的數(shù)據(jù)。即使像燭臺(tái)這樣的金融圖表也可以使用 matplotlib 包繪制，但我們必須從頭開始。

最近，我開始知道有一個(gè)名為 mplfinance 的單獨(dú)模塊，專門用于創(chuàng)建高級(jí)金融可視化。在本文中，我們將深入研究這個(gè) Python 庫(kù)，并探索其生成不同類型圖表的功能。

導(dǎo)入包

將所需的包導(dǎo)入到我們的 python 環(huán)境中是一個(gè)必不可少的步驟。在本文中，我們需要三個(gè)包，它們是處理數(shù)據(jù)幀的 Pandas、調(diào)用 API 和提取股票數(shù)據(jù)的requests，以及創(chuàng)建金融圖表的 mplfinance。對(duì)于尚未安裝這些軟件包的人，請(qǐng)將此代碼復(fù)制到你的終端中：

pip?install?pandas?
pip?install?requests
pip?install?mplfinance

完成安裝包后，是時(shí)候?qū)⑺鼈儗?dǎo)入到我們的 python 環(huán)境中了。

import?pandas?as?pd
import?requests
import?mplfinance?as?mf

提取股票數(shù)據(jù)

現(xiàn)在，我們已經(jīng)導(dǎo)入了所有必要的包。讓我們使用12data.com^[1]提供的 API 端點(diǎn)拉取亞馬遜的歷史股票數(shù)據(jù)。在此之前，12data.com上的一條說明：12data是領(lǐng)先的市場(chǎng)數(shù)據(jù)提供商之一，擁有適用于所有類型市場(chǎng)數(shù)據(jù)的大量 API 端點(diǎn)。與十二數(shù)據(jù)提供的 API 交互非常容易，并且擁有有史以來最好的文檔之一。此外，請(qǐng)確保你在12data.com上擁有一個(gè)帳戶，只有這樣，你才能訪問你的 API 密鑰（使用 API 提取數(shù)據(jù)的重要元素）。

當(dāng)然，你也可以使用云朵君之前介紹過的幾篇文章，也介紹了幾個(gè)常用獲取股票數(shù)據(jù)的方法：超級(jí)攻略！Pandas\NumPy\Matrix用于金融數(shù)據(jù)準(zhǔn)備

Python實(shí)現(xiàn)

def?get_historical_data(symbol,?start_date):?
????api_key?=?'YOUR?API?KEY'?
????api_url?=?f'https://api.twelvedata.com/time_series?symbol={symbol}&interval=1day&outputsize=5000&apikey={api_key}'?
????raw_df?=?requests.?get(api_url).json()?
????df?=?pd.DataFrame(raw_df['values']).iloc[::-1].set_index('datetime').astype(float)?
????df?=?df[df.index?>=?start_date]?
????df.index?=?pd.to_datetime(df.index)?
????return?df?

amzn?=?get_historical_data('AMZN',?'2021-01-01')?
amzn.tail()

輸出：

代碼說明

我們做的第一件事是定義一個(gè)名為'get_historical_data'的函數(shù)，該函數(shù)以股票代碼（'symbol'）和歷史數(shù)據(jù)的開始日期（'start_date'）為參數(shù)。

在函數(shù)內(nèi)部，我們定義了 API 密鑰和 URL，并將它們存儲(chǔ)到各自的變量中。

接下來，我們使用'get'函數(shù)以 JSON 格式提取歷史數(shù)據(jù)并將其存儲(chǔ)到?'raw_df'變量中。在對(duì)原始 JSON 數(shù)據(jù)進(jìn)行一些清理和格式化處理之后，我們以一個(gè)空的 Pandas DataFrame 的形式返回它。

最后，我們調(diào)用 created 函數(shù)來拉取亞馬遜從 2021 年初開始的歷史數(shù)據(jù)，并將其存儲(chǔ)到"amzn"變量中。

OHLC圖

OHLC 圖表是一種條形圖，顯示每個(gè)時(shí)期的開盤價(jià)、最高價(jià)、最低價(jià)和收盤價(jià)。

OHLC 圖表很有用，因?yàn)樗鼈冿@示了一段時(shí)間內(nèi)的四個(gè)主要數(shù)據(jù)點(diǎn)，許多交易者認(rèn)為收盤價(jià)是最重要的。它也有助于顯示增加或減少的動(dòng)量。開合相距較遠(yuǎn)時(shí)表現(xiàn)強(qiáng)勁，開合相近時(shí)則表現(xiàn)優(yōu)柔寡斷或動(dòng)能弱。

最高價(jià)和最低價(jià)顯示了該時(shí)期的完整價(jià)格范圍，有助于評(píng)估波動(dòng)性1^[2]?，F(xiàn)在要使用 mplfinance 創(chuàng)建一個(gè) OHLC 圖表，只需一行代碼：

mf.plot(amzn.iloc[:-50,:])

在上面的代碼中，我們首先調(diào)用該plot函數(shù)，并在其中將我們之前提取的 Amazon OHLC 數(shù)據(jù)切片為最后 50 個(gè)讀數(shù)，這樣做的目的只是使圖表更清晰，以便元素可見。上面的單行代碼將產(chǎn)生如下所示的輸出：

燭臺(tái)圖

交易者使用燭臺(tái)圖根據(jù)過去的模式確定可能的價(jià)格變動(dòng)。燭臺(tái)在交易時(shí)很有用，因?yàn)樗鼈冊(cè)诮灰渍咧付ǖ恼麄€(gè)時(shí)間段內(nèi)顯示四個(gè)價(jià)格點(diǎn)（開盤價(jià)、收盤價(jià)、最高價(jià)和最低價(jià)）。

這種類型的圖表最有趣的部分是它還可以幫助交易者閱讀情緒，這是市場(chǎng)本身的首要驅(qū)動(dòng)因素?2^[3]。要使用 mplfinance 生成燭臺(tái)圖，我們只需添加另一個(gè)參數(shù)，即函數(shù)的type參數(shù)plot并candle在其中提及。代碼如下所示：

mf.plot(amzn.iloc[:-50,:],?type?=?'candle')

上面的代碼將生成一個(gè)如下所示的燭臺(tái)圖表：

磚形圖

磚形圖( Renko chart)是一種使用價(jià)格變動(dòng)構(gòu)建的圖表，而不是像大多數(shù)圖表那樣同時(shí)使用價(jià)格和標(biāo)準(zhǔn)化時(shí)間間隔。該圖表看起來像一系列磚塊，當(dāng)價(jià)格移動(dòng)指定的價(jià)格金額時(shí)會(huì)創(chuàng)建一個(gè)新磚塊，并且每個(gè)塊都與前一個(gè)磚塊成 45 度角（向上或向下）。Renko 圖表的主要用途是過濾掉噪音并幫助交易者更清楚地看到趨勢(shì)，因?yàn)樗行∮诳虼笮〉倪\(yùn)動(dòng)都被過濾掉?3^[4]?。

據(jù)我所知，mplfinance 是唯一提供 Renko 圖表的 Python 庫(kù)，也是我們接下來要看到的，這就是為什么這個(gè)包在金融可視化方面具有強(qiáng)大優(yōu)勢(shì)的原因?，F(xiàn)在要?jiǎng)?chuàng)建一個(gè) Renko，我們只需要在函數(shù)renko的type參數(shù)中指定plot。Renko 圖表的代碼如下所示：

mf.plot(amzn,?type?=?'renko')

我們還可以向plot函數(shù)添加一個(gè)額外的參數(shù)，該參數(shù)是根據(jù)renko_params我們的需要和其他類似類型修改磚塊大小的參數(shù)，但我更喜歡默認(rèn)的。上面的代碼生成了一個(gè)看起來像這樣的磚形圖：

點(diǎn)數(shù)圖

點(diǎn)數(shù)圖，簡(jiǎn)稱 P&F 圖，類似于 Renko 圖，它在不考慮時(shí)間流逝的情況下繪制資產(chǎn)的價(jià)格走勢(shì)。與其他一些類型的圖表（例如燭臺(tái)）相反，燭臺(tái)標(biāo)志著資產(chǎn)在設(shè)定的時(shí)間段內(nèi)的變動(dòng)程度，而 P&F 圖表使用由堆疊的 X 或 O 組成的列，每個(gè)列代表一定數(shù)量的價(jià)格變動(dòng)。X 代表價(jià)格上漲，而 O 代表價(jià)格下跌。當(dāng)價(jià)格反轉(zhuǎn)反轉(zhuǎn)量?4^[5]?時(shí)，會(huì)在 O 之后形成新的 X 列或在 X 之后形成新的 O 列。

支持點(diǎn)數(shù)圖的函數(shù)在其他地方找不到，只能在 mplfinance 庫(kù)中找到，而且它還使我們可以通過僅pnf在函數(shù)的type參數(shù)中指定來創(chuàng)建圖表的過程更容易plot。代碼如下所示：

mf.plot(amzn,?type?=?'pnf')

添加更多信息

mplfinance 包不僅限于生成不同類型的圖表，還使我們能夠通過添加簡(jiǎn)單移動(dòng)平均線 (SMA) 和交易量等附加指標(biāo)使這些圖表更具洞察力。對(duì)于那些不知道這兩者的人來說，成交量是交易者在特定時(shí)間范圍內(nèi)買賣的股票數(shù)量，而簡(jiǎn)單移動(dòng)平均線 (SMA) 只不過是特定時(shí)間段的平均價(jià)格。它是一種技術(shù)指標(biāo)，廣泛用于創(chuàng)建交易策略。

用 matplotlib 繪制這些數(shù)據(jù)需要一千年，而 mplfinance 允許我們只用一行代碼就可以完成這項(xiàng)任務(wù)。除了type參數(shù)之外，我們只需要引入另外兩個(gè)參數(shù)，一個(gè)是mav我們必須指定每個(gè) SMA 的回溯期的參數(shù)，另一個(gè)是volume我們必須提到的參數(shù)，True?如果我們想將成交量圖添加到我們的圖表中，或者False?我們不想。這兩個(gè)指標(biāo)的代碼如下所示：

mf.plot(amzn,?mav?=?(10,?20),?type?=?'candle',?volume?=?True)

可以通過兩種方式修改和試驗(yàn)上述代碼。第一種方法顯然是嘗試不同類型的圖表。在上述代碼中，我們提到我們的圖表類型是燭臺(tái)，但你可以將其更改為 OHLC、Renko 甚至 P&F 圖表，并觀察每個(gè)圖表及其兩個(gè)附加指標(biāo)的外觀。下一個(gè)方法是使用mav我們可以添加任意數(shù)量的具有不同回顧期的 SMA的參數(shù)。上述代碼的輸出如下所示：

保存圖片

如果你想知道如何保存這些財(cái)務(wù)可視化中的任何一個(gè)，只需添加另一個(gè)參數(shù)，savefig即你只需提及其文件名的參數(shù)，其余部分將被處理。假設(shè)你想保存上面的圖，那么你必須遵循的代碼如下所示：

mf.plot(amzn,?
????????mav?=?(10,?20),?
????????type?=?'candle',?
????????volume?=?True,?
????????savefig?=?'amzn.png')

這就是你為保存精彩的財(cái)務(wù)可視化所需要做的全部工作。很容易，對(duì)吧？

寫在最后

在我看來，與Plotly或Altair等庫(kù)相比，mplfinance是繪制金融數(shù)據(jù)最強(qiáng)大的庫(kù)。本文只是簡(jiǎn)單介紹了使用mplfinance可以實(shí)現(xiàn)的功能，但是這個(gè)了不起的庫(kù)附帶了許多新特性。它允許我們添加自定義的技術(shù)指標(biāo)數(shù)據(jù)，并與實(shí)際的圖表一起繪制，我們可以自定義整個(gè)模板，甚至圖表中的每一個(gè)元素，添加趨勢(shì)線，等等。

這個(gè)庫(kù)最好的部分是它的易用性，并幫助我們用一行代碼生成高級(jí)的財(cái)務(wù)可視化。雖然像Plotly這樣的包有創(chuàng)建這些圖表的內(nèi)置函數(shù)，但不可能在一行代碼中完成。

mplfinance現(xiàn)在唯一的缺點(diǎn)是它糟糕的文檔，這使得人們甚至不知道這個(gè)包是關(guān)于什么的。文檔是一個(gè)至關(guān)重要的方面，當(dāng)涉及到開源項(xiàng)目時(shí)，文檔應(yīng)該被認(rèn)為是至關(guān)重要的。特別像mplfinance這樣的關(guān)鍵和有用的項(xiàng)目必須有清晰文檔，對(duì)其提供的工具和功能有明確的解釋。

到這里，你看完了這篇文章。如果你忘記了圖表的代碼，不要擔(dān)心，最后我提供了完整的源代碼。你也可以收藏本文，等需要用到的時(shí)候再查看。

完整代碼

import?pandas?as?pd
import?requests
import?mplfinance?as?mf

#?Extracting?stock?data
def?get_historical_data(symbol,?start_date):
????api_key?=?'YOUR?API?KEY'
????api_url?=?f'https://api.twelvedata.com/time_series?symbol={symbol}&interval=1day&outputsize=5000&apikey={api_key}'
????raw_df?=?requests.get(api_url).json()
????df?=?pd.DataFrame(raw_df['values']).iloc[::-1].set_index('datetime').astype(float)
????df?=?df[df.index?>=?start_date]
????df.index?=?pd.to_datetime(df.index)
????return?df

amzn?=?get_historical_data('AMZN',?'2021-01-01')
amzn.tail()

#?1.?OHLC?Chart
mf.plot(amzn.iloc[:-50,:])

#?2.?Candlestick?Chart
mf.plot(amzn.iloc[:-50,:],?type?=?'candle')

#?3.?Renko?Chart
mf.plot(amzn,?type?=?'renko')

#?4.?Point?and?Figure?Chart
mf.plot(amzn,?type?=?'pnf')

#?5.?Technical?chart
mf.plot(amzn,?mav?=?(10,?20),?type?=?'candle',?volume?=?True)

#?6.?Plot?customization
mf.plot(amzn,?mav?=?(5,?10,?20),?type?=?'candle',?
????????volume?=?True,?figratio?=?(10,5),?
????????style?=?'binance',?title?=?'AMZN?STOCK?PRICE',?
????????tight_layout?=?True)

#?7.?Saving?the?plot
mf.plot(amzn,?mav?=?(5,?10,?20),?type?=?'candle',?
????????volume?=?True,?figratio?=?(10,5),?
????????style?=?'binance',?title?=?'AMZN?STOCK?PRICE',?
????????tight_layout?=?True,?savefig?=?'amzn.png')

參考資料