基于pyecharts的Kline以及pandas对美国标准普尔500指数历史数据(SP500)进行数据可视化分析

基于pyecharts的Kline以及pandas对美国标准普尔500指数历史数据(SP500)进行数据可视化分析

k线图简述

对股票数据的描述，我们最常用的还是k线图，k线图包含四个数据，即开盘价、最高价、最低价、收盘价。所有的k线都是围绕这四个数据展开，反映大势的状况和价格信息。如果把每日的K线图放在一张纸上，就能得到日K线图，同样也可画出周K线图、月K线图。

pyecharts简述

echarts是基于javascripts的一个强大的绘图工具库，具有丰富多样的图表，良好的交互性，精巧的图表设计，以及各种动态效果。与python结合后，pyecharts成为了python数据可视化的一个强力的工具。所以接下来，我们使用真实的美国标准普尔500指数历史数据以及pyecharts的Kline图表+pandas来做一个数据可视化的操作

• 我们截取2010/1/4-2022/4/11的股票数据进行一个数据可视化

首先，数据的大概形式如下图所示：

使用pandas对数据进行读取并且预处理

1. 把headers使用自定义的英文替代

data = pd.read_excel('美国标准普尔500指数历史数据 .xls',
header=0,
names=['date','close','open','highest','lowest','trading_volume','fluctuation_range'])

1. 删除无用的“交易量”以及“涨跌幅”两列

del data['trading_volume']del data['fluctuation_range']

3、把数据都转换成列表(pyecharts支持列表形式，dataframe似乎不支持)

data['date']= pd.to_datetime(data['date']).dt.date
# 把date转换成字符串类型后，转换成列表
x_data = data['date'].astype('str').tolist()
y_data =[data.loc[i,['open','close','lowest','highest']].tolist()for i inrange(data.last_valid_index()+1)]

4、由于数据获取时是倒序的，所以reverse反转一下列表

# 由于获取的数据是从2022-2010的，所以需要反转一下列表
x_data.reverse()
y_data.reverse()

5、数据可视化

defuse_kline(x_data,y_data):
    kline =(
        Kline().add_xaxis(x_data).add_yaxis(
            series_name='k线图',
            y_axis=y_data,# 标记线，type:（max,min,averge）表示展示哪个指标的数据  value_dim:（open,close,lowest,highest） 展示哪个维度的信息
            markline_opts=options.MarkLineOpts(data=[options.MarkLineItem(type_='max',value_dim='lowest')])).set_global_opts(
            title_opts=options.TitleOpts(title='SP500指数历史数据-k线图'),# 设置工具栏
            toolbox_opts=options.ToolboxOpts(is_show=True),# 区域的伸缩条 type_:(slider,inside(鼠标控制)),
            datazoom_opts=options.DataZoomOpts(type_='slider',pos_right='1%')))
    kline.render()

可视化效果如图所示：

集中到某一个小区域内可以看到具体的开盘价、最高价、最低价、收盘价，有很好的交互效果

完整代码如下：

import pandas as pd
from pyecharts.charts import Kline
defuse_kline(x_data,y_data):
    kline =(
        Kline().add_xaxis(x_data).add_yaxis(
            series_name='k线图',
            y_axis=y_data,# 标记线，type:（max,min,averge）表示展示哪个指标的数据  value_dim:（open,close,lowest,highest） 展示哪个维度的信息
            markline_opts=options.MarkLineOpts(data=[options.MarkLineItem(type_='max',value_dim='lowest')])).set_global_opts(
            title_opts=options.TitleOpts(title='SP500指数历史数据-k线图'),# 设置工具栏
            toolbox_opts=options.ToolboxOpts(is_show=True),# 区域的伸缩条 type_:(slider,inside(鼠标控制)),
            datazoom_opts=options.DataZoomOpts(type_='slider',pos_right='1%')))
    kline.render()if __name__ == '_
_main__':
    data = pd.DataFrame(pd.read_excel('美国标准普尔500指数历史数据 .xls',header=0,names=['date','close','open','highest','lowest','trading_volume','fluctuation_range']))del data['trading_volume']del data['fluctuation_range']
    data['date']= pd.to_datetime(data['date']).dt.date
    # 把date转换成字符串类型后，转换成列表
    x_data = data['date'].astype('str').tolist()
    y_data =[data.loc[i,['open','close','lowest','highest']].tolist()for i inrange(data.last_valid_index()+1)]# 由于获取的数据是从2022-2010的，所以需要反转一下列表
    x_data.reverse()
    y_data.reverse()
    use_kline(x_data,y_data)

以上就是本次代码分享，觉得不错的朋友可以点个赞关注一下！