Python数据分析之mplfinance模块简明教程

阅读次数： 1,506

mplfinance模块概述

mplfinance是专用于金融数据的可视化分析模块，是基于matplotlib库的实用模块。在使用前必须确保已经安装了matplotlib和pandas。
mplfinance使用非常方便，绘制个均线什么的一个关键字参数解决，剔除停盘时间段的空白不用你想它已经自动做了，还有时间坐标都是自动完成的，比如显示的是当天k线就只显示时间，跨天就自动带上日期，跨年就自动带上年份，哇，mplfinance在使用上不要太方便、太人性化！

从2020年开始python中调用原来的mpl_finance已经出现警告：

 =================================================================

   WARNING: `mpl_finance` is deprecated:

    Please use `mplfinance` instead (no hyphen, no underscore).

    To install: `pip install –upgrade mplfinance` 

   For more information, see: https:///project/mplfinance/

  =================================================================

从官方介绍的历史版本看mplfinance是从0.11.x版2019年12月20日开始更新频繁的，之前的0.10.x版最近的更新在2016年，那么说这个新模块的取代刚刚不到半年的时间，从论坛上搜索资料还比较少。
mplfinance与mpl_finance功能相近但是区别还是很大的，之前的candlestick2_ochl()方法已经没有了，取而代之的是plot和make_addplot，这两个方法的参数也更是不同，新模块的plot可以直接使用pandas数据格式（旧模块mpl_finanace只支持numpy数据交互），而且可以自动完成额外的matplotlib工作（旧模块只能手动完成，而旧模块的API在这个包中仍然可用;），总体来说新模块mplfinance使用更便捷。

mplfinance的安装

pip3 install mplfinance

mplfinance的引入

import mplfinance as mpf

注意：需要同时引入pandas和matplotlib，方法同上

mpf.plot()函数的使用

import pandas as pd
import matplotlib as plt
import mplfinance as mpf
data = pd.read_csv('601988.csv’,parse_dates=['Date’],index_col=’Date’).sort_index()#从文件读取并创建DataFrame对象
mpf.plot(data)

这里需要强调的是参数data的类型，data必须是pandas.DataFrame数据类型，对所包含的列也有要求，必须包含’open’, 'high’, 'low’ 和 'close’ 数据，而且行索引必须是pandas.DatetimeIndex，行索引的名称必须是’date'，此外还有一列是’volume’，这一列不是必须的，可选项（前提是你不想绘制成交量的话）。例子中601988.csv的格式如下：

修改mpf.plot()函数的绘图类型

mpf.plot(data,type=’candle’)

通过参数type修改绘图类型，默认是ohlc,可修改为：type='candle’ 或者 type='line’，这个想必不用解释直接上结果：

mpf.plot(data,type=’line’,linecolor=’g’)

这里可以通过linecolor关键字参数设置线的颜色,如：mpf.plot(data,type='line’, linecolor='g’)，linecolor参数仅仅在type='line’时起作用。输出：

plot()函数中国绘制均线

mpf.plot(data,type=’candle’,mav=(5,10,20))

关键字参数 mav=(5, 20, 20)，多条均线使用元组，只绘制一条均线，可以mav=10；输出结果

plot()函数中国绘制成交量

关键字参数, volume=True

mpf.plot(data,type=’candle’,mav=(5,10,20),volume=True)

plot()函数自动剔除非交易日空白

关键字参数show_nontrading=False，其实show_nontrading默认就是False，官方文档中提到，可能有人想看到停盘的时间段，那就show_nontrading=True；
这里找了一段有停盘的数据展示下show_nontrading=True的情况（上面的数据没有停盘时间）；False是默认，与上面展示的图形无疑，这里就不展示了

make_addplot的基本用法

在金融数据分析中，我们要通过数据可视化展示的不仅是’open’, 'high’, 'low’, 'close’和最常见'ma’，还有一些其他分析数据，那么就要用到make_addplot（）方法了，make_addplot可以接受一个pandas、numpy、array以及list格式的数据（tuple不可以），和kwargs参数；需要注意的是：传递给make_addplot的数据参数必须与将来画图传递给plot的数据参数行数相同，kwargs参数将全部传递到polt方法中。下面的例子中，我们计算并绘制bool（布林带）线。

import mplfinance as mfp #引入mplfinance包
import tushare as ts #引入tushare包，该包用来获取股票历史数据
import pandas as pd #引入pandas包
import numpy as np #引入numpy包
import matplotlib.pyplot as plt #引入matplotlib包

data = ts.get_k_data('601988′,start=’1999-01-01’) #获取股票历史数据，存入DataFrame对象
data.to_csv('601988.csv’) #将股票历史数据存入文件
df = pd.read_csv('601988.csv’,index_col=’date’,parse_dates=['date’])[['open’,’close’,’high’,’low’,’volume’]] #从文件读取股票的开盘价、收盘价、最高价、最低价、成交量等数据并创建DataFrame对象，把日期设置为索引
df['ma20’] = df['close’].rolling(20).mean() #计算并添加20日均值
df = df.loc['2018-01’:][:] #为直观起见，截取从2018年以后的数据
df['middleB’] = df['ma20’] #添加中轨值，取20日移动平均值
df['lowerB’] = df['ma20’] – 2np.std(df['ma20’]) #添加下轨值
df['upperB’] = df['ma20’] + 2np.std(df['ma20’]) #添加上轨值
print(df) #打印一下现在的df

add_plot = mfp.make_addplot(df[['lowerB’,’upperB’,’middleB’]]) #用make_addplot()函数添加要绘制的数据
mfp.plot(df,type=’line’,linecolor=’r’,volume=True,addplot=add_plot) #绘制图形，用addplot变量传递参数
plt.show() #开始绘图