用matplotlib制作的比較滿意的蠟燭圖
2D圖形制作包, 功能強大, 習練了很久, 終於搞定了一個比較滿意的腳本.
特點:
- 使用方面要非常簡單
- 繪制出來的圖要非常的滿意, 具有如下的特點
- 時間和空間的比例尺需要固定, 就是說圖件的大小需要依據數據的長度和價格的變動幅度自動調整, 至少時間軸上應該如此.
- 時間軸的刻度: 對於日線圖而言, 年/月/日/星期幾 都應該一目了然.
- Y軸: 對數刻度, 10%等比刻度線, 刻度值的標簽應該能反應絕對的股價, 支持雙Y軸(右側的Y軸度量大盤的變化)
- 蠟燭非白即黑, 只要兩種顏色(包括邊界線)
- 分辨率要足夠高, 至少300DPI, 方便原樣(無伸縮)打印
- 應該支持非常方便地抽取子集, 然后制圖
版本持續升級:
2017.12 的備忘錄
在以前的函數式代碼的基礎上, OOP方式重構代碼, 方便以后擴展功能, 也讓程序運行得更健碩
結果展示
主塊代碼
繪圖模塊的代碼
結果展示:
png file from my github:
https://github.com/duanqingshan/learngit/blob/master/均勝電子_20171230_182515__468000.png
gif file from my cnblogs:
https://files.cnblogs.com/files/duan-qs/均勝電子_20171226_220616__255000.gif
主代碼塊:
# -*- coding: utf-8 -*-
u''' 研究K線形態: 從單個K線做起, 然后K線組合, 然后K線形態
# 1. 定義兩個實例
# 2. 加載數據
# 3. 前復權處理
# 4. 計算指標
# 5. 形態研究之: 提取與顯示
# 6. 繪圖 主圖+成交量圖
'''
import amipy as ami
import plotter as pl
import pattern as pa
reload(pa)
reload(ami)
context = ami.Context('600699.SH') # 000911
#context = ami.Context('002242.SZ') # 000911
stk = ami.Stock(context)
stk.grab_data_tdxlday(context, num_days=None)
stk.load_tdx_qx()
stk.qfq()
stk.ma20 = ami.TTR.sma(stk.ohlc.close, 20)
stk.cyc61 = ami.TTR.sma(stk.ohlc.close, 120)
pattern = pa.Pattern(stk)
pattern.study_csyx(roc1=0.3/100)
#subset = slice(-250*3, None) # '2017-07' '2017'
subset = slice(-120,None) # '2017-07' '2017'
plotter = pl.Plotter(context,stk,subset,quanxi=None)
# plotter.plot_candle_vol()
#plotter.plot_candle_vol(savefig=True)
#plotter.plot_timing(timing=pattern.csyx)
#plotter.plot_timing(timing=pattern.szx)
plotter.plot_timing(timing=pattern.upgap, savefig=True)
#plotter.plot_timing(timing=pattern.dngap)
繪圖代碼:
# -*- coding: utf-8 -*-
#import sys
import numpy as np
import pandas as pd
import datetime
import matplotlib
import matplotlib.pyplot as plt
from matplotlib.ticker import (
FixedLocator,
#MultipleLocator,
#LogLocator,
#NullFormatter,
FuncFormatter,
#LogFormatter
)
from matplotlib.font_manager import FontProperties
from matplotlib.text import Text
myfont = FontProperties(fname=r"c:\windows\fonts\msyh.ttf") #size可不用指定
matplotlib.rcParams['axes.unicode_minus'] = False
#import amipy as ami
import ttr as TTR
#==============================================================================
# Python中的作用域及global用法 - Summer_cool - 博客園
# https://www.cnblogs.com/summer-cool/p/3884595.html
#
# 函數定義了本地作用域，而模塊定義的是全局作用域。
# 如果想要在函數內定義全局作用域，需要加上global修飾符。
#
# 變量名解析：LEGB原則
# 當在函數中使用未認證的變量名時，Python搜索４個作用域:
# [本地作用域(L-local)(函數內部聲明但沒有使用global的變量)，
# 之后是上一層結構def或者lambda的本地作用域(E-enclosure),
# 之后是全局作用域(G-global)（函數中使用global聲明的變量或在模塊層聲明的變量），
# 最后是內置作用域(B)（即python的內置類和函數等）］
# 並且在第一處能夠找到這個變量名的地方停下來。
# 如果變量名在整個的搜索過程中都沒有找到，Python就會報錯。
#
# 補：上面的變量規則只適用於簡單對象，當出現引用對象的屬性時，則有另一套搜索規則:
# 屬性引用搜索一個或多個對象，而不是作用域，並且有可能涉及到所謂的"繼承"
# 補2:global修飾符在python里的一個獨特現象:
# 在模塊層面定義的變量（無需global修飾），
# 如果在函數中沒有再定義同名變量，可以在函數中當做全局變量使用.
# 如果在函數中要對它重新賦值的話, 則必須在本函數中事先聲明為全局變量, 否則會拋出異常.
#
# #先聲明全局本函數里用到的全局變量: 圖表, 上下文, 股票對象
# #使用global語句可以清楚地表明變量是在外面的塊定義的, 而且在本函數內
# #可以使用或者修改這些變量(前提是必須先聲明為全局變量, 以便告訴python
# #解釋器這些變量是全局的(主塊和函數塊共有的)已經是在外部--主代碼塊里--定義好了的,
# # 或者是本代碼塊要傳遞到主代碼塊里的變量).
#==============================================================================
class Plotter(object):
u'''
Plotter class to make picture of stock's ohlcv data
'''
# define class var
ptype_dict={
'lday':u'日',
'lc5':u'五分鍾'} # 這里聲明的變量, 不用加global修飾符, 也是全局變量
def __init__(self, context, stk, subset, quanxi=None):
self.context = context
self.stk = stk
self.subset = subset
self.quanxi = quanxi
self.fig = None
self.ax1 = self.ax2 = self.ax3 = None
self.candle_colors = None
self.length = None
self.x = None
def plot_candle_only(self, savefig=False):
u'''僅繪制主圖
'''
self.layout(volume_bars=False)
self.candles()
self.primary_curves()
self.savfig(savefig)
#fig #在ipython console里顯示整個圖表
def plot_candle_vol(self, savefig=False):
u'''主圖+成交量圖
'''
self.layout(volume_bars=True)
self.candles()
self.primary_curves()
self.vol_bars()
self.savfig(savefig)
pass
def plot_timing(self, timing=None, savefig=False):
u'''畫圖: timing之K線性形態
candles + (MA20, MA120) + 形態標注
volume bar
para:
timing: Series,
note: str, {'csyx', 'szx', etc}, 長上影線, 十字星等
'''
self.layout(volume_bars=True)
self.candles()
self.primary_curves()
self.vol_bars()
self.annotate(timing)
self.savfig(savefig)
def layout(self, volume_bars=True):
u'''
'''
if volume_bars:
self.fig, (self.ax1, self.ax2) = plt.subplots(2, 1, sharex=True, gridspec_kw={'height_ratios': [3,1]} )
else:
self.fig,self.ax1 = plt.subplots(1,1)
#res = fig, ax1
#return res
def candles(self,
col_func=None):
u'''
subset:
slice object, slice(start,stop,step)
that is:
slice(100)
slice(-100,None)
slice(100,200)
slice(-200,-100,2)
'2011-09'
'2017'
'''
def default_col_func(index, open1, close, low, high):
return 'black' if open1[index] > close[index] else 'white' # r g b cyan black white
subset=self.subset
col_func= col_func or default_col_func
ohlc = self.stk.ohlc[subset] if self.subset else self.stk.ohlc
open1,high,low,close = ohlc.open, ohlc.high, ohlc.low, ohlc.close
self.length = length = len(close)
self.x = x = np.arange(length)
candle_colors = [col_func(i, open1, close, low, high) for i in x]
self.candle_colors = candle_colors
# 計算出 每日的開盤價/收盤價里的最大值和最小值
oc_min = pd.concat([open1, close], axis=1).min(axis=1)
oc_max = pd.concat([open1, close], axis=1).max(axis=1)
#candles = ax1.bar(x, oc_max-oc_min, bottom=oc_min, color=candle_colors, linewidth=0)
#lines = ax1.vlines(x + 0.4, low, high, color=candle_colors, linewidth=1)
candles = self.ax1.bar(x-0.4, oc_max-oc_min, bottom=oc_min, color=candle_colors, linewidth=0.2, edgecolor='black')
shadlines_up = self.ax1.vlines(x, oc_max, high, color=['black']* length, linewidth=0.3)
shadlines_dn = self.ax1.vlines(x, low, oc_min, color=['black']* length, linewidth=0.3)
#print candles.__class__, shadlines_up.__class__, shadlines_dn.__class__
isinstance(candles, matplotlib.container.BarContainer) == True
isinstance(shadlines_dn, matplotlib.collections.LineCollection)
isinstance(shadlines_up, matplotlib.collections.LineCollection)
self.custom_figure()
self.custom_yaxis()
pass
def primary_curves(self): #subset=None):
#ohlc = stk.ohlc[subset] if subset else stk.ohlc
#close = ohlc.close
subset = self.subset
if (isinstance(self.stk.ma20, pd.Series) and isinstance(self.stk.cyc61, pd.Series)):
ma20 = self.stk.ma20[subset] if subset else self.stk.ma20
cyc61 = self.stk.cyc61[subset] if subset else self.stk.cyc61
indicators = [ma20, cyc61]
x=self.x
for ind in indicators:
self.ax1.plot(x, ind, 'o-', lw=0.1, markersize=0.7, markeredgewidth=0.1, label=ind.name) #帶圓圈標記的實線
self.ax1.legend()
self.custom_xaxis(ax=self.ax1)
def secondary_curves(self, ax):
# ohlc = stk.ohlc[subset] if subset else stk.ohlc
pass
def vol_bars(self):
u'''
'''
subset = self.subset
ohlc = self.stk.ohlc[subset] if subset else self.stk.ohlc
volume = ohlc['volume']
#open1,high,low,close = ohlc.open, ohlc.high, ohlc.low, ohlc.close
x = self.x
volume_scale = None
scaled_volume = volume
if volume.max() > 1000*1000:
volume_scale = u'百萬股' #'M'
scaled_volume = volume / 1000.0/1000.0
elif volume.max() > 1000:
volume_scale = u'千股'
scaled_volume = volume / 1000.0
self.ax2.bar(x-0.4, scaled_volume, color=self.candle_colors, linewidth=0.2, edgecolor='black')
volume_title = 'Volume'
if volume_scale:
volume_title = 'Volume (%s)' % volume_scale
#ax2.set_title(volume_title) # 太難看了
self.ax2.set_ylabel(volume_title, fontdict=None)
self.ax2.xaxis.grid(False)
#plt.setp(ax.get_xticklabels(minor=False), fontsize=6)
self.custom_xaxis(self.ax2)
pass
def annotate(self, timing):
u'''在主圖上標注給定的K線形態:
param:
timing: event of Series of k-pattern
note: str, 對應於事件的標注文本
example:
>>> plotter.annotate(csyx) #長上影線
'''
#ax=plt.gca()
#xx = self.action.p_DJR.index
c = self.stk.ohlc.close[self.subset] if self.subset else self.stk.ohlc.close
self.timing = timing[self.subset] if self.subset else timing
ptn_dt = c[self.timing].index # True 邏輯選擇 選出長上影線的時機(日期索引)
note = self.note = self.timing.name[:3]
ax = self.ax1
xx = map(lambda dt: c.index.get_loc(dt), ptn_dt)
yy = c * 1.1
#strings = self.action['value'].values.astype(str)
#strings = self.action['bonus'].values.astype(str)
#strings = map(lambda x: u'派'+str(x), strings)
for i,x in enumerate(xx):
#ax.text(x, yy[i], strings[i])
print i, c.index[x], x, yy[x], c[x]
ax.annotate(note, xy=(x, yy[x]*1.05/1.1), xytext=(x, yy[x]+0.0),
arrowprops=dict(
facecolor='black',
color='red',
#shrink=0.05,
arrowstyle='->',
),)
def custom_yaxis(self):
u'''
# 設定 Y 軸上的刻度
#==================================================================================================================================================
python - Matplotlib log scale tick label number formatting - Stack Overflow
https://stackoverflow.com/questions/21920233/matplotlib-log-scale-tick-label-number-formatting
每個坐標軸都有7大屬性:
ax1.set_yscale, ylim, ylabel, yticks, yticklabels, ybound, ymargin
'''
#use_expo=True;
expbase=1.1 # 2 e 10
yaxis= self.ax1.get_yaxis()
isinstance(yaxis, matplotlib.axis.YAxis)
self.ax1.set_yscale(value='log', basey=expbase)
pass
def custom_figure(self):
u''' '''
# 依據繪圖數據的長度和時間軸的比例尺(比如1:16)確定圖表的長度:
#fig = plt.gcf()
#fig.set_size_inches(18.5, 10.5)
self.fig.set_size_inches(self.length/16.0, 6) # /18 /20 /16 diff time-scales
title = u'%s(%s)%s周期蠟燭圖'%(self.context.name, self.context.symbol, self.ptype_dict[self.context.ptype])
self.ax1.set_title(title)
pass
def custom_xaxis(self, ax):
u'''
'''
subset = self.subset
ohlc = self.stk.ohlc[subset] if subset else self.stk.ohlc
close = ohlc.close
length = self.length # len(close)
ax.set_xlim(-2, length+10)
xaxis= ax.get_xaxis()
yaxis= ax.get_yaxis()
# 設定 X 軸上的主刻度/次刻度位置
#==================================================================================================================================================
mdindex, wdindex, sdindex= self.ohlc_find_idx_fdim(close)
xMajorLocator= FixedLocator(np.array(mdindex)) # 針對主刻度,實例化一個"固定式刻度定位"
xMinorLocator= FixedLocator(np.array(wdindex)) # 確定 X 軸的 MinorLocator
# 確定 X 軸的 MajorFormatter 和 MinorFormatter
# 自定義的刻度格式(應該是一個function)
datelist = close.index.date.tolist()
def x_major_formatter_1(idx, pos=None):
u'''
格式函數的功能: idx 是位置location, 依據位置, 返回對應的日期刻度標簽
'''
#return datelist[idx].strftime('%Y-%m-%d')
return datelist[idx].strftime('%m\n%Y')
def x_major_formatter_2(idx, pos=None):
return datelist[idx].strftime('\n\n%m\n%Y')
def x_minor_formatter_1(idx, pos=None):
#return datelist[idx].strftime(u'一\n%d') # 周一
return datelist[idx].strftime(u'M\n%d') # 周一
def x_minor_formatter_2(idx, pos=None):
return datelist[idx].strftime('%m-%d')
xMajorFormatter_1 = FuncFormatter(x_major_formatter_1)
xMajorFormatter_2 = FuncFormatter(x_major_formatter_2)
xMinorFormatter_1 = FuncFormatter(x_minor_formatter_1)
# 設定 X 軸的 Locator 和 Formatter
xaxis.set_major_locator(xMajorLocator)
xaxis.set_minor_locator(xMinorLocator)
xaxis.set_major_formatter(xMajorFormatter_1)
if self.ax2 is None:
xaxis.set_major_formatter(xMajorFormatter_2)
xaxis.set_minor_formatter(xMinorFormatter_1)
if self.ax2 is None: # 僅繪制主圖
# 設定不顯示的刻度標簽:
if ax==self.ax1:
plt.setp(ax.get_xticklabels(minor=False), visible=True) #主刻度標簽 可見
plt.setp(ax.get_xticklabels(minor=True), visible=True) #次刻度標簽 可見
elif ((self.ax1 != None) and (self.ax2 != None)): # case of 主圖+成交量圖
if ax==self.ax2:
plt.setp(ax.get_xticklabels(minor=True), visible=False) #次刻度標簽 隱藏
elif ax==self.ax1:
plt.setp(ax.get_xticklabels(minor=False), visible=False) #主刻度標簽 隱藏
# 設定 X 軸主刻度和次刻度標簽的樣式(字體大小)
for malabel in ax.get_xticklabels(minor=False):
malabel.set_fontsize(12) # 6號也太小了
#malabel.set_horizontalalignment('right')
#malabel.set_rotation('45')
# if ax == ax1 or ax2:
for milabel in ax.get_xticklabels(minor=True):
milabel.set_fontsize(12) # 5 太小了
#milabel.set_horizontalalignment('right')
#milabel.set_rotation('45')
#milabel.set_fontdict=myfont
#milabel.set_fontproperties=myfont
#milabel.set_prop=myfont
# 設置兩個坐標軸上的 grid
#==================================================================================================================================================
#xaxis_2.grid(True, 'major', color='0.3', linestyle='solid', linewidth=0.2)
xaxis.grid(True, 'major', color='0.3', linestyle='dotted', linewidth=0.3)
xaxis.grid(True, 'minor', color='0.3', linestyle='dotted', linewidth=0.1)
#yaxis_2.grid(True, 'major', color='0.3', linestyle='dashed', linewidth=0.2)
yaxis.grid(True, 'major', color='0.3', linestyle='dotted', linewidth=0.1)
yaxis.grid(True, 'minor', color='0.3', linestyle='dotted', linewidth=0.1)
yaxis.get_major_ticks()[2].label = \
Text(0,28.1024,u'28.10 $\\mathdefault{1.1^{35}}$')
def ohlc_find_idx_fdim(self, ohlc):
u'''
功能: index of first trading-day in month
------
- 獲取每個月的第一個交易日的下標(又稱0軸索引).
從數據框的時間索引里提取對應的日期, 然后檢索出下標.
- 另外, 也獲取每個交易周的第一個交易日的下標
輸入:
- ohlc: pandas數據框
返回:
- list
例子:
-------
>>> mdindex, wdindex, sdindex= ohlc_find_idx_fdim(ohlc_last60)
'''
#datelist= [ datetime.date(int(ys), int(ms), int(ds)) for ys, ms, ds in [ dstr.split('-') for dstr in pdata[u'日期'] ] ]
#last60 = ohlc[-250:]
last60 = ohlc
datelist = last60.index.date.tolist()
# 確定 X 軸的 MajorLocator
mdindex= [] # 每個月第一個交易日在所有日期列表中的 index, 月日期索引
years= set([d.year for d in datelist]) # 所有的交易年份
for y in sorted(years):
months= set([d.month for d in datelist if d.year == y]) # 當年所有的交易月份
for m in sorted(months):
monthday= min([dt for dt in datelist if dt.year==y and dt.month==m]) # 當月的第一個交易日
mdindex.append(datelist.index(monthday))
wdindex =[] # weekday index, 每周的第一個交易日的索引
for y in sorted(years):
weeknum= set([int(d.strftime('%U')) for d in datelist if d.year==y])
for w in sorted(weeknum):
wd= min([dt for dt in datelist if dt.year==y and int(dt.strftime('%U'))==w])
wdindex.append(datelist.index(wd))
#==============================================================================
# wdindex= [] # 每周第一個交易日在所有日期列表中的 index, 每周的第一個交易日的索引
# for d in datelist:
# if d.weekday() == 0: wdindex.append(datelist.index(d))
#
#==============================================================================
# === 檢索每個季末交易日的下標: sdindex: end of season day index ===
# 對ndarray or list 進行邏輯運輸時, 需要用np.logical_or()方法才是正確的方法:
#filter1= (months==3) or (months==6)
#filter1= (months==3).tolist() or (months==6).tolist()
#ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
dt= last60.index.date # 得到ndarray of date,
# dti= last60.index # 得到pd.ts.index.DtetimeIndex of date,
months= last60.index.month #得到ndarray of month, 取值范圍為: 1~12
# nextbar_m= last60.index.shift(1, freq='D').month # 當移動時間下標時, 數據的頻率不能為空
# 這樣做還是有問題的, pd的做法是: 引用未來1 Day的日期, 也就是當前的日期+1day的日期
# 比如: 當前的日期是 2016-12-30, 2017-01-03
# .shift(1)的日期是: 2016-12-31, 2017-01-04
# ==> 誤判了4季末的日期變更線坐標位置
# 解決辦法: 應該讓freq= 'per index bar', 查詢一下pd的doc吧...
# 變通辦法: .drop first element value or .delete(0) the first location
# and then .insert one value at end, to make the same length
# 變通辦法之: 用 freq='BQ', 來生成一個dtindex:
# pd.date_range(start=mi[0], end=mi[-1], freq='BQ') # BQ business quarter endfrequency
# Time Series / Date functionality — pandas 0.19.2 documentation
# http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases
#
# === 還有更簡潔的辦法: 就是dti.quarter屬性直接提供了第幾個季節 ===
i_index= last60.index.delete(0)
i_index= i_index.insert(-1, last60.index[-1]) # -1 表示最后一個下標位置
nextbar_m= i_index.month #
endMar= np.logical_and(months==3, nextbar_m==4)
endJun= np.logical_and(months==6, nextbar_m==7)
endSep= np.logical_and(months==9, nextbar_m==10)
endDec= np.logical_and(months==12, nextbar_m==1)
tmp1= np.logical_or(endMar, endJun)
tmp2= np.logical_or(endSep, endDec)
mask= np.logical_or(tmp1, tmp2)
sdindex= [dt.tolist().index(i) for i in dt[mask] ]
#print u'\n==> 季節變更坐標線:'
#print u' 每個季末的x軸的位置下標: %r' % sdindex
#print u' 每個季末的x軸的位置時間: %r' % last60.index[sdindex]
return mdindex, wdindex, sdindex
def savfig(self, savefig=False):
if savefig:
now = datetime.datetime.now()
now_s = now.strftime('%Y%m%d_%H%M%S_')
microsec = str(now.microsecond)
#fn= '%s_%s_%s.pdf' %(context.name, now_s, microsec )
#fig.savefig(fn, dpi=300)
#print u'\n==> 該pdf文件被創建: %s' %fn
fn= '%s_%s_%s.png' %(self.context.name, now_s, microsec )
self.fig.savefig(fn, dpi=300)
print u'\n==> 該png文件被創建: %s' %fn
pass
if __name__ == '__main__':
pass
代碼(2017.11)
- 主塊代碼
- 繪圖模塊的代碼
- 結果展示
結果展示1:
結果展示2:
主塊代碼: test1_load.py
# -*- coding: utf-8 -*-
import pandas as pd
import amipy as ami
reload(ami)
import do_plot as dp
reload(dp)
#context = ami.Context('600699.SH')
context = ami.Context('000911.SZ')
stk = ami.Stock(context) #None,None)
stk.grab_data_tdxlday(context, num_days=None)
stk.ohlc = stk.ohlc_raw
stk.ma20 = ami.TTR.sma(stk.ohlc.close, 20)
stk.cyc61 = ami.TTR.sma(stk.ohlc.close, 120)
subset = slice(-120,None) # '2017-07' '2017'
subset = '2017' #slice(-120,None) # '2017-07' '2017'
datas = (context, stk, subset)
# 僅繪制主圖
#dp.plot_candle_only(datas)
# 主圖+成交量圖
dp.plot_candle_vol(datas)
繪圖模塊代碼 do_plot.py
# -*- coding: utf-8 -*-
#import sys
import numpy as np
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
from matplotlib.ticker import (
FixedLocator,
#MultipleLocator,
#LogLocator,
#NullFormatter,
FuncFormatter,
#LogFormatter
)
from matplotlib.font_manager import FontProperties
myfont = FontProperties(fname=r"c:\windows\fonts\msyh.ttf") #size可不用指定
matplotlib.rcParams['axes.unicode_minus'] = False
#import amipy as ami
#==============================================================================
# Python中的作用域及global用法 - Summer_cool - 博客園
# https://www.cnblogs.com/summer-cool/p/3884595.html
#
# 函數定義了本地作用域，而模塊定義的是全局作用域。
# 如果想要在函數內定義全局作用域，需要加上global修飾符。
#
# 變量名解析：LEGB原則
# 當在函數中使用未認證的變量名時，Python搜索４個作用域:
# [本地作用域(L-local)(函數內部聲明但沒有使用global的變量)，
# 之后是上一層結構def或者lambda的本地作用域(E-enclosure),
# 之后是全局作用域(G-global)（函數中使用global聲明的變量或在模塊層聲明的變量），
# 最后是內置作用域(B)（即python的內置類和函數等）］
# 並且在第一處能夠找到這個變量名的地方停下來。
# 如果變量名在整個的搜索過程中都沒有找到，Python就會報錯。
#
# 補：上面的變量規則只適用於簡單對象，當出現引用對象的屬性時，則有另一套搜索規則:
# 屬性引用搜索一個或多個對象，而不是作用域，並且有可能涉及到所謂的"繼承"
# 補2:global修飾符在python里的一個獨特現象:
# 在模塊層面定義的變量（無需global修飾），
# 如果在函數中沒有再定義同名變量，可以在函數中當做全局變量使用.
# 如果在函數中要對它重新賦值的話, 則必須在本函數中事先聲明為全局變量, 否則會拋出異常.
#
# #先聲明全局本函數里用到的全局變量: 圖表, 上下文, 股票對象
# #使用global語句可以清楚地表明變量是在外面的塊定義的, 而且在本函數內
# #可以使用或者修改這些變量(前提是必須先聲明為全局變量, 以便告訴python
# #解釋器這些變量是全局的(主塊和函數塊共有的)已經是在外部--主代碼塊里--定義好了的,
# # 或者是本代碼塊要傳遞到主代碼塊里的變量).
#==============================================================================
global fig, ax1, ax2, ax3 # 模塊級變量名, 分別代表: 整個圖表, 子圖1/2/3
global context, stk, subset # 模塊級變量名
global candle_colors, length
ax2=ax3=None #初始化 ax2/ax3 子圖實例為None,
#fig和ax1可以不用初始化, 因為調用layout()后總是要返回fig和ax1的
ptype_dict={
'lday':u'日',
'lc5':u'五分鍾'} # 這里聲明的變量, 不用加global修飾符, 也是全局變量
def layout(volume_bars=True):
u'''
'''
global fig, ax1, ax2, ax3
if volume_bars:
fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True, gridspec_kw={'height_ratios': [3,1]} )
res = fig, (ax1,ax2)
else:
fig,ax1 = plt.subplots(1,1)
res = fig, ax1
return res
def candles(
#subset=None,
col_func=None):
u'''
subset:
slice object, slice(start,stop,step)
that is:
slice(100)
slice(-100,None)
slice(100,200)
slice(-200,-100,2)
'2011-09'
'2017'
'''
global context, stk, subset
global candle_colors # 可能會被以后的函數所用到(比如畫成交量柱子)
global length
def default_col_func(index, open1, close, low, high):
return 'black' if open1[index] > close[index] else 'white' # r g b cyan black white
col_func= col_func or default_col_func
ohlc = stk.ohlc[subset] if subset else stk.ohlc
open1,high,low,close = ohlc.open, ohlc.high, ohlc.low, ohlc.close
length = len(close)
x = np.arange(length)
candle_colors = [col_func(i, open1, close, low, high) for i in x]
# 計算出 每日的開盤價/收盤價里的最大值和最小值
oc_min = pd.concat([open1, close], axis=1).min(axis=1)
oc_max = pd.concat([open1, close], axis=1).max(axis=1)
#candles = ax1.bar(x, oc_max-oc_min, bottom=oc_min, color=candle_colors, linewidth=0)
#lines = ax1.vlines(x + 0.4, low, high, color=candle_colors, linewidth=1)
candles = ax1.bar(x-0.4, oc_max-oc_min, bottom=oc_min, color=candle_colors, linewidth=0.2, edgecolor='black')
shadlines_up = ax1.vlines(x, oc_max, high, color=['black']* length, linewidth=0.3)
shadlines_dn = ax1.vlines(x, low, oc_min, color=['black']* length, linewidth=0.3)
#print candles.__class__, shadlines_up.__class__, shadlines_dn.__class__
isinstance(candles, matplotlib.container.BarContainer) == True
isinstance(shadlines_dn, matplotlib.collections.LineCollection)
isinstance(shadlines_up, matplotlib.collections.LineCollection)
custom_figure()
custom_yaxis()
pass
def primary_curves(): #subset=None):
#ohlc = stk.ohlc[subset] if subset else stk.ohlc
#close = ohlc.close
if (isinstance(stk.ma20, pd.Series) and isinstance(stk.cyc61, pd.Series)):
ma20 = stk.ma20[subset] if subset else stk.ma20
cyc61 = stk.cyc61[subset] if subset else stk.cyc61
length = len(ma20)
x = np.arange(length)
indicators = [ma20, cyc61]
for ind in indicators:
ax1.plot(x, ind, 'o-', lw=0.1, markersize=0.7, markeredgewidth=0.1, label=ind.name) #帶圓圈標記的實線
ax1.legend()
custom_xaxis(ax=ax1)
def secondary_curves(ax,subset=None):
# ohlc = stk.ohlc[subset] if subset else stk.ohlc
pass
def vol_bars():
u'''
'''
global stk, subset
ohlc = stk.ohlc[subset] if subset else stk.ohlc
volume = ohlc['volume']
#open1,high,low,close = ohlc.open, ohlc.high, ohlc.low, ohlc.close
x = np.arange(length)
volume_scale = None
scaled_volume = volume
if volume.max() > 1000*1000:
volume_scale = u'百萬股' #'M'
scaled_volume = volume / 1000.0/1000.0
elif volume.max() > 1000:
volume_scale = u'千股'
scaled_volume = volume / 1000.0
ax2.bar(x-0.4, scaled_volume, color=candle_colors, linewidth=0.2, edgecolor='black')
volume_title = 'Volume'
if volume_scale:
volume_title = 'Volume (%s)' % volume_scale
ax2.set_title(volume_title)
ax2.xaxis.grid(False)
#plt.setp(ax.get_xticklabels(minor=False), fontsize=6)
custom_xaxis(ax2)
pass
def custom_yaxis():
u'''
# 設定 Y 軸上的刻度
#==================================================================================================================================================
python - Matplotlib log scale tick label number formatting - Stack Overflow
https://stackoverflow.com/questions/21920233/matplotlib-log-scale-tick-label-number-formatting
'''
#use_expo=True;
expbase=1.1 # 2 e 10
yaxis= ax1.get_yaxis()
isinstance(yaxis, matplotlib.axis.YAxis)
ax1.set_yscale(value='log', basey=expbase)
pass
def custom_figure():
u''' '''
# 依據繪圖數據的長度和時間軸的比例尺(比如1:16)確定圖表的長度:
#fig = plt.gcf()
#fig.set_size_inches(18.5, 10.5)
fig.set_size_inches(length/16.0, 6) # /18 /20 /16 diff time-scales
title = u'%s(%s)%s周期蠟燭圖'%(context.name, context.symbol, ptype_dict[context.ptype])
ax1.set_title(title)
pass
def custom_xaxis(ax):
u'''
'''
global ax1, ax2, ax3
ohlc = stk.ohlc[subset] if subset else stk.ohlc
close = ohlc.close
#length = len(close)
ax.set_xlim(-2, length+10)
xaxis= ax.get_xaxis()
yaxis= ax.get_yaxis()
# 設定 X 軸上的主刻度/次刻度位置
#==================================================================================================================================================
mdindex, wdindex, sdindex= ohlc_find_idx_fdim(close)
xMajorLocator= FixedLocator(np.array(mdindex)) # 針對主刻度,實例化一個"固定式刻度定位"
xMinorLocator= FixedLocator(np.array(wdindex)) # 確定 X 軸的 MinorLocator
# 確定 X 軸的 MajorFormatter 和 MinorFormatter
# 自定義的刻度格式(應該是一個function)
datelist = close.index.date.tolist()
def x_major_formatter_1(idx, pos=None):
u'''
格式函數的功能: idx 是位置location, 依據位置, 返回對應的日期刻度標簽
'''
#return datelist[idx].strftime('%Y-%m-%d')
return datelist[idx].strftime('%m\n%Y')
def x_major_formatter_2(idx, pos=None):
return datelist[idx].strftime('\n\n%m\n%Y')
def x_minor_formatter_1(idx, pos=None):
#return datelist[idx].strftime(u'一\n%d') # 周一
return datelist[idx].strftime(u'M\n%d') # 周一
def x_minor_formatter_2(idx, pos=None):
return datelist[idx].strftime('%m-%d')
xMajorFormatter_1 = FuncFormatter(x_major_formatter_1)
xMajorFormatter_2 = FuncFormatter(x_major_formatter_2)
xMinorFormatter_1 = FuncFormatter(x_minor_formatter_1)
# 設定 X 軸的 Locator 和 Formatter
xaxis.set_major_locator(xMajorLocator)
xaxis.set_minor_locator(xMinorLocator)
xaxis.set_major_formatter(xMajorFormatter_1)
if ax2 is None:
xaxis.set_major_formatter(xMajorFormatter_2)
xaxis.set_minor_formatter(xMinorFormatter_1)
if ax2 is None: # 僅繪制主圖
# 設定不顯示的刻度標簽:
if ax==ax1:
plt.setp(ax.get_xticklabels(minor=False), visible=True) #主刻度標簽 可見
plt.setp(ax.get_xticklabels(minor=True), visible=True) #次刻度標簽 可見
elif ((ax1 != None) and (ax2 != None)): # case of 主圖+成交量圖
if ax==ax2:
plt.setp(ax.get_xticklabels(minor=True), visible=False) #次刻度標簽 隱藏
elif ax==ax1:
plt.setp(ax.get_xticklabels(minor=False), visible=False) #主刻度標簽 隱藏
# 設定 X 軸主刻度和次刻度標簽的樣式(字體大小)
for malabel in ax.get_xticklabels(minor=False):
malabel.set_fontsize(12) # 6號也太小了
#malabel.set_horizontalalignment('right')
#malabel.set_rotation('45')
# if ax == ax1 or ax2:
for milabel in ax.get_xticklabels(minor=True):
milabel.set_fontsize(12) # 5 太小了
#milabel.set_horizontalalignment('right')
#milabel.set_rotation('45')
#milabel.set_fontdict=myfont
#milabel.set_fontproperties=myfont
#milabel.set_prop=myfont
# 設置兩個坐標軸上的 grid
#==================================================================================================================================================
#xaxis_2.grid(True, 'major', color='0.3', linestyle='solid', linewidth=0.2)
xaxis.grid(True, 'major', color='0.3', linestyle='dotted', linewidth=0.3)
xaxis.grid(True, 'minor', color='0.3', linestyle='dotted', linewidth=0.1)
#yaxis_2.grid(True, 'major', color='0.3', linestyle='dashed', linewidth=0.2)
yaxis.grid(True, 'major', color='0.3', linestyle='dotted', linewidth=0.1)
yaxis.grid(True, 'minor', color='0.3', linestyle='dotted', linewidth=0.1)
def ohlc_find_idx_fdim(ohlc):
u'''
功能: index of first trading-day in month
------
- 獲取每個月的第一個交易日的下標(又稱0軸索引).
從數據框的時間索引里提取對應的日期, 然后檢索出下標.
- 另外, 也獲取每個交易周的第一個交易日的下標
輸入:
- ohlc: pandas數據框
返回:
- list
例子:
-------
>>> mdindex, wdindex, sdindex= ohlc_find_idx_fdim(ohlc_last60)
'''
#datelist= [ datetime.date(int(ys), int(ms), int(ds)) for ys, ms, ds in [ dstr.split('-') for dstr in pdata[u'日期'] ] ]
last60 = ohlc[-250:]
datelist = last60.index.date.tolist()
# 確定 X 軸的 MajorLocator
mdindex= [] # 每個月第一個交易日在所有日期列表中的 index, 月日期索引
years= set([d.year for d in datelist]) # 所有的交易年份
for y in sorted(years):
months= set([d.month for d in datelist if d.year == y]) # 當年所有的交易月份
for m in sorted(months):
monthday= min([dt for dt in datelist if dt.year==y and dt.month==m]) # 當月的第一個交易日
mdindex.append(datelist.index(monthday))
wdindex =[] # weekday index, 每周的第一個交易日的索引
for y in sorted(years):
weeknum= set([int(d.strftime('%U')) for d in datelist if d.year==y])
for w in sorted(weeknum):
wd= min([dt for dt in datelist if dt.year==y and int(dt.strftime('%U'))==w])
wdindex.append(datelist.index(wd))
#==============================================================================
# wdindex= [] # 每周第一個交易日在所有日期列表中的 index, 每周的第一個交易日的索引
# for d in datelist:
# if d.weekday() == 0: wdindex.append(datelist.index(d))
#
#==============================================================================
# === 檢索每個季末交易日的下標: sdindex: end of season day index ===
# 對ndarray or list 進行邏輯運輸時, 需要用np.logical_or()方法才是正確的方法:
#filter1= (months==3) or (months==6)
#filter1= (months==3).tolist() or (months==6).tolist()
#ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
dt= last60.index.date # 得到ndarray of date,
# dti= last60.index # 得到pd.ts.index.DtetimeIndex of date,
months= last60.index.month #得到ndarray of month, 取值范圍為: 1~12
# nextbar_m= last60.index.shift(1, freq='D').month # 當移動時間下標時, 數據的頻率不能為空
# 這樣做還是有問題的, pd的做法是: 引用未來1 Day的日期, 也就是當前的日期+1day的日期
# 比如: 當前的日期是 2016-12-30, 2017-01-03
# .shift(1)的日期是: 2016-12-31, 2017-01-04
# ==> 誤判了4季末的日期變更線坐標位置
# 解決辦法: 應該讓freq= 'per index bar', 查詢一下pd的doc吧...
# 變通辦法: .drop first element value or .delete(0) the first location
# and then .insert one value at end, to make the same length
# 變通辦法之: 用 freq='BQ', 來生成一個dtindex:
# pd.date_range(start=mi[0], end=mi[-1], freq='BQ') # BQ business quarter endfrequency
# Time Series / Date functionality — pandas 0.19.2 documentation
# http://pandas.pydata.org/pandas-docs/stable/timeseries.html#offset-aliases
#
# === 還有更簡潔的辦法: 就是dti.quarter屬性直接提供了第幾個季節 ===
i_index= last60.index.delete(0)
i_index= i_index.insert(-1, last60.index[-1]) # -1 表示最后一個下標位置
nextbar_m= i_index.month #
endMar= np.logical_and(months==3, nextbar_m==4)
endJun= np.logical_and(months==6, nextbar_m==7)
endSep= np.logical_and(months==9, nextbar_m==10)
endDec= np.logical_and(months==12, nextbar_m==1)
tmp1= np.logical_or(endMar, endJun)
tmp2= np.logical_or(endSep, endDec)
mask= np.logical_or(tmp1, tmp2)
sdindex= [dt.tolist().index(i) for i in dt[mask] ]
#print u'\n==> 季節變更坐標線:'
#print u' 每個季末的x軸的位置下標: %r' % sdindex
#print u' 每個季末的x軸的位置時間: %r' % last60.index[sdindex]
return mdindex, wdindex, sdindex
def plot_candle_only(datas):
u'''僅繪制主圖
'''
global context, stk, subset
global fig, ax1, ax2, ax3
global candle_colors, length
context, stk, subset = datas
layout(volume_bars=False)
candles()
primary_curves()
#fig #在ipython console里顯示整個圖表
def plot_candle_vol(datas):
u'''主圖+成交量圖
'''
global context, stk, subset
global fig, ax1, ax2, ax3
global candle_colors, length
context, stk, subset = datas
layout(volume_bars=True)
candles()
primary_curves()
vol_bars()
pass
if __name__ == '__main__':
pass