系列文章：

策略1：使用python+mongodb实现股票网格交易代码----附python源码使用matplotlib画k线（2条k线同列）----附python源码策略3：动态再平衡----附python源代码

在网上找一些关于k先2图同列的软件，发现都不太好用，于是自己动手画一个。 背景：

关于目标股票的历史数据已经抓取下来。画出来的线，不是蜡烛图，因为主要的目标是看2条k线，走势是否有一定相关性是按照股票的收盘价来画的为了防止股票价格差异较大，导致线画出来缺乏对比性，所以会对收盘价进行一定倍数的放大处理

最终的结果如下图：

源代码如下：

import pymongo

import matplotlib.pyplot as plt

import pandas as pd

# 中文字体显示方块问题解决

from matplotlib.font_manager import FontProperties

def get_chinese_font():

"""

这个是中文不显示的问题，取用系统中文字体

:return:

"""

return FontProperties(fname='/System/Library/Fonts/PingFang.ttc')

def enlarge(origin_number, multiple):

"""

放大函数

:param origin_number: 原值

:param multiple: 放大beishu2

:return:

"""

return origin_number * multiple

meta_info = {

# 要显示的数据内容，这个是在mongodb中的collection名称

'security': ['SH601939', 'SH510210'],

# 需要从哪个时间开始画线。如果不设时间，那么值为 {}

'start_date': {'date': {'$gt': '2018-01-10'}},

# 定义所需的放大函数。目的是为了防止这条线的y值太小，导致看出来基本是一条水平线。*号前面是要执行的函数，*号后面值是放大的beishu2

'enlarge_functions': ['', 'enlarge*7'],

# mongodb数据

'mongo_meta': {'host': 'my.tengxun', 'port': '27017', 'user_name': 'xxxxx', 'password': 'xxxxx', 'db': 'admin'}

}

# 设置像素，不然默认会比较小

fig = plt.figure(dpi=800)

# 设置title、x轴、y轴的描述信息

plt.title(u'k线同列', fontproperties=get_chinese_font())

plt.xlabel(u'时间线', fontproperties=get_chinese_font())

plt.ylabel(u'价格', fontproperties=get_chinese_font())

# 加载数据

mongo_meta = meta_info['mongo_meta']

mongo_client = pymongo.MongoClient('mongodb://%s:%s@%s:%s/' % (

mongo_meta['user_name'], mongo_meta['password'], mongo_meta['host'], mongo_meta['port']))

db = mongo_client[mongo_meta['db']]

security_history_array = []

for security in meta_info['security']:

tmp = pd.DataFrame(list(db[security].find(meta_info['start_date']).sort("date", 1)))

tmp.set_index('date', inplace=True)

security_history_array.append(tmp)

# 开始构造画图的x轴、y轴数据

# x轴数据

axis = []

# y轴数据的列表（因为有多条线，每条线的y轴数据是y_array[index]）

y_array = []

# 构造x轴

for today_date in security_history_array[0].index:

axis.append(today_date)

# 构造y轴数据（多个）

for i in range(len(security_history_array)):

security_history = security_history_array[i]

y_values = []

for today_date in axis:

if today_date in security_history.index:

y_row = security_history.loc[today_date]

y_value = y_row['close']

# 如果有放大函数，那么进行调用。目的是为了防止这条线的y值太小，导致看出来基本是一条水平线

if meta_info['enlarge_functions'][i] != '':

function_name = meta_info['enlarge_functions'][i].split('*')[0]

enlarge_multiple = meta_info['enlarge_functions'][i].split('*')[1]

y_value = eval(function_name)(y_value, int(enlarge_multiple))

y_values.append(y_value)

y_value_before = y_value

else:

y_values.append(y_value_before)

y_array.append(y_values)

# 准备画图数据

for i in range(len(y_array)):

plt.plot(axis, y_array[i])

# 打出图例，就是在图上，对于y轴线的描述

comment = []

for i in range(len(meta_info['security'])):

tmp = 'y = %s' % meta_info['security'][i]

comment.append(tmp)

plt.legend(comment)

# 为了避免多个图重叠，可以使用fig.tight_layout()或fig.subplots_adjust()

fig.tight_layout()

plt.show()

文章链接

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：