import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding=\'utf-8\') d = dt.datetime.strptime(dmy, \'%d-%m-%Y\') d = d.date() ymd = d.strftime(\'%Y-%m-%d\') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices = \ np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6), unpack=True, dtype=\'M8[D], f8, f8, f8, f8\', converters={1: dmy2ymd}) # converters为转换器，运行时先执行，其中1表示时间所在的列索引号 # 绘制收盘价折线图 mp.figure(\'AAPL\', facecolor=\'lightgray\') mp.title(\'AAPL\', fontsize=18) mp.xlabel(\'date\', fontsize=12) mp.ylabel(\'closing_pricing\', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=\':\') # 设置x轴的刻度定位器，使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度，除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换，更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\') mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式（以最合适的方式显示） mp.gcf().autofmt_xdate() mp.show()
import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding=\'utf-8\') d = dt.datetime.strptime(dmy, \'%d-%m-%Y\') d = d.date() ymd = d.strftime(\'%Y-%m-%d\') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices = \ np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6), unpack=True, dtype=\'M8[D], f8, f8, f8, f8\', converters={1: dmy2ymd}) # converters为转换器，运行时先执行，其中1表示时间所在的列索引号 # 绘制收盘价折线图 mp.figure(\'AAPL\', facecolor=\'lightgray\') mp.title(\'AAPL\', fontsize=18) mp.xlabel(\'date\', fontsize=12) mp.ylabel(\'closing_pricing\', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=\':\') # 设置x轴的刻度定位器，使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度，除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换，更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\', alpha=0.4) # 绘制蜡烛图 # 整理颜色 rise = closing_prices > opening_prices # 掩码数组(布尔类型) color = np.array([(\'white\' if x else \'green\') for x in rise]) ecolor = np.array([(\'red\' if x else \'green\') for x in rise]) print(color) # 绘制实体 mp.bar(dates, closing_prices - opening_prices, width=0.8, bottom=opening_prices, color=color, edgecolor=ecolor, zorder=3) # 绘制影线 mp.vlines(dates, lowest_prices, highest_prices, color=ecolor) mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式（以最合适的方式显示） mp.gcf().autofmt_xdate() mp.show()
numpy常见统计量API
import numpy as np import matplotlib.pyplot as mp import datetime as dt import matplotlib.dates as md \'\'\' 1.算数平均值：收盘价均值计算 2.加权平均值：交易量加权平均价格（VWAP）---交易量体现了市场对当前交易价格的认可度，交易量越高表示市场对当前的价格越认可，该价格越接近股票价值的真值 3.最值：波动性 \'\'\' # 日期转化函数 def dmy2ymd(dmy): # 把dmy格式的字符串转化成ymd格式的字符串 dmy = str(dmy, encoding=\'utf-8\') d = dt.datetime.strptime(dmy, \'%d-%m-%Y\') d = d.date() ymd = d.strftime(\'%Y-%m-%d\') return ymd dates, opening_prices, highest_prices, lowest_prices, closing_prices, volumns = \ np.loadtxt(\'./da_data/aapl.csv\', delimiter=\',\', usecols=(1, 3, 4, 5, 6, 7), unpack=True, dtype=\'M8[D], f8, f8, f8, f8, f8\', converters={1: dmy2ymd}) # converters为转换器，运行时先执行，其中1表示时间所在的列索引号 # 评估AAPL股票波动性 max_val = np.max(highest_prices) min_val = np.min(lowest_prices) print(max_val, \'~\', min_val) # 查看最高价和最低价的日期 print(\'max_date:\', dates[np.argmax(highest_prices)]) print(\'min_date:\', dates[np.argmin(lowest_prices)]) # 绘制收盘价折线图 mp.figure(\'AAPL\', facecolor=\'lightgray\') mp.title(\'AAPL\', fontsize=18) mp.xlabel(\'date\', fontsize=12) mp.ylabel(\'closing_pricing\', fontsize=12) mp.tick_params(labelsize=10) mp.grid(linestyle=\':\') # 设置x轴的刻度定位器，使之更适合显示日期数据 ax = mp.gca() # 以周一作为主刻度 ma_loc = md.WeekdayLocator(byweekday=md.MO) # 次刻度，除周一外的日期 mi_loc = md.DayLocator() ax.xaxis.set_major_locator(ma_loc) ax.xaxis.set_major_formatter(md.DateFormatter(\'%Y-%m-%d\')) ax.xaxis.set_minor_locator(mi_loc) # 日期数据类型转换，更适合绘图 dates = dates.astype(md.datetime.datetime) mp.plot(dates, closing_prices, linewidth=2, linestyle=\'--\', color=\'dodgerblue\', label=\'AAPL\') # 计算均值，绘制图像 mean = np.mean(closing_prices) mp.hlines(mean, dates[0], dates[-1], color=\'orangered\', label=\'Mean(CP)\') # 计算VWAP交易量加权平均值 avg1 = np.average(closing_prices, weights=volumns) mp.hlines(avg1, dates[0], dates[-1], colors=\'greenyellow\', label=\'VWAP\') # 计算TWAP时间加权平均值---越靠近当前时间的收盘价对均值的影响程度越高 w = np.linspace(1, 7, 30) avg2 = np.average(closing_prices, weights=w) mp.hlines(avg2, dates[0], dates[-1], colors=\'pink\', label=\'TWAP\') mp.tight_layout() mp.legend() # 自动格式化x轴日期的显示格式（以最合适的方式显示） mp.gcf().autofmt_xdate() mp.show()