使用数据库数据绘制股票k线图

1.

阃夊彇鍗曞厓镙煎尯锘烝1:D5,鍗曞嚮钬滃浘琛ㄥ悜瀵尖濆浘镙

2.

鍦ㄥ脊鍑虹殑钬滃浘琛ㄧ被鍨嬧濆硅瘽妗嗕腑阃変腑镶′环锲剧殑钬滃紑鐩-鐩橀珮-鐩树绠-鏀剁洏锲锯(绗2

涓瀛愬浘琛ㄧ被鍨),鎸変笅涓姝ラ敭銆

3.

鍦ㄥ浘琛ㄦ暟鎹婧愬硅瘽妗嗙殑鏁版嵁鍖哄烟涓灏嗏灭郴鍒椾骇鐢熷湪钬濅慨鏀逛负钬滆屸,鎸変笅涓姝ラ敭銆

4.

鍦ㄢ滃浘琛ㄩ夐”钬濆硅瘽妗嗙殑鍒嗙被(X)杞翠笅鏂瑰～鍏モ沧不鐤楃粍钬,鍦ㄦ暟鍊(Y)杞翠笅鏂瑰～鍏モ沧渶澶у懠姘旈噺(FEV)钬,鎸夊畬鎴愰敭銆

5.

鍦ㄧ粯锲惧尯镣瑰嚮鍙抽敭,阃夊彇钬沧暟鎹婧悫啋绯诲垪鈫掓坊锷犫,鍦ㄢ滃悕绉扳濆彸渚х敤榧犳爣阃夊彇鍗曞厓镙糀6,鍦ㄢ滃尖濆彸渚х敤榧犳爣阃夊彇鍗曞厓镙煎尯锘烞6:D6

鎸夌‘瀹氶敭銆

6.

鍦ㄧ绣镙肩嚎涓婄偣鍑诲彸阌,钬沧竻闄も濈绣镙肩嚎;鍦ㄧ粯锲惧尯鍗曞嚮鍙抽敭钬沧竻闄も濊儗鏅镩层

7.

鍦ㄦí鍧愭爣涓婂崟鍑诲彸阌,阃夊彇钬

鍧愭爣杞

镙煎纺鈫掑浘妗堚,鍙充笂閮ㄤ富瑕佸埢搴︾嚎绫诲瀷澶嶉夆沧棤钬,鎸夌‘瀹氶敭銆

8.

鍦ㄧ旱鍧愭爣涓婂崟鍑诲彸阌,阃夊彇钬滃潗镙囱酱镙煎纺鈫掓暟瀛椻啋鏁板尖,灏忔暟浣嶆暟鏀逛负钬0钬,鎸夌‘瀹氶敭銆

9.

鍦ㄧ辩殑涓蹇冧綅缃甈50

绯诲垪镙囧织涓婂崟鍑诲彸阌,阃夊彇钬沧暟鎹绯诲垪镙煎纺鈫掑浘妗堚,鍦ㄧ晫闱㈠彸渚ф暟鎹镙囱扮殑镙峰纺澶勯夊彇钬+钬,鍓嶆櫙棰滆壊澶勯夐粦镩,钬滃ぇ灏忊濇敼涓6

纾,鎸夌‘瀹氶敭;鍦

绠辩嚎锲

镄勯《閮≒100绯诲垪镙囧织涓婂崟鍑诲彸阌,阃夊彇钬沧暟鎹绯诲垪镙煎纺鈫掑浘妗堚,鍦ㄧ晫闱㈠彸渚ф暟鎹镙囱扮殑镙峰纺澶勯夊彇闀挎í绾库-钬,鍓嶆櫙棰滆壊澶勯夐粦镩,钬滃ぇ灏忊濇敼涓6

纾,鎸夌‘瀹氶敭;鍦ㄧ辩嚎锲剧殑搴曢儴P0绯诲垪镙囧织涓婂崟鍑诲彸阌,阃夊彇钬沧暟鎹绯诲垪镙煎纺鈫掑浘妗堚,鍦ㄧ晫闱㈠彸渚ф暟鎹镙囱扮殑镙峰纺澶勯夊彇闀挎í绾库-钬,鍓嶆櫙棰滆壊澶勯夐粦镩,钬滃ぇ灏忊濇敼涓6

纾,鎸夌‘瀹氶敭銆

10.

阃傚綋璋冩暣缁桦浘鍖虹殑澶у皬,璋冩暣鏁翠釜锲捐〃鍖哄烟镄勫瓧浣揿ぇ灏,铡婚櫎锲捐〃鍖虹殑杈规嗙瓑,鍙銮峰缑绠辩嚎锲俱

❺ 股票K线图怎么画

• K线图绘制：

首先确定开盘和收盘的价格，它们之间的部分画成矩形实体。如果收盘价格高于开盘价格，则k线被称为阳线，用空心的实体表示。反之称为阴线用黑色实体或白色实体表示。很多软件都可以用彩色实体来表示阴线和阳线，在国内股票和期货市场 ，通常用红色表示阳线，绿色表示阴线。(但涉及到欧美股票及外汇市场的投资者应该注意：在这些市场上通常用绿色代表阳线，红色代表阴线，和国内习惯刚好相反。)用较细的线将最高价和最低价分别与实体连接。最高价和实体之间的线被称为上影线，最低价和实体间的线称为下影线。

• K线图优缺点
  

1、优点：能够全面透彻地观察到市场的真正变化。我们从K线图中，既可看到股价（或大市）的趋势，也同时可以了解到每日市况的波动情形。

2、缺点：

(1)绘制方法十分繁复，是众多走势图中最难制作的一种。

(2)阴线与阳线的变化繁多。

• K线图形态运用

1、头肩型

K线在经过一段时日聚集后，在某一价位区域内，会出现三个顶点或底点，但其中第二个顶点或底点较其他两个顶点或底点更高或更低的现象。如图10-3是一顶二肩的头肩顶；或图10-4，是一底二肩的头肩底型。然而，有时也可能出现三个以上的顶点或底点；若出现一个或二个头部（或底部），两个左肩与右肩，称为复合型肩型（或复合型头肩底）。

2、双重顶

双重顶是当某一种股票急速涨升至某一价位时，由于短线获利回吐的卖压出现，成交量扩大，股价自峰顶滑落，然后成交量随股价的下跌而逐渐萎缩，股价止跌回升后又开始往上盘升，涨升至与前一峰顶附近价位时，成交量再增加，但却比前一峰顶所创造出的成交量少，上档卖压再现，股价再度下跌，且跌破颈线，形成一直往下走的弱势。颈线即是在双峰间的低点划一平行线，由于双重顶完成后突破颈线，从图形上可看出，非常类似英文字母“M”，故双重顶又可称“M”头。

3、双重底

双重顶的反转型态，形成“W”型；也就是股价下跌至某一价位时出现反弹，但是买方力量仍未能集中，股价再度回软，然后跌势趋于缓和，在跌至前次低价附近获得支撑，买方力量此时增强，股价开始呈现转强走势。 应该注意的是，双重顶（或双重底）出现时，不一定都会呈现反转走势，有时依然会呈现整理型态。双重顶或双重底完成后，突破颈线幅度超过该股市价3%以上时，才能算是有效突破，否则，仍有可能是盘旋整理甚至反转走势。

❻ Python量化教程：不得不学的K线图“代码复制可用”

不管是对量化分析师还是普通的投资者来说，K线图（蜡烛图）都是一种很经典、很重要的工具。在K线图中，它会绘制每天的最高价、最低价、开盘价和收盘价，这对于我们理解股票的趋势以及每天的多空对比很有帮助。

一般来说，我们会从各大券商平台获取K线图，但是这种情况下获得的K线图往往不能灵活调整，也不能适应复杂多变的生产需求。因此我们有必要学习一下如何使用Python绘制K线图。

需要说明的是，这里mpl_finance是原来的matplotlib.finance，但是现在独立出来了（而且好像没什么人维护更新了），我们将会使用它提供的方法来绘制K线图；tushare是用来在线获取股票数据的库；matplotlib.ticker中有个FuncFormatter()方法可以帮助我们调整坐标轴；matplotlib.pylab.date2num可以帮助我们将日期数据进行必要的转化。

我们以上证综指18年9月份以来的行情为例。

我们先使用mpl_finance绘制一下，看看是否一切正常。

可以看到，所有的节假日包括周末，在这里都会显示为空白，这对于我们图形的连续性非常不友好，因此我们要解决掉他们。

可以看到，空白问题完美解决，这里我们解释一下。由于matplotlib会将日期数据理解为 连续数据 ，而连续数据之间的间距是有意义的，所以非交易日即使没有数据，在坐标轴上还是会体现出来。连续多少个非交易日，在坐标轴上就对应了多少个小格子，但这些小格子上方并没有相应的蜡烛图。

明白了它的原理，我们就可以对症下药了。我们可以给横坐标（日期）传入连续的、固定间距的数据，先保证K线图的绘制是连续的；然后生成一个保存有正确日期数据的列表，接下来，我们根据坐标轴上的数据去取对应的正确的日期，并替换为坐标轴上的标签即可。

上边format_date函数就是这个作用。由于前边我们给dates列生成了从0开始的序列连续数据，因此我们可以直接把它当作索引，从真正的日期列表里去取对应的数据。在这里我们要使用matplotlib.ticker.FuncFormattter()方法，它允许我们指定一个格式化坐标轴标签的函数，在这个函数里，我们需要接受坐标轴的值以及位置，并返回自定义的标签。

你学会了吗？

当然，一个完整的K线图到这里并没有结束，后边我们会考虑加入均线、成交量等元素，感兴趣的同学欢迎关注哦！