1.mplfinance安装
使用清华源快速安装mplfinance库，执行以下命令即可：
pip install mplfinance -i https://pypi.tuna.tsinghua.edu.cn/simple
2.获取数据（从tushare接口）
使用tushare的接口获取金融数据，将数据格式化后，并保存为csv文件。
从tushare获取数据需要密匙，具体可以去tushare官网注册账号获取。
我们获取数据后，需要将其索引设置为时间序列的数据，并将列名更改为mplfinance库适用的格式，即下边的’trade_date’, ‘open’, ‘high’, ‘low’, ‘close’, ‘vol’。
最后将时间倒序排列。
获取数据需要传入的参数是股票代码，此外为了便于识别数据文件对应的上市公司，我们也获取了股票列表以根据股票代码匹配上市公司名字。考虑到文件命名不能存在星号*，但是被警告或将退市的上市公司的名字前边可以冠以*ST或**ST。当遇到这样的情况时，将星号改为汉字“星之”即可。
以平安银行的数据为例，平安银行对应的股票代码为"000001.SZ"。获取其数据并保存为csv文件。
现新建一个get_data.py文件，并编辑代码如下:
import tushare as ts
import pandas as pd
tokenn = 'Your token'
pro = ts.pro_api(tokenn)
# 获取股票列表，以便提取股票名称
stock_list = pro.stock_basic()
def get_data(tscode):
df = pro.daily(ts_code=tscode)
df = df.loc[:, ['trade_date', 'open', 'high', 'low', 'close', 'vol']]
df.rename(columns={
'trade_date': 'Date',
'open': 'Open',
'high': 'High',
'low': 'Low',
'close': 'Close',
'vol': 'Volume'
},
inplace=True) # 重定义列名，方便统一规范操作。
df['Date'] = pd.to_datetime(df['Date']) # 转换日期列的格式，便于作图
df.set_index(['Date'], inplace=True) # 将日期列作为行索引
df = df.sort_index()
return df
def get_name(ts_code):
name = stock_list.name[stock_list['ts_code'] == ts_code].values[0]
if name[0] == '*':
name = '星之' + name[1:]
return name
ts_code = '000001.SZ'
data = get_data(ts_code)
name = get_name(ts_code)
data.to_csv(name + '日线行情.csv')
保存好的数据如下图所示：
3. 获取数据（从本地csv）
读取完数据后，如果直接对上边的变量data进行操作也是可以的，data已经满足mplfinance对数据要求的规范。
但是考虑到代码不断调试的过程，我们还是新建一个demo.py文件对上边获取到的'平安银行日线行情.csv'文件进行重新读取。
且读取后的数据，需要再对索引稍微做一点格式化。（即将时间列转换为时间序列数据格式，并设置为索引）
import mplfinance as mpf
import pandas as pd
def read_data(filename):
df = pd.read_csv(filename)
df['Date'] = pd.to_datetime(df['Date'])
df.set_index(['Date'], inplace=True)
return df
# 此时的数据，才满足mplfinance的数据的使用规范
df = read_data('平安银行日线行情.csv')
print(df)
符合规范的数据格式如下图所示
（不论你是怎么获取数据的，只要数据格式规范如此，即可继续随文章向下进行）：
4. mplfinance可视化
使用mplfinance库绘图，所有命令浓缩于mpf.plot()接口。故只需了解该接口的参数即可。
现将mpf.plot()接口主要参数示例如下。
| 参数 | 描述 |
|---|---|
| type | 绘制图线的种类 |
| ylabel | y轴标签 |
| style | 风格样式 |
| title | 图表标题 |
| mav | 均线，格式为一个元组，如(5, 10)表示绘制5日均线和10日均线 |
| volume | 是否绘制量柱图，默认为False，表示不绘制。 |
| figratio | 图像横纵比，如(5,3)表示图像长比宽为5:3。 |
| ylabel_lower | 表示底部图像的标签（一般是量柱图） |
| savefig | 如果需要将图像保存为一个图片文件，则通过该参数指定文件路径即名字即可。不指定则默认不保存，但是图像会显示出来。如果指定了则图像不会直接显示出来。 |
其中参数type可以的取值有
| type取值 | 描述 |
|---|---|
| candle | 蜡烛图 |
| ohlc | OHLC图，也称“美国线”。即用一根垂直的线段表示一天的行情，在开盘和收盘价格处划一笔刻度。 |
| line | 直线，即近绘制收盘价曲线 |
| renko | 砖形图 |
| pnf | pnf图，由圈和叉构成 |
（如果对图像有疑问可以百度了解，也可以自行测试）
其中参数style可以的取值有
| style | 描述 |
|---|---|
| ‘binance’ | 币安风格 |
| ‘blueskies’ | 蓝天风格 |
| ‘brasil’ | 巴西风格 |
| ‘charles’ | 查理风格 |
| ‘checkers’ | 跳棋风格 |
| ‘classic’ | 古典风格 |
| ‘default’ | 默认风格 |
| ‘mike’ | 迈克风格 |
| ‘nightclouds’ | 夜云风格 |
| ‘sas’ | SAS风格 |
| ‘starsandstripes’ | 星条旗风格 |
| ‘yahoo’ | 雅虎风格 |
这些参数值分别对应着不同的风格。此外还可以自定义风格，具体方法会在下边说到。
以 对平安银行2022年6-8月份行情数据，绘制一幅简单的蜡烛图 为例。使用蓝天风格(“blueskies”)。
并使用mav参数添加上5日均线和10日均线，以及附带上量柱图。
mpf.plot(df.loc['2022-6':'2022-8'],
type='candle',
ylabel="price",
style='blueskies',
title='PINGANBank from 2022-6-1 to 2022-8-31',
mav=(5, 10),
volume=True,
figratio=(5, 3),
ylabel_lower="Volume")
图像输出效果如下：
一幅美观的图表就这样绘制出来了。
5. 自定义风格样式
我们也可以使用mpf.make_mpf_style()方法来生成新的自定义风格。
mpf.make_mpf_style()方法可以使用的参数有
| 参数 | 描述 |
|---|---|
| base_mpf_style | 要继承的mplfinance风格 |
| base_mpl_style | 要继承的matplotlib风格 |
| marketcolors | 用于设置K线的颜色。使用mpf.make_marketcolors()方法生成。 |
| mavcolors | 移动平均线的颜色 |
| facecolor | 图像的填充颜色。指的是坐标系内侧的部分的颜色。 |
| edgecolor | 坐标轴的颜色。 |
| figcolor | 图像外周边填充色。 |
| gridcolor | 网格线颜色。 |
| gridstyle | 设置网格线样式，可以是’-', ‘–’, ‘-.’, ‘:’, ‘’, offset, on-off-seq |
| gridaxis | 网格线的方向，可以是’vertical’, ‘horizontal’, 或 ‘both’ |
| y_on_right | 设置y轴的位置是否在右边 |
| rc | 设置字体相关。中文和负号的正常显示问题都需要操作该参数。以字典形式传入。 |
| legacy_rc | 也是用于设置字体格式的，不过与rc不同的是,rc仅会将rc中传入的值更新进字典，并保留原有其他字体参数。而legacy_rc会将所有原字典删除，而仅仅使用legacy_rc。 |
| style_name | 风格名字，可以在使用mpf.write_style_file(style,filename)方法写自定义风格样式文件时使用。 |
其中，关于颜色的参数，也可以是rgb的格式，不过要求把元组变为字符串写入，形如figcolor=‘(107, 195, 224)’
下边绘制
import mplfinance as mpf
import pandas as pd
def read_data(filename):
df = pd.read_csv(filename)
df['Date'] = pd.to_datetime(df['Date'])
df.set_index(['Date'], inplace=True)
return df
# 获取数据
df = read_data('平安银行日线行情.csv')
# 设置线元素的颜色
my_color = mpf.make_marketcolors(
up="red", # 上涨K线的颜色
down="green", # 下跌K线的颜色
edge="black", # 蜡烛图箱体的颜色
volume="purple", # 成交量柱子的颜色
wick="black" # 蜡烛图影线的颜色
)
# 自定义风格
my_style = mpf.make_mpf_style(
base_mpf_style='nightclouds',
# base_mpl_style='seaborn', # 也可以试试matplotlib的seaborn等风格。
marketcolors=my_color,
figcolor='(0, 0.8, 0.85)',
gridcolor='(0.9, 0.9, 0.9)',
rc={
'font.family': 'SimHei', 'axes.unicode_minus': 'False'}
)
# 选择平安银行2022年8月的数据进行绘图
mpf.plot(df.loc['2022-6':'2022-8'],
type='candle',
ylabel="price",
style=my_style,
title='平安银行6-8月 日线行情',
mav=(5, 10),
volume=True,
figratio=(5, 3),
ylabel_lower="Volume")
图像输出效果如下：
6. 添加其他线条
mplfinance提供了添加多条线的方式。即通过mpf.plot()接口的addplot参数。
以添加唐奇安通道(20日唐奇安)的三条线为例，代码如下：
import mplfinance as mpf
import pandas as pd
def read_data(filename):
df = pd.read_csv(filename)
df['Date'] = pd.to_datetime(df['Date'])
df.set_index(['Date'], inplace=True)
return df
df = read_data('平安银行日线行情.csv')
# 设定上、下、中通道线初始值
upboundDC = pd.Series(0.0, index=df.Close.index)
downboundDC = pd.Series(0.0, index=df.Close.index)
midboundDC = pd.Series(0.0, index=df.Close.index)
# 求唐奇安上、中、下通道
for i in range(20, len(df.Close)):
upboundDC[i] = max(df.High[(i-20):i])
downboundDC[i] = min(df.Low[(i-20):i])
midboundDC[i] = 0.5 * (upboundDC[i] + downboundDC[i])
df['upboundDC'] = upboundDC
df['downboundDC'] = downboundDC
df['midboundDC'] = midboundDC
data = df.loc['2022-5':'2022-8']
my_color = mpf.make_marketcolors(
up="red", # 上涨K线的颜色
down="green", # 下跌K线的颜色
edge="black", # 蜡烛图箱体的颜色
wick="black", # 蜡烛图影线的颜色
volume="inherit" # 继承up和down的颜色
)
# 设置图表的背景色
my_style = mpf.make_mpf_style(
base_mpl_style='seaborn',
marketcolors=my_color,
rc={
'font.family': 'SimHei', 'axes.unicode_minus': 'False'}
)
add_plot = [
mpf.make_addplot(data['upboundDC']),
mpf.make_addplot(data['midboundDC']),
mpf.make_addplot(data['downboundDC'])]
mpf.plot(data,
type='candle',
ylabel="price",
style=my_style,
title='平安银行5-8月 日线行情',
addplot=add_plot,
mav=(5, 10),
volume=True,
figratio=(5, 3),
ylabel_lower="Volume")
输出图像效果如下：
