K线图简介
K线图又被成为“蜡烛图”、“阴阳线”等，它在视觉效果上可以很清晰得凸显出市场多空形势，K线图成为大家查看行情数据以及各式量化分析不可或缺的一环。在K线图常见的时间跨度分钟、日、周以及月。
K线由高开低收四个价格绘制而成。分为阳线与阴线两种，收盘价高于开盘价时为阳线，收盘价低于开盘价时为阴线；K线图的示意图如下：
K线由矩形实体与上下两根影线组成，实体上方的影线成为上影线，下方的成为下影线。实体与阴线相对长短，可形成多种形态。
1、股票数据
我们从金融数据社区，获取股票市场历史行情数据。我们获取2021年6月1号~2021年8月1号，恒生电子（600570.SH）的日行情数据，代码及执行结果如下。
# 加载取数与绘图所需的函数包
import pandas as pd
import datetime
from hs_udata import set_token,stock_quote_daily
from mpl_finance import candlestick_ohlc
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
def GetData(stock_code,start,end):
#stock_code：获取股票数据的股票代码
# start：开始日期
# end：结束日期
date_start=datetime.datetime.strptime(start,'%Y-%m-%d')
date_end =datetime.datetime.strptime(end,'%Y-%m-%d')
data = pd.DataFrame([])
while date_start<date_end:
# 获取日行情数据，接口说明见 https://udata.hs.net/datas/332/
# adjust_way枚举值为：0-不复权，1-前复权，2-后复权，此处取前复权
data_i = stock_quote_daily(en_prod_code=stock_code
,trading_date=date_start.strftime('%Y%m%d')
,adjust_way = 1)
data=pd.concat([data,data_i],axis=0) # 将行情数据按行拼接
date_start+=datetime.timedelta(days=1) # 日期变量自增
# 返回行情数据
return data
#1、获取行情数据
stock_code = "600570.SH" # 恒生电子 股票代码是600570.SH
start='2021-06-01'
end ='2021-08-01'
set_token(token = 'xxxxxxxxxxxxxxxxxxxxxxxx') # 注册后，获取并替换token
data = GetData(stock_code,start,end)
data
2、数据处理
由于恒有数的stock_quote_daily接口返回参数较多，使用candlestick_ohlc包绘制K线图时，需要将日期转为数值。程序代码与执行结果如下：
#2、数据处理
data = data.loc[data.turnover_status=='交易'] # 剔除非交易日
data_price = data[['trading_date','open_price','high_price','low_price','close_price'
,'business_amount']] # 选取日期、高开低收价格、成交量数据
data_price.set_index('trading_date', inplace=True) # 将日期作为索引
data_price = data_price.astype(float) # 将价格数据类型转为浮点数
# 将日期格式转为 candlestick_ohlc 可识别的数值
data_price['Date'] = list(map(lambda x:mdates.date2num(datetime.datetime.strptime(x,'%Y-%m-%d')),data_price.index.tolist()))
data_price
3、绘制K线
使用mpl_finance函数包中candlestick_ohlc函数进行绘图，程序如下：
#3、绘制K线图
# 提取绘图数据
ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]
f1, ax = plt.subplots(figsize = (12,6)) # 创建图片
candlestick_ohlc(ax, ohlc.values.tolist(), width=.7
, colorup='red', colordown='green') # 使用candlestick_ohlc绘图
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d')) # 设置横轴日期格式
plt.xticks(rotation=30) # 日期显示的旋转角度
plt.title(stock_code,fontsize = 14) # 设置图片标题
plt.xlabel('日 期',fontsize = 14) # 设置横轴标题
plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴标题
plt.show()
4、去除图中非交易日
由于candlestick_ohlc函数默认绘制的K线图并未剔出非交易日，导致K线之间存在空白间隔。下面我们通过修改绘图数据中横轴数据，修改横轴标注日期，实现剔除图中的非交易日数据。
# 4、去除非交易日的间隔
ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]
ohlc.loc[:,'Date'] = range(len(ohlc)) # 重新赋值横轴数据，使横轴数据为连续数值
# 绘图
f1, ax = plt.subplots(figsize = (12,6))
candlestick_ohlc(ax, ohlc.values.tolist(), width=.7, colorup='red', colordown='green')
plt.xticks(rotation=30) # 日期显示的旋转角度
plt.title(stock_code,fontsize = 14) # 设置图片标题
plt.xlabel('日 期',fontsize = 14) # 设置横轴标题
plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴标题
# 修改横轴标注日期
date_list = ohlc.index.tolist() # 获取日期列表
xticks_len = round(len(date_list)/(len(ax.get_xticks())-1)) # 获取默认横轴标注的间隔
xticks_num = range(0,len(date_list),xticks_len) # 生成横轴标注位置列表
xticks_str = list(map(lambda x:date_list[int(x)],xticks_num)) # 生成正在标注日期列表
ax.set_xticks(xticks_num) # 设置横轴标注位置
ax.set_xticklabels(xticks_str) # 设置横轴标注日期
plt.show()
5、在K线图中，添加成交量
K线图中，除了K线数据，一般还配有成交量数据。恒有数的stock_quote_daily接口返回的数据中，也有成交量数据。将K线图与成交量绘制在同一张图的程序如下：
#5、绘制成交量
fig = plt.figure(figsize=(12,10))
grid = plt.GridSpec(12, 10, wspace=0.5, hspace=0.5)
#（1）绘制K线图
# K线数据
ohlc = data_price[['Date','open_price','high_price','low_price','close_price']]
ohlc.loc[:,'Date'] = range(len(ohlc)) # 重新赋值横轴数据，绘制K线图无间隔
# 绘制K线
ax1 = fig.add_subplot(grid[0:8,0:12]) # 设置K线图的尺寸
candlestick_ohlc(ax1, ohlc.values.tolist(), width=.7
, colorup='red', colordown='green')
plt.title(stock_code,fontsize = 14) # 设置图片标题
plt.ylabel('价 格（元）',fontsize = 14) # 设置纵轴标题
ax1.set_xticks([]) # 日期标注在成交量中，故清空此处x轴刻度
ax1.set_xticklabels([]) # 日期标注在成交量中，故清空此处x轴
#（2）绘制成交量
# 成交量数据
data_volume = data_price[['Date','close_price','open_price','business_amount']]
data_volume['color'] = data_volume.apply(lambda row: 1 if row['close_price'] >= row['open_price'] else 0, axis=1) # 计算成交量柱状图对应的颜色，使之与K线颜色一致
data_volume.Date = ohlc.Date
# 绘制成交量
ax2 = fig.add_subplot(grid[8:10,0:12]) # 设置成交量图形尺寸
ax2.bar(data_volume.query('color==1')['Date']
, data_volume.query('color==1')['business_amount']
, color='r') # 绘制红色柱状图
ax2.bar(data_volume.query('color==0')['Date']
, data_volume.query('color==0')['business_amount']
, color='g') # 绘制绿色柱状图
plt.xticks(rotation=30)
plt.xlabel('日 期',fontsize = 14) # 设置横轴标题
# 修改横轴日期标注
date_list = ohlc.index.tolist() # 获取日期列表
xticks_len = round(len(date_list)/(len(ax2.get_xticks())-1)) # 获取默认横轴标注的间隔
xticks_num = range(0,len(date_list),xticks_len) # 生成横轴标注位置列表
xticks_str = list(map(lambda x:date_list[int(x)],xticks_num)) # 生成正在标注日期列表
ax2.set_xticks(xticks_num) # 设置横轴标注位置
ax2.set_xticklabels(xticks_str) # 设置横轴标注日期
plt.show()
至此一幅专业的K线图便绘制完毕了。
下篇文章，我们将在图中添加均线及常见技术指标走势图，敬请期待。