pyecharts繪制K線

最近想擴展一下vnpy，優化一些功能和代碼的性能。在看backtesting部分代碼的時候，發現，vnpy其實回測功能挺弱的，可以自己擴展一下。隨之而來的就是一個回測結果可視化的問題。vnpy原生的回測結果沒有繪制k線，所以也就沒有指標的可視化和開倉平倉的可視化，只有隨后交易結果的可視化。筆者自己其實有點點不習慣，沒有看到策略的可視化回測結果，有點點不開心，所以打算自己做一下。首先就是選擇可視化的工具，pyecharts應該是一個首選了，而且現在發展的越來越好了。

那么，首先來嘗試一下k線部分pyechats官方的代碼吧。

下面的代碼來自官網哦

http://pyecharts.org

from?pyecharts?import?Kline ? v1?=?[[2320.26,?2320.26,?2287.3,?2362.94],?[2300,?2291.3,?2288.26,?2308.38], ??????[2295.35,?2346.5,?2295.35,?2345.92],?[2347.22,?2358.98,?2337.35,?2363.8], ??????[2360.75,?2382.48,?2347.89,?2383.76],?[2383.43,?2385.42,?2371.23,?2391.82], ??????[2377.41,?2419.02,?2369.57,?2421.15],?[2425.92,?2428.15,?2417.58,?2440.38], ??????[2411,?2433.13,?2403.3,?2437.42],?[2432.68,?2334.48,?2427.7,?2441.73], ??????[2430.69,?2418.53,?2394.22,?2433.89],?[2416.62,?2432.4,?2414.4,?2443.03], ??????[2441.91,?2421.56,?2418.43,?2444.8],?[2420.26,?2382.91,?2373.53,?2427.07], ??????[2383.49,?2397.18,?2370.61,?2397.94],?[2378.82,?2325.95,?2309.17,?2378.82], ??????[2322.94,?2314.16,?2308.76,?2330.88],?[2320.62,?2325.82,?2315.01,?2338.78], ??????[2313.74,?2293.34,?2289.89,?2340.71],?[2297.77,?2313.22,?2292.03,?2324.63], ??????[2322.32,?2365.59,?2308.92,?2366.16],?[2364.54,?2359.51,?2330.86,?2369.65], ??????[2332.08,?2273.4,?2259.25,?2333.54],?[2274.81,?2326.31,?2270.1,?2328.14], ??????[2333.61,?2347.18,?2321.6,?2351.44],?[2340.44,?2324.29,?2304.27,?2352.02], ??????[2326.42,?2318.61,?2314.59,?2333.67],?[2314.68,?2310.59,?2296.58,?2320.96], ??????[2309.16,?2286.6,?2264.83,?2333.29],?[2282.17,?2263.97,?2253.25,?2286.33], ??????[2255.77,?2270.28,?2253.31,?2276.22]] kline?=?Kline("K?線圖示例") kline.add("日K",?["2017/7/{}".format(i?+?1)?for?i?in?range(31)],?v1) kline.render()

首先，k線在pyechats里面定義為Kline類。這里先是寫好了k線的數據，v1.我們注意到，數據的結構是一個列表的列表，里面的每一個列表是open close low high，也就是oclh格式。非常符合我們做量化的風格。

有了數據之后是實例化k線對象，傳個圖像的名稱就可以了。然后就是關鍵的add方法，其實就是往圖像里面插入數據，我們可以看一下add的實現：

def?__add(self,?name,?x_axis,?y_axis,?**kwargs): ????????""" ????????:param?name: ????????????系列名稱，用于?tooltip?的顯示，legend?的圖例篩選。 ????????:param?x_axis: ????????????x?坐標軸數據。 ????????:param?y_axis: ????????????y?坐標軸數據。數據中，每一行是一個『數據項』，每一列屬于一個『維度』。 ????????????數據項具體為?[open,?close,?lowest,?highest]?（即：[開盤值,?收盤值, ?????????????最低值,?最高值]）。 ????????:param?kwargs: ????????"""

在Kline類里面，add其實調用了__add，其中，name參數其實就是一個圖例，然后是x坐標的數據，y坐標的數據。

然后就是render方法就可以獲得一個html格式的結果，用瀏覽器打開就可以了。

大概是下面這樣：

圖片來自pyecharts官網。

此外還可以增加一些別的設置，這些設置都是通過add方法中設置一些關鍵字來完成，比如：

kline.add(

"日K",

["2017/7/{}".format(i + 1) for i in range(31)],

v1,

mark_point=["max"],

is_datazoom_show=True,

)

這里，我們發現多了mark_point和is_datazoom_show的一個設置，其中，mark_point是用來標記處最大值，而is_datazoom_show是用來標記出是否具有伸縮坐標軸功能的。

同樣的，坐標軸伸縮方向可以通過datazoom_orient來設置：

kline.add(

"日K",

["2017/7/{}".format(i + 1) for i in range(31)],

v1,

mark_point=["max"],

is_datazoom_show=True,

datazoom_orient="vertical",

)

此外，還可以在圖上畫一些別的線,比如close價的最大值。

kline.add(

"日K",

["2017/7/{}".format(i + 1) for i in range(31)],

v1,

mark_line=["max"],

mark_line_symbolsize=0,

datazoom_orient="vertical",

mark_line_valuedim="close",

)

那么，接下來我們來看一下如何改進這個k先的繪制方法吧，我們從一個pandas開始。后面的代碼就是筆者自己寫的哦。

我們現在有一個pandas, 里面的數據如下：

還有一列ma10沒有放上去，其實就是5日均線和10日均線。

def backtesting_plot(table_name, indicator_name_list):

# data preparation

da = pd.DataFrame(data=table_name)

da['volume'] = da['volume'].apply(lambda vol: vol if vol > 0 else 0)

date = da["datetime"].apply(lambda x: str(x)).tolist()

k_plot_value = da.apply(lambda record: [record['open'], record['close'], record['low'], record['high']], axis=1).tolist()

# K chart

kline = Kline()

kline.add("Backtesting Result", date, k_plot_value)

indicator_lines = Line()

for indicator_name in indicator_name_list:

indicator_lines.add(indicator_name, date, da[indicator_name].tolist())

# trading volume bar chart

bar = Bar()

bar.add("volume", date, da["volume"],

tooltip_tragger="axis", is_legend_show=False, is_yaxis_show=False, yaxis_max=5*max(da["volume"]))

# buy and sell

v1 = date[10]

v2 = da['high'].iloc[10]

es = EffectScatter("buy")

es.add("buy", [v1], [v2])

v1 = date[18]

v2 = da['high'].iloc[18]

es.add( "sell",? [v1],? [v2], symbol="pin",)

overlap = Overlap()

overlap.add(kline)

overlap.add(indicator_lines,)

overlap.add(bar,yaxis_index=1, is_add_yaxis=True)

overlap.add(es)

overlap.render(path='tt.html')

我們看一下上面這個函數，首先我們從pandas中拿出數據，轉換成pyecharts能接受的list格式。要提醒大家的是，這里的datetime也要轉化成字符串格式。

然后就是實例化Kline和技術指標的Line

# K chart

kline = Kline()

kline.add("Backtesting Result", date, k_plot_value)

indicator_lines = Line()

for indicator_name in indicator_name_list:

indicator_lines.add(indicator_name, date, da[indicator_name].tolist())

然后用bar來制作成交量。這樣的話基本就形成了。

但是我們進一步希望能夠在k線圖上繪制出買賣信號發生的信息，也就是交易發出的時間點，那么我們用es來添加，這里隨便使用了10和18天作為一個買賣時間點。

我們做了這么多的圖怎么讓他們一起顯示出來呢？這里就要用到overlap了，也就是疊加的類。

overlap = Overlap()

overlap.add(kline)

overlap.add(indicator_lines,)

overlap.add(bar,yaxis_index=1, is_add_yaxis=True)

overlap.add(es)

overlap.render(path='tt.html')

我們最后來看一下結果怎么樣：

可以說相當漂亮了。筆者圈起來的就是我們繪制的時候設置的buy和sell兩個點。

數據平臺

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。