График ОХЛ C python - PullRequest
       54

График ОХЛ C python

0 голосов
/ 22 марта 2020

Я новичок в pandas и matplotlib, и я пытаюсь кодировать некоторые алгоритмы c торговли.

Я купил этот курс , и теперь я понимаю больше, НО ...

Это не включает в себя пример кода для графика OHL C в течение дня (я имею в виду, это не завершено)

И есть другие проблемы, которые у меня есть, что мой родным языком не является английский sh (в испанском языке нет качественного материала sh об этих библиотеках)

Весь материал, который я нашел в Интернете, только отображает "дневной график" и основан на matplotlib.finance, и теперь он устарел, в настоящее время python использует mplfinance.

Пожалуйста, мне нужен пример кода для составления диаграммы CSV-файла в секундах, минутах, часах и днях.

У меня действительно было попробовал, я не ленивый человек, но затрачиваю много времени только на то, чтобы построить этот график, курс не решает мое требование.

Здесь у вас есть CSV-файл для Alibaba (BABA) за 1 секунду , 5 секунд, 15 секунд, 30 секунд и 1 минута График OHL C.

My данные

1 Ответ

0 голосов
/ 22 марта 2020

MPLFINANCE

Вы можете использовать mplfinance. Я попробовал это, и это сработало, вот пример кода.

note : вам нужно переименовать столбец в ваших исходных данных, чтобы столбцы Open, High, Low, Close имеют заглавные буквы в своем первом символе.

import mplfinance as mpf
import pandas as pd

data = pd.read_csv('NYSE_BABA, 5s.csv', index_col=0)
data.index = pd.to_datetime(data.index)
mpf.plot(data,type='candle')

Хорошо, да, свечу трудно увидеть, потому что у нас есть данные по короткому диапазону, но вы понимаете, что это. Надеюсь, это поможет!

enter image description here


PLOTLY

Возможно, вы захотите рассмотреть Plotly для лучшей визуализации.

import plotly.graph_objects as go
import pandas as pd

data = pd.read_csv('NYSE_BABA, 5s.csv')
data['time'] = pd.to_datetime(data['time'], unit='s')

fig = go.Figure(data=[go.Candlestick(x=data['time'],
                open=data['Open'],
                high=data['High'],
                low=data['Low'],
                close=data['Close'])])

fig.show()

enter image description here

...