用Python绘制移动均线【含源代码】

上一篇《用Python绘制专业的K线图》，讲解了数据获取、K线图绘制及成交量绘制等内容。本篇将在上一篇的基础上，继续讲解移动均线的绘制。

1、获取数据

我们从恒有数金融数据社区，获取股票市场历史行情数据。我们获取2021年3月1号~2021年6月1号，恒生电子（600570.SH）的日行情数据，并做简单处理，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.Datafr ame([])  
 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='2021-03-01'  
end  ='2021-06-01'  
set_token(token = 'xxxxxxxxxxxxxxxxxxxxxxxx')   # 注册恒有数之后，获取并替换token  
data = GetData(stock_code,start,end)  
​  
#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']]                    # 选取日期与高开低收价格  
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

2、计算移动均线

#3、计算均值  
data_price['MA5']=data_price['close_price'].rolling(window=5).mean()  
data_price['MA10']=data_price['close_price'].rolling(window=10).mean()  
data_price['MA20']=data_price['close_price'].rolling(window=20).mean()  
data_price

3、绘制K线及移动均线

#4、绘制图片  
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')  
# （2）绘制均线  
ax1.plot(range(len(data_price)), data_price['MA5']  
 , color='red', lw=2, label='MA (5)')  
ax1.plot(range(len(data_price)), data_price['MA10']  
 , color='blue', lw=2, label='MA (10)')  
ax1.plot(range(len(data_price)), data_price['MA20']  
 , color='green', lw=2, label='MA (20)')  
# 设置标注  
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  
plt.legend(loc='best')                    # 绘制图例  
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   
​  
#（3）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()