专栏首页小小挖掘机盘一盘 Python - PyEcharts (v1.0)

盘一盘 Python - PyEcharts (v1.0)

0

引言

有读者说〖PyEcharts〗一贴里的图美如画,但是版本是 pyecharts v0.5,用现在 v1.0 来运行会出错,建议我再写篇 pyecharts v1.0 的。我最不喜欢让读者失望,这不我就来了。

用 v1.0 来运行 v0.5 的代码是肯定会报错的,v0.5 和 v1 间不兼容,v1 是一个全新的版本。首先来回顾 v0.5 的方法总结。

PyEcharts v0.5 方法总结

对 pyecharts 中的所有原件,都是先创建 (可以带些必要属性,比如标题和尺寸),再用 add 方法添加额外属性。其通用化流程为

object = Object( 必要属性 )

object.add( 额外属性 )

在画图之前,你应该对那些原件可以干嘛有个大概印象,比如 Kline 是画 K 线图,Heatmap 是画热力图,WordCloud 是图词云图等等。对于那些装饰原件所需的必要属性和额外属性,上官网一查便知,跟着例子看理解更快。

画多个坐标系用 Grid 对象;叠加多个原件用 Overlap 对象;随着时间轴展示不同时点的数据关系用 Timeline 对象,等等。

首先用 pip 安装 pyecharts

pip install pyecharts

引入 pyecharts 并打印出它的版本

import pyecharts as pye
print('pyecharts: %s' % pye.__version__)
pyecharts: 1.3.1

本文首先对比 pyecharts v0.5 和 v1.0 的区别,之后举三个从简单到复杂的例子来学习 v1.0 的用法。

1

v0.5 Vs v1.0

引入基本元件

在 v0.5 中,引入 Line (线)、Kline (K 线)、Bar (柱状图)、Pie (饼状图)、Grid (多坐标系)、Overlap(叠加对象)、Timeline (时间轴轮播图)、TreeMap (树状图) 和 WordCloud (词云图) 的代码如下:

from pyecharts
import Line, Kline, Pie, 
       Grid, Overlap, Timeline, 
       TreeMap, WordCloud

在 v1.0 中,引入它们(除了 Overlap)的代码如下:

from pyecharts.charts 
import Line, Kline, Pie, 
       Grid, Timeline, 
       TreeMap, WordCloud

在 v1.0 中,我们从 pyecharts.charts 中引入元件,而不是从 pyecharts 引入。此外,v1.0 已经没有用于组合元件的 Overlap 了,它有一种更简单的组合方法。对于两个元件,K 线 kline 和线 line,v0.5 和 v1.0 的代码如下:

v0.5:需要先创建一个 Overlap 对象,再把 kline 和 line 一个个添加进去。

overlap = Overlap()

overlap.add(kline)

overlap.add(line)

v1.0:每个元件都有 overlap() 函数,可以另外元件,比如先创建 kline 再添加 line.

kline.overlap(line)

一切皆配置

在 pyecharts v1.0 中,一切皆配置(options)。配置项有两种:全局配置项系列配置项

全局配置项有以下 16 小项:

系列配置项有以下 14 小项:

配置项越细就能画出更多细节。在后面几节我们会重点说明,尤其是全局配置项,它可通过 set_global_options 方法来设置。

引入 pyecharts 里的 options 代码如下:

from pyecharts import options as opts

1

K 线图

数据

首先用 YahooFinancials API 来下载外汇的三年半历史数据,安装该 API 用一行代码:

pip install yahoofinancials

数据的描述如下

  • 起始日:2016-01-01
  • 终止日:2019-05-13
  • 四个外汇:欧元美元、美元日元、美元人民币,英镑美元

其中货币用的不是市场常见格式,比如「欧元美元」用 EURUSD=X,而不是 EURUSD,而「美元日元」用 JPY=X 而不是 USDJPY

下面代码就是从 API 获取数据:

该 API 返回结果 FX_daily 是「字典」格式,样子非常丑陋,感受一下。

数据样子虽丑,但还满齐全,画 K 线需要的开盘价 (open)、最高价 (high)、最低价 (low)、收盘价 (close) 都有。将上面的「原始数据」转换成 DataFrame,代码如下:

第 3 行完全是为了 YahooFinancial 里面的输入格式准备的。如果 Asset 是加密货币,直接用其股票代码;如果 Asset 是汇率,一般参数写成 EURUSD 或 USDJPY

  • 如果是 EURUSD,转换成 EURUSD=X
  • 如果是 USDJPY,转换成 JPY=X

第 6 行定义好开盘价、收盘价、最低价和最高价的标签。

第 7 行获取出一个「字典」格式的数据。

第 8, 9 行用列表解析式 (list comprehension) 将日期和价格获取出来。

第 11 到 13 行定义一个 DataFrame

  • 值为第 9 行得到的 price 列表
  • 行标签为第 8 行得到的 index 列表
  • 列标签为第 6 行定义好的 columns 列表

处理过后的数据格式美如画,看看 USDCNY。

curr = 'USDCNY'
data = data_converter( FX_daily, curr, 'FX' )
data.head(3).append(data.tail(3))

PyEcharts v0.5

PyEcharts 0.5 里画 K 线用到 Kline对象,除此之外我们添加最高价和最低价两条线 Line 对象,再用 Overlap 对象来「叠加」它们。

第 1-2 行获取日期和汇率。

第 4 行创建 K 线对象 Kline,设置好标题 "xxx Chart" 和位置 center。第 5-6 行在 Kline 上添加属性

  • 图例:'K-Line',
  • x 坐标轴数据:日期
  • y 坐标轴数据:一定要按 [开盘值, 收盘值, 最低值, 最高值] 的顺序,之前处理数据特意按这个顺序设定 DataFrame 的列标签的
  • x 坐标轴可拉伸True
  • 图例位置:右边
  • 图例排序:竖直
  • 图例文字大小:10

第 8 行创建折线对象 Line。第 9-13 行在 Line 上添加两条折线,一条是最高价,一条是最低价。

第 14 行创建叠加对象 Overlap。第 15-16 行在 Overlap 上分别添加之前的 Kline 和 Line,这样就把所有对象整合在一起了。

第 17 行如果被运行,该动态图被生成到 USDCNY Chart.html 网页文件里;如果没被运行,该动态图将显示在 Jupyter Notebook 中。

PyEcharts 1.0

PyEcharts 1.0 里画 K 线用到 Kline 对象,除此之外我们添加最高价和最低价两条线 Line 对象,然后直接把两条线添加到 K 线上去。

需要把日期转成 'Y/m/d' 格式,在转成列表形式。在 v1.0 中,所有数据都需要转成列表形式。

第 2 行用 Kline() 构造函数生成 K 线对象,然后

  • 用 add_xaxis() 来修饰 x 轴(第 3 行)传入日期列表
  • 用 add_yaxis() 来修饰 y 轴(第 4 行)传入价格列表
  • 用 set_global_opts() 来设置全局配置(第 5-16 行),主要配置包括:
    • y 轴可缩放,且颜色交错(第 6-12 行)
    • x 轴可缩放(第 13 行)
    • 设置标题(第 14 行)
    • 数据局域缩放(第 15 行)

第 20 行用 Line() 构造函数生成线对象,然后

  • 用 add_xaxis() 来修饰 x 轴(第 21 行)传入日期列表
  • 用 add_yaxis() 来修饰 y 轴(第 22-29 行)传入最高价列表
  • 用 add_yaxis() 来修饰 y 轴(第 30-37 行)传入最低价列表
  • 用 set_global_opts() 来设置全局配置,主要设置数据局域缩放(第 38 行)

在修饰 y 轴时,我们还设置了线的宽度和透明度、已经不打印出 y 轴对应的图示。

最后将 K 线两条线组合在一起,在 notebook 里展现 (render_notebook)。

在 v1.0 中,通用代码长得以下这个样子

obj = (

Object(...)

.add_xaxis(...)

.add_yaxis(...)

.set_global_options(...)

)

其中 Object 可以是任何常见元件,比如 Kline,Line 和 Bar 等等。三点省略号 ... 就代表各种配置了,具体是什么那就要读文档了。

2

股价 K 线图 + 折线图

数据

本小节使用 5 个股票数据,描述如下:

  • 5 只股票:AAPL, JD, BABA, FB, GS
  • 1 年时期:从 2018-02-26 到 2019-02-26

再加上同时期的标准普尔 500 指数 (SPX),和恐慌指数 (VIX)。数据如下:

stock_data = pd.read_csv( '1Y Stock Data.csv', 
                           parse_dates=[0],
                           dayfirst=True )
stock_data.head().append(stock_data.tail())
data = pd.read_csv( 'S&P500.csv', 
                     index_col=0,
                     parse_dates=True,
                     dayfirst=True )
spx = data[['Adj Close']].loc['2018-02-26':'2019-02-26']
spx.head(3).append(spx.tail(3))
data = pd.read_csv( 'VIX.csv', 
                     index_col=0,
                     parse_dates=True,
                     dayfirst=True )
vix = data[['Adj Close']].loc['2018-02-26':'2019-02-26']
vix.head(3).append(vix.tail(3))

PyEcharts v0.5

我们想把苹果股票的 K 线图,和 SPX 和 VIX 折线图放在一起看。如果再用 Overlap 来叠加它们会显得图很乱,这时可以借用 pyecharts 里的 Grid 对象,它是将上面三个图放在三个坐标系中。

代码如下:

第 1-5 行用 code 获取股票数据,并获取日期和价格。为了画 K 线,价格数组的列必须按 pyecharts 里 API 要求的顺序 - [开盘价, 收盘价, 最低价, 最高价]。

第 6 -7 行创建 Kline 对象 (标题放左边),并添加 x 轴数据、y 轴数据和“允许横轴拉伸”。

第 10 -12 行创建 Line 对象 (标题为 SPX,位置离顶 55%) 并起名为 line1,再添加若干属性,比如 y 轴范围、标识最小值、允许横轴拉伸。最关键的是 datazoom_xaxis_index=[2,1,0],就说伸缩功能控制三个轴,AAPL 一个,SPX 一个,VIX 一个。这样拉伸 x 轴三幅子图可以同时动,非常酷!

第 15 -18 行创建 Line 对象 (标题为 VIX,位置离顶 75%) 并起名为 line2,再添加若干属性。

第 20 行创建 Grid 对象,宽 1000,高 600 (这些数值是不断尝试看效果设置的)。

第 20-23 行将三幅图加在 Grid 中,关键点是如何设置里面的 grid_top 和 grid_bottom 里的百分数而使得图看起来好看,这个没有标准的,不停地尝试到你最终满意为止。本例中 AAPL 占了 5% 到 50% 的位置,SPX 占了 55% 到 70% 的位置,VIX 占了 75% 到 90% 的位置 (还有 10% 位置留给了拉缩轴)。

第 24 行如果被运行,该动态图被生成到 APPL&VIX.html 网页文件里;如果没被运行,该动态图将显示在 Jupyter Notebook 中。

从图上可以看到在 2018 年底 SPX 和 VIX 同时到达最低点和最高点,对应的苹果 K 线看,在那一点前后苹果股价有一个大跌和大涨。

PyEcharts v1.0

直接上代码。

日期和 OLHC 价格所有数据都需要转成列表形式。

用 Kline() 构造函数生成 K 线对象上节已经讲过,需要注意的是第 21 行中的 xaxis_index=[0,1,2],这个设置太关键了。本图含三个子图

  1. 苹果股票的 K 线图(index 0)
  2. 标普 500 的折线图 (index 1)
  3. 恐慌指数的折线图 (index 2)

上面设置是 index为 1 和 2 的两幅图的数据局部伸缩跟着 index 0 那幅图,这样就实现了用一根 x 轴的 slider 可以任意缩放三幅图的数据。

用 Line() 构造函数生成线对象上节已经讲过,需要注意的是第 34 和 54 行,用 MarkPointOpts 选项标识出 SPX 的最小值和 VIX 的最大值。

第 57 行用 Grid() 构造函数来生成网格对象 grid_chart,用来组合上面的三幅图。

接下来一个个加上 AAPL K 线(第 69-72 行)、 SPX 折线(第 73-76 行)和 VIX 折线(第 77-80 行),注意里面 GridOpts 选项里的位置参数。

最后(第 82 行)在 notebook 里展现 grid_chart。

3

股价 K 线图 + 交易量柱状图

数据

本小节使用标准普尔 500 指数 (SPX) 在 2018-02-26 到 2019-02-26 的数据。

PyEcharts v1.0

首先整理一下数据,比如将它们转换成列表形式,等等。

date = pd.to_datetime(data.index).strftime('%Y/%m/%d').tolist()
price = data[['Open','Close','Low','High']].values.tolist()
close = data['Close']
volume = data['Volume'].values.tolist()

先用 Kline() 构建 K 线,这里面的内容最丰富。

重点:

第 7 行 - 添加用 Hex 字符串表示的红和绿两种颜色,对应着 K线涨和跌的颜色。

第 22-37 行 - 添加两个「数据区域缩放」功能,一个看的到(用鼠标拉缩图最下面的 slider),一个看不到(用鼠标直接在图中拉缩),并且设置 xaxis_index =[0,1],表示用 K 线图(index 0)来控制柱状图(index 1)。

第 39-46 行 - 将两幅图的提示框合并在一起(第 41 行这个设置太牛逼)。

第 57-67 行 - 坐标轴指示器配置和区域选择组件配置使得数据和轴可以一起联动。

再用 Line() 构建两条移动平均线,没什么可说的,用 pandas 里面的 rolling() 函数计算了 MA5 和 MA20。

再用 Bar() 构建交易量柱状图,注意第 112-115 行代码,这些设置为了不显示柱状图的 x 轴上的信息。

最后将 K 线图、两条移动均线图和交易量柱状图组合。

看效果吧。

4

总结

太累了不想总结了,对 pyecharts v1.0 记着一点就行了:

一切皆配置(options),细节都在里面。

其他的都可以查文档,或者在函数中按“shift + tab”来查看有那些参数。

本文分享自微信公众号 - 小小挖掘机(wAIsjwj)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-12-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 推荐系统遇上深度学习(四十四)-Airbnb实时搜索排序中的Embedding技巧

    本文介绍的论文题目是:《Real-time Personalization using Embeddings for Search Ranking at Air...

    石晓文
  • 一文详解数据归约的四种途径

    数据归约是在保证数据信息量的基础上,尽可能精简数据量。筛选和降维是数据归约的重要手段,尤其在数据量大且维度高的情况下,可以有效地节约存储空间和计算时间。反之,...

    石晓文
  • 特征工程系列:特征筛选的原理与实现(下)

    我们在《特征工程系列:特征筛选的原理与实现(上)》中介绍了特征选择的分类,并详细介绍了过滤式特征筛选的原理与实现。本篇继续介绍封装式和嵌入式特征筛选的原理与实现...

    石晓文
  • 盘一盘 Python 系列 7 - PyEcharts (v1.0)

    有读者说〖PyEcharts〗一贴里的图美如画,但是版本是 pyecharts v0.5,用现在 v1.0 来运行会出错,建议我再写篇 pyecharts v1...

    用户5753894
  • 线性回归分析

    残差正态性的频率检验是一种很直观的检验方法,其基本思想是将残差落在某范围的频率与正态分布在该范围的概率相比较,通过二者之间偏差大小评估残差的正态性。

    看、未来
  • Python3获取拉勾网招聘信息

      为了了解跟python数据分析有关行业的信息,大概地了解一下对这个行业的要求以及薪资状况,我决定从网上获取信息并进行分析。既然想要分析就必须要有数据,于是我...

    py3study
  • 业界 | 谷歌智能摄像头Clips开卖啦!能识别宠物动作生成小视频

    大数据文摘
  • [- Flutter 基础篇 -] ListView的使用

    张风捷特烈
  • 带左右箭头切换div的js 原

    (adsbygoogle = window.adsbygoogle || []).push({});

    tianyawhl
  • IM移动端怎么搜索本地聊天记录

    比如要找内容包含某一个字符串的聊天记录,就是一条聊天记录一条聊天记录的看,对于每一条聊天记录,从头看到尾,如果聊天记录包含此字符串,则聊天记录为要找的条目,接着...

    普通程序员

扫码关注云+社区

领取腾讯云代金券