

> 白酒、银行、新能源各持一只，谁强谁弱却说不清？三张K线图横坐标各画各的，根本没法比。这篇文章用"归一化"把多只股票拉到同一起跑线，再用相关性热力图告诉你谁和谁在"同涨同跌"。

## 一、多股对比，输在起跑线不同

把 600519（股价千元级）和 000001（股价十元级）画在同一张图上会发生什么？前者的曲线高高在上，后者趴在底部摩擦——但这只说明**股价绝对值不同**，完全不代表涨幅强弱。

正确的对比方式是**归一化**：把每只股票的收盘价都除以区间首日价格再乘 100，起点统一为 100，之后全看"净值百分比"。谁的曲线在上面，谁就是这段时间的赢家，与股价高低彻底无关。

再看另一面：两两只股票的**日收益率相关性**。相关系数接近 1 说明同涨同跌（拿了等于没分散），接近 0 说明走势基本独立（有一定分散效果）。这个矩阵用热力图呈现，红绿深浅一眼扫完。

**本文你将得到：**

1. 多股归一化走势对比图的完整代码（起点统一为 100）；
2. 日收益率相关性矩阵的计算与热力图绘制（含格内数值标注）；
3. pandas 多只股票按日期对齐的实战手法（`DataFrame` + `dropna`）；
4. 双子图左右布局的排版技巧（对比图 3 : 热力图 2）。

## 二、准备环境

```bash
pip install mairui matplotlib pandas numpy
```

三只股票的数据各调一次行情 API，证书换成你自己的即可拿到真实行情。

## 三、完整代码（已实测跑通）

```python
from mairui import Client
import random
import pandas as pd
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei", "Microsoft YaHei"]
plt.rcParams["axes.unicode_minus"] = False

LICENCE = "LICENCE-66D8-9F96-0C7F0FBCD073"  # 演示证书，请换成你自己的正式证书
STOCKS = {"600519": 11, "000001": 22, "300750": 33}  # 代码 -> 演示扰动种子
COLORS = {"600519": "#d43f3a", "000001": "#409eff", "300750": "#3a9d5d"}


def perturb(bars, seed):
    # 演示证书返回固定样例数据；每股用不同种子做确定性 ±5% 扰动，
    # 模拟出不同的走势。换成正式证书后删掉本函数调用即可。
    rng = random.Random(seed)
    out = []
    for b in bars:
        k = 1.0 + (rng.random() - 0.5) * 0.10
        nb = dict(b)
        for f in ("o", "c", "h", "l"):
            if f in nb and nb[f] is not None:
                nb[f] = round(float(nb[f]) * k, 2)
        out.append(nb)
    return out


def fetch_closes(code):
    bars = Client(LICENCE).stock_history(code=code, st="", et="", period="d", dividend="f")
    if not bars:
        raise RuntimeError(f"{code} 未获取到数据，请检查证书是否有效")
    bars = perturb(bars, STOCKS[code])
    return pd.Series([float(b["c"]) for b in bars],
                     index=[str(b.get("t", "")) for b in bars],
                     name=code)


def main(out="compare.png"):
    closes = {code: fetch_closes(code) for code in STOCKS}
    px = pd.DataFrame(closes).dropna()      # 按日期对齐，缺日剔除
    norm = px / px.iloc[0] * 100            # 归一化：起点=100
    ret = px.pct_change().dropna()
    corr = ret.corr()                       # 日收益相关性矩阵

    print(f"共同交易日: {len(px)} 天 | 区间: {px.index[0]} ~ {px.index[-1]}")
    for code in STOCKS:
        print(f"{code} 归一化净值: 100.00 -> {norm[code].iloc[-1]:.2f} "
              f"({(norm[code].iloc[-1] - 100):+.2f}%)")
    print("日收益相关性矩阵:")
    print(corr.round(3).to_string())

    fig, (ax1, ax2) = plt.subplots(
        1, 2, figsize=(13, 5),
        gridspec_kw={"width_ratios": [3, 2]},
    )
    # --- 左图：归一化走势对比 ---
    for code in STOCKS:
        ax1.plot(range(len(norm)), norm[code], label=code,
                 color=COLORS[code], linewidth=1.4)
    ax1.axhline(100, color="#999", linewidth=0.8, linestyle="--")
    ax1.set_title("多股走势归一化对比", fontsize=13)
    ax1.set_xlabel("交易日序号")
    ax1.set_ylabel("归一化净值（起点=100）")
    ax1.legend(fontsize=10)
    ax1.grid(alpha=0.25)
    # --- 右图：相关性热力图 ---
    data = corr.values
    im = ax2.imshow(data, cmap="RdYlGn_r", vmin=0, vmax=1)  # 红=高相关，绿=低相关
    codes = list(STOCKS)
    ax2.set_xticks(range(len(codes)))
    ax2.set_yticks(range(len(codes)))
    ax2.set_xticklabels(codes)
    ax2.set_yticklabels(codes)
    ax2.set_title("日收益率相关性热力图", fontsize=13)
    for i in range(len(codes)):
        for j in range(len(codes)):
            ax2.text(j, i, f"{data[i, j]:.2f}", ha="center", va="center",
                     color="#222", fontsize=11)
    fig.colorbar(im, ax=ax2, fraction=0.046)
    plt.tight_layout()
    plt.savefig(out, dpi=120)
    plt.close(fig)
    print(f"图表已保存: {out}")


if __name__ == "__main__":
    main()
```

## 四、真实运行结果

在 Python 3.9 环境实测运行，控制台输出：

```text
共同交易日: 50 天 | 区间: 2025-09-15 ~ 2025-12-01
600519 归一化净值: 100.00 -> 106.55 (+6.55%)
000001 归一化净值: 100.00 -> 96.11 (-3.89%)
300750 归一化净值: 100.00 -> 98.20 (-1.80%)
日收益相关性矩阵:
        600519  000001  300750
600519   1.000  -0.237  -0.068
000001  -0.237   1.000  -0.171
300750  -0.068  -0.171   1.000
图表已保存: compare.png
```

生成的 `compare.png` 左右两张图：左图三条归一化曲线同台竞技，600519 一路领先收在 106.55，000001 垫底收在 96.11——强弱关系在起点归一之后一目了然；右图 3×3 热力图，对角线恒为 1.00（自己和自己完全相关），格内的数值就是两两日收益的相关系数，颜色越红代表同涨同跌越明显。

> 说明：演示证书下三只股票的原始样例数据相同，代码用不同扰动种子模拟出差异化走势；换成你自己的正式证书后删掉 `perturb` 调用，三只股票各自的真实行情直接成图，其余逻辑零改动。

## 五、两个必须懂的实现细节

1. **按日期对齐再算相关性**：三只股票的交易日可能有细微差异（停牌等），直接拼列表会错位。代码里把每只股票转成以日期为索引的 `pd.Series`，再用 `pd.DataFrame(...).dropna()` 自动按索引对齐并剔除缺日，相关性才算得对。
2. **相关性用的是日收益率，不是价格**：价格序列本身有趋势（不平稳），直接对价格算相关会得到虚高数值。必须先 `pct_change()` 转成日收益率再 `corr()`，这是量化分析的标准做法。

## 六、小结与下篇预告

归一化对比图回答"谁更强"，相关性热力图回答"谁跟谁是一伙的"——两张图合起来，就是组合分散度的最直观检查工具。加上 #01 的K线和 #02 的三面板指标，你手里的静态可视化弹药已经齐了大半。

**下篇预告**：《【Python量化数据可视化 #04】回测报告不会写？净值曲线、回撤与收益分布三张图》——把一份回测结果画成"能放进汇报里"的标准三件套，让策略好坏不再靠嘴说。

## 免责声明

本文所有代码与数据仅用于技术学习与演示，不构成任何投资建议。股市有风险，投资需谨慎。

## 代码与文档

SDK 与更多语言版本：https://github.com/MaiRuiApi


白酒、银行、新能源各持一只，谁强谁弱却说不清？三张K线图横坐标各画各的，根本没法比。这篇文章用"归一化"把多只股票拉到同一起跑线，再用相关性热力图告诉你谁和谁在"同涨同跌"。

【Python量化数据可视化 #03】多只股票怎么比？走势归一化对比+相关性热力图

大数据

用归一化将多只股票起点统一为100，直观对比走势强弱；结合日收益率相关性热力图，识别同涨同跌关系。附完整Python代码，含数据对齐、归一化、热力图绘制，实测可跑通，助你快速完成多股组合分散度分析。

数据可视化

代码解释

Python

GitHub

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【Python量化数据可视化 #03】多只股票怎么比？走势归一化对比+相关性热力图-腾讯云开发者社区-腾讯云

【Python量化数据可视化 #03】多只股票怎么比？走势归一化对比+相关性热力图

【Python量化数据可视化 #03】多只股票怎么比？走势归一化对比+相关性热力图

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐