

> 前几篇画的图都是"跑一次出一张"，第二天数据变了图就旧了。真正的盯盘工具应该像行车记录仪：几只自选股的价格走势、当日涨跌、成交量、告警信息拼在一屏，数据一更新整屏自动刷新，出事自动标红。这一篇就是把这半年的图表功力收口成一块"监控看板"。

## 一、看板和"一张图"差在哪

单张图回答一个问题，看板要**一屏回答四个问题**：

1. 自选股走势现在到哪了？（价格曲线）
2. 今天谁在异动？（涨跌幅条形，越限高亮）
3. 量能有没有配合？（成交量）
4. 要不要处理？（告警面板：跌幅越限、回撤越限自动标红）

再把"跑一次"升级成"定时跑"——每轮刷新重新取数、重画、存盘，就是一块最小可用的监控看板。

**本文你将得到：**

1. 2×2 多子图看板布局的完整代码（走势 + 涨跌条形 + 成交量 + 告警面板）；
2. 告警判定与"越限标红"的实现（条形加警示框、面板文字变色）；
3. 定时刷新的循环骨架（每轮重新取数成图并按轮次存档）；
4. 一套可以直接挂到服务器定时任务上的看板雏形。

## 二、准备环境

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

数据通过行情 API 拉取日线，证书换成你自己的即可拿到真实行情；把本脚本挂进定时任务（如 APScheduler 或 cron），就成了每天自动刷新的看板。

## 三、完整代码（已实测跑通）

```python
from mairui import Client
import random
import time
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
RED, GREEN, ORANGE = "#d43f3a", "#3a9d5d", "#e6a23c"
COLORS = {"600519": "#d43f3a", "000001": "#409eff", "300750": "#3a9d5d"}

# 代码 -> (名称, 演示扰动种子)
WATCH = {"600519": ("贵州茅台", 201), "000001": ("平安银行", 202), "300750": ("宁德时代", 203)}
ALERT_RET = -2.0     # 单日跌幅告警阈值（%）
ALERT_DD = -5.0      # 区间回撤告警阈值（%）


def perturb(bars, seed):
    # 演示证书返回固定样例数据；每轮刷新给种子加轮次偏移（确定性），
    # 模拟"新一根K线到达"后看板数据更新。换成正式证书后每轮直接重取
    # 真实数据，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_bars(code, round_no=0):
    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")
    return perturb(bars, WATCH[code][1] + round_no)


def build_dashboard(round_no):
    closes, rets, dds, vols = {}, {}, {}, {}
    for code, (name, _) in WATCH.items():
        bars = fetch_bars(code, round_no)
        c = pd.Series([float(b["c"]) for b in bars],
                      index=[str(b.get("t", "")) for b in bars])
        v = pd.Series([float(b.get("v", 0) or 0) for b in bars], index=c.index)
        closes[code] = c
        rets[code] = (c.iloc[-1] / c.iloc[-2] - 1) * 100
        dds[code] = (c.iloc[-1] / c.max() - 1) * 100
        vols[code] = v

    fig, axes = plt.subplots(2, 2, figsize=(13, 8))
    ax1, ax2, ax3, ax4 = axes[0, 0], axes[0, 1], axes[1, 0], axes[1, 1]
    # 图1：收盘价走势
    for code in WATCH:
        c = closes[code]
        ax1.plot(range(len(c)), c.values, color=COLORS[code], linewidth=1.3,
                 label=f"{WATCH[code][0]} {c.iloc[-1]:.2f}")
    ax1.set_title("自选股收盘价走势", fontsize=13)
    ax1.set_xlabel("交易日序号"); ax1.set_ylabel("价格（元）")
    ax1.legend(fontsize=9); ax1.grid(alpha=0.25)
    # 图2：最新日涨跌幅条形图（跌超阈值加橙色警示框；涨红跌绿）
    codes = list(WATCH)
    vals = [rets[c] for c in codes]
    bars = ax2.bar(codes, vals, color=[RED if v >= 0 else GREEN for v in vals], alpha=0.85)
    for b, v in zip(bars, vals):
        if v <= ALERT_RET:
            b.set_edgecolor(ORANGE); b.set_linewidth(2.5)
    ax2.axhline(0, color="#555", linewidth=0.8)
    ax2.set_title("最新日涨跌幅（橙框=触发告警）", fontsize=13)
    ax2.set_ylabel("涨跌幅（%）")
    for i, v in enumerate(vals):
        ax2.text(i, v + (0.1 if v >= 0 else -0.25), f"{v:+.2f}%", ha="center", fontsize=10)
    ax2.grid(alpha=0.25, axis="y")
    # 图3：近30日成交量
    for code in WATCH:
        v = vols[code].tail(30)
        ax3.plot(range(len(v)), v.values, color=COLORS[code], linewidth=1.1,
                 alpha=0.9, label=WATCH[code][0])
    ax3.set_title("近30日成交量", fontsize=13)
    ax3.set_xlabel("交易日序号"); ax3.set_ylabel("成交量")
    ax3.legend(fontsize=9); ax3.grid(alpha=0.25)
    # 图4：告警面板（越限项标红）
    ax4.axis("off")
    alerts = []
    for c in codes:
        name = WATCH[c][0]
        if rets[c] <= ALERT_RET:
            alerts.append(f"[跌] {name} 单日 {rets[c]:+.2f}% <= {ALERT_RET}%")
        if dds[c] <= ALERT_DD:
            alerts.append(f"[撤] {name} 区间回撤 {dds[c]:+.2f}% <= {ALERT_DD}%")
    lines = [f"第 {round_no} 轮刷新 @ {time.strftime('%H:%M:%S')}"]
    lines += ["● " + a for a in alerts] if alerts else ["全部指标正常"]
    lines.append("")
    for c in codes:
        lines.append(f"{WATCH[c][0]} 现价 {closes[c].iloc[-1]:.2f} | 回撤 {dds[c]:+.2f}%")
    ax4.text(0.04, 0.95, "\n".join(lines), fontsize=11.5, va="top", linespacing=1.9,
             color="#b03030" if alerts else "#2c7a45")
    ax4.set_title("监控告警面板", fontsize=13)

    plt.suptitle(f"量化监控看板 · 第 {round_no} 轮", fontsize=15)
    plt.tight_layout(rect=[0, 0, 1, 0.95])
    out = f"dashboard_round{round_no}.png"
    plt.savefig(out, dpi=120)
    plt.close(fig)
    return out, rets, dds


def main():
    for r in range(1, 4):  # 模拟定时刻刷新 3 轮；生产环境换成 while True + sleep 或 APScheduler
        out, rets, dds = build_dashboard(r)
        tags = " | ".join(f"{c}:{rets[c]:+.2f}%(撤{dds[c]:+.1f}%)" for c in WATCH)
        print(f"第{r}轮刷新 -> {out} | {tags}")
        print("  告警判定: " + ("无越限" if all(
            rets[c] > ALERT_RET and dds[c] > ALERT_DD for c in WATCH) else "存在越限项，面板已标红"))


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
第1轮刷新 -> dashboard_round1.png | 600519:-2.26%(撤-8.9%) | 000001:+0.91%(撤-6.2%) | 300750:+4.94%(撤-1.8%)
  告警判定: 存在越限项，面板已标红
第2轮刷新 -> dashboard_round2.png | 600519:+0.91%(撤-6.2%) | 000001:+4.94%(撤-1.8%) | 300750:-3.37%(撤-8.5%)
  告警判定: 存在越限项，面板已标红
第3轮刷新 -> dashboard_round3.png | 600519:+4.94%(撤-1.8%) | 000001:-3.37%(撤-8.5%) | 300750:+1.05%(撤-3.0%)
  告警判定: 存在越限项，面板已标红
PASS
```

三轮刷新各生成一张 `dashboard_roundN.png`：每张 2×2 四面板，数据逐轮变化（第 1 轮 600519 单日 -2.26% 触发跌幅告警，第 2 轮 300750 -3.37% 轮到它亮橙框，第 3 轮 000001 -3.37% 越限）——跌超 -2% 的条形自动加橙色警示框，告警面板整体转红色、逐条列出 `[跌]`/`[撤]` 越限项。这就是"看板式监控"的最小闭环：**数据变 → 图变 → 告警变**。

> 说明：演示证书返回固定样例数据，代码用"每轮偏移的确定性扰动"模拟新数据到达；换成你自己的正式证书后删掉 `perturb` 调用，每轮直接重取真实行情，看板逻辑零改动。

## 五、两个必须懂的实现细节

1. **告警面板别用等宽英文字体**：给中文文字块设 `family="monospace"` 会落到 DejaVu Sans Mono，它没有中文字形，整段变方框（控制台刷一排 `Glyph missing` 警告）。保持全局 `SimHei` 即可，本文实测踩过这个坑。
2. **回撤告警用"区间高点"而不是"成本价"**：`c.max()` 是区间最高价，`c / c.max() - 1` 度量的是从巅峰回落多少；如果用成本价，刚创新高的票永远"零回撤"，会漏掉真正的回撤风险。

## 六、系列小结

至此本系列六篇收口：#01 蜡烛图、#02 三面板指标、#03 多股对比与相关性、#04 回测绩效三件套、#05 板块热度矩阵，到本篇把它们拼成自动刷新的监控看板。从"拿到数据"到"看懂数据"再到"盯住数据"，一条完整的可视化链路已经跑通——剩下的就是把 `WATCH` 换成你自己的自选股、把定时循环挂上服务器。

## 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


前几篇画的图都是"跑一次出一张"，第二天数据变了图就旧了。真正的盯盘工具应该像行车记录仪：几只自选股的价格走势、当日涨跌、成交量、告警信息拼在一屏，数据一更新整屏自动刷新，出事自动标红。这一篇就是把这半年的图表功力收口成一块"监控看板"。

【Python量化数据可视化 #06】从静态图到看板：搭建你的量化监控可视化面板

人工智能

本教程用Python构建2×2自动刷新监控看板，覆盖价格走势、涨跌幅异动、成交量及告警面板，支持越限标红与定时循环刷新。代码实测跑通，挂上服务器即可每日自动生成仪表盘，适合盯盘用户快速上手。

代码解释

服务器

GitHub

2026上云采购 | AI焕新·智启新局

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 #06】从静态图到看板：搭建你的量化监控可视化面板-腾讯云开发者社区-腾讯云

【Python量化数据可视化 #06】从静态图到看板：搭建你的量化监控可视化面板

【Python量化数据可视化 #06】从静态图到看板：搭建你的量化监控可视化面板

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