在大数据时代对数据按自己理解的进行可视化是非常关键的一部。我们以科大讯飞这一股票从14-11至17-11的数据进行可视化。我们还是以最简单的均线系统规律来确立简单的买卖点。版本python3。经历的步骤有：
1、提取数据；
2、解析数据，得到我们想要的数据；
3、对数据进行一定处理，便于可视化；
4、可视化；以下是代码：
# !/usr/bin/env python
# -*- encoding: utf-8 -*-
import sys
import importlib
importlib.reload(sys)
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
def rowIndex(row):
"""添加需要的标记和标记位置"""
global plt
if row.signal > 0:
#标图示annotate
plt.annotate(u'b', xy=(row.date_o, row.signal), #xy表示被标注的位置
arrowprops=dict(facecolor='red', shrink=0.05))
if row.signal < 0:
plt.annotate(u's', xy=(row.date_o, row.signal))
if __name__ == '__main__':
#用lambda表达式将日期转换为字符格式
daterparse1 = lambda dates: pd.datetime.strptime(dates, "%Y-%m-%d")
#以特定格式和方式读取csv文件,pandas读取文件成为DataFrame对象或者Series对象
s_list = pd.read_csv('kd.csv', skiprows=0, encoding='utf-8',
index_col='date', parse_dates=True,
date_parser=daterparse1)
s_list['date_o'] = s_list.index #将DataFrame对象（本身就是字典）的索引存为 原日期的字典
s_list['ma_sub'] = s_list['ma5'] - s_list['ma20']
s_list['diff'] = np.sign(s_list['ma_sub']) #返回数组中的正负号，分别用1和-1表示
#shift为对齐操作
s_list['signal'] = np.sign(s_list['diff'] - s_list['diff'].shift(1))
s_list['signal'].plot(ylim=(-2, 2))
(s_list['close']/40).plot(ylim=(-2, 2))
s_list.apply(rowIndex, axis=1) #对DataFrame对象的行（axis=1）使用apply方法#返回行索引对应的Series对象
plt.legend(loc='upper right') #设置图例显示的位置
# plt.legend(loc=4) #upper right/left=1/2;lower left/right=3/4
plt.grid(b=True)
plt.title(u'Ma5--Ma20 to When Buy Or Sell', fontsize=18)
plt.show()
# plt.savefig('002230_mod.png', bbox_inches='tight')
代码解析：
1、需要用到的包，sys，matplotlib，pandas，numpy；
2、提取数据，我们用到的是csv格式数据，相应代码的功能在代码中已注释，首先以自定义方式读取数据，我们需要用到日期，收盘价，5日平均及20日平均价格；其中index_col关键字为指定以哪列数据为索引构建DataFrame数据；我们首先看看数据是什么样的：
对其提取之前先要对日期格式做一个调整；lambda可实现这一功能。parse_dates是对时间序列进行解析（为真）；data_parser为解析日期的函数——有一个默认函数，但使用我们自己定义的函数；
3、对数据进行一系列处理，提取日期数据；求出均线差值：得出变化范围的标志；得出标记信号；限制绘图数据范围，避免溢出看不出趋势。
4、定义标记函数：用annotate函数实现按预期指定标记——标记符号，位置，箭头颜色和大小；按照行的信号大小来标记；大于0，标为买，小余0，标为卖；
5、可视化，利用定义的信号及收盘价、日期来绘制图表。以下是输出结果：
投资时点是一个极其重要的参考指标，为使买卖信号更清晰，便于提示我们什么时候进行买卖，我们可以把出现转机的时点作为文本，标在图上。
# !/usr/bin/env python
# -*- encoding:utf-8 -*-
import sys
import importlib
#importlib.reload(sys)
#Python3不同，使用上述语句替代，但不建议使用
#sys.setdefaultencoding('utf-8')
import matplotlib as mpl
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
#交错标注日期的转换标志
cn = 1
cnb = 1
def rowIndex(row):
"""根据指示绘制买卖信号的标志"""
global plt, cn, cnb
#交错标注日期的位置常数
buyt = 0.5
buyb = 0.5
if row.signal > 0:
#xy表示被注释的位置坐标
plt.annotate(u'B', xy=(row.date_o, row.signal),
arrowprops=dict(facecolor='red', shrink=0.05))
if cn == 1:
buyt = 1
cn = -1
else:
buyt = 0.5
cn = 1
plt.annotate(str(row.date_o).replace("-", "")[2:8], #日期字符化、替代、切片
xytext=(row.date_o, row.signal + buyt), #文本标注的位置
xy = (row.date_o, row.signal + 0.5), #指示标志的位置
arrowprops=dict(facecolor='red', shrink=0.5))
if row.signal < 0:
plt.annotate(u'S', xy=(row.date_o, row.signal))
if cnb == 1:
buyb = 1
cnb = -1
else:
buyb = 0.5
cnb = 1
plt.annotate(str(row.date_o).replace("-", "")[2:8],
xytext = (row.date_o, row.signal - buyb),
xy = (row.date_o, row.signal + 0.5),
arrowprops=dict(facecolor='red', shrink=0.5))
if __name__ =="__main__":
mpl.rcParams['font.sans-serif'] = ['Arial Unicode MS'] #正常显示中文标签
mpl.rcParams['axes.unicode_minus'] = False #正常显示负号
dateparse1 = lambda dates: pd.datetime.strptime(dates, '%Y-%m-%d')
s_list = pd.read_csv("kd.csv", skiprows=0, encoding='utf-8',
index_col='date', parse_dates=True,
date_parser=dateparse1)
s_list['date_o'] = s_list.index
s_list['ma_sub'] = s_list['ma5'] - s_list['ma20']
s_list['diff'] = np.sign(s_list['ma_sub'])
s_list['signal'] = np.sign(s_list['diff'] - s_list['diff'].shift(1))
s_list['signal'].plot(ylim=(-2, 2))
(s_list['close']/40).plot(ylim=(-2, 2))
s_list.apply(rowIndex, axis=1)
plt.legend(loc='upper right')
plt.grid(b=True)
#打开matplotlib查看器查看图形
plt.show()
其中精妙之处在于，使用一个转换标志来交错的在图上标示提示信息，避免重叠，包括距离转换。以下是结果：
注意的是：
1、提示标志和提示信息是两块图层内容，需要分别绘制；
2、绘制提示信息时，需要用到条件语句进行限制，并随之变更转换标志，将提示信息交错绘制；
3、row在python中是一关键字，可以直接应用于对数据的相关处理（定义函数），调用函数时，程序自动按行查找，不需要传递实参。
要显示汉字，请参考！c12-4.
