1，研究股票的蜡烛图

利用 TensorFlow 的docker 镜像，安装 tushare，安装完成直接就可以直接使用了。
上面同时还安装了其他的超级多的框架，非常方便。
开始使用 notebook 画 蜡烛图。
主要使用 matplotlib 画图。
matplotlib.finance.candlestick2_ochl

2，candlestick2_ochl画图

import pandas as pd
import tushare as ts
import datetime
import matplotlib
from matplotlib.dates import DateFormatter, WeekdayLocator,\
    DayLocator, MONDAY
import matplotlib.pyplot as plt
from matplotlib.finance import candlestick2_ochl
import matplotlib.ticker as ticker

begin_time = '2017-07-01'
end_time = '2017-10-01'
code = "000001"
df = ts.get_hist_data(code, start=begin_time, end=end_time)
df = df.sort_index(0)
df_idx = df.index.values

#    df.plot()

fig, ax = plt.subplots(figsize=(20, 10)) # 设置图片大小。

# https://matplotlib.org/api/finan ... -matplotlib.finance
# matplotlib.finance.candlestick2_ochl(ax, opens, closes, highs, lows, width=4, colorup='r', colordown='g', alpha=0.75)
candlestick2_ochl(ax = ax,
                 opens=df["open"].values, closes=df["close"].values,
                 highs=df["high"].values, lows=df["low"].values,
                 width=0.75, colorup='r', colordown='g', alpha=0.75)

ax.xaxis.set_major_locator(ticker.MaxNLocator(20))
# 设置自动格式化时间。
def mydate_formatter(x,pos):
    try:
        return df_idx[int(x)]
    except IndexError:
        return ''
ax.xaxis.set_major_formatter(ticker.FuncFormatter(mydate_formatter))

plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')
ax.grid(True)
plt.title(code)
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
展示的蜡烛图：


数据是平安银行的数据。
使用的是tushare 拉去数据。

然后使用matplotlib 的finace 库画蜡烛图。

# https://matplotlib.org/api/finan ... -matplotlib.finance
# matplotlib.finance.candlestick2_ochl(ax, opens, closes, highs, lows, width=4, colorup='r', colordown='g', alpha=0.75)
1
2
使用蜡烛图，参数需要输入 opens, closes, highs, lows，也就是【今开盘】，【最高价】，【最低价】，【今收盘】。
同时设置 colorup=’r’, colordown=’g’ 涨是红色，跌是绿色。中国和国外的颜色不一样。

使用 ax.xaxis.set_major_formatter(ticker.FuncFormatter(mydate_formatter))
方法设置了，x坐标当中的日期。
将日期展示。

3，关于镜像信息

最近发现使用docker的好处了，TensorFlow 发布最新的1.3了，
我使用的是docker环境做开发。然后我把基础镜像升级了。
再重新打包项目，就升级了。啥问题都没有。超级轻松。
同时只要是dockerfile 没有问题，在哪里运行都是一样的。
这个是超级爽的，现在已经很少在实体机器上安装东西了。
找个镜像，然后启动就行了。超级方便。同时也少了很多运维的问题，编译安装的问题。
安装编译使用参考：（前提要安装好docker）
https://github.com/pythonstock/stock

import pandas as pd
import tushare as ts
import numpy as np
import tensorflow as tf
import datetime
import matplotlib as mpl
import matplotlib.pyplot as plt
import sys
import platform

print("sys: ",sys.version)
print("pandas: ",pd.__version__)
print("tushare: ",ts.__version__)
print("numpy: ",np.__version__)
print("matplotlib: ",mpl.__version__)
print("tensorflow: ",tf.__version__)

print(platform.platform())
print(platform.release())
print(platform.machine())
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
展示信息

sys:  3.5.2 (default, Nov 17 2016, 17:05:23)
[GCC 5.4.0 20160609]
pandas:  0.20.3
tushare:  0.9.8
numpy:  1.13.3
matplotlib:  2.0.2
tensorflow:  1.3.0
Linux-4.9.49-moby-x86_64-with-Ubuntu-16.04-xenial
4.9.49-moby
x86_64
1
2
3
4
5
6
7
8
9
10
4，总结

环境搭建好了之后就是仔细的研究代码了。
python 入门很快，学习深入了也不难，关键在坚持。将统计学的东西，机器学习的东西都引用到股票系统当中。
---------------------
【转载】
作者：freewebsys
原文：https://blog.csdn.net/freewebsys/article/details/78294566