In [4]:
from jqdatasdk import *
from pyecharts import  Kline
In [3]:
# 首先我们先应JQDATA 的活动演示一下如何调用pyecharts 画图
In [6]:
auth('account','password')
data=get_price('000001.XSHE')
auth success
In [15]:
# 先打印下 data

data.head()
Out[15]:
open close high low volume money
2015-01-05 10.53 10.55 10.72 10.27 434357784.0 4.565388e+09
2015-01-06 10.44 10.39 10.79 10.24 328971478.0 3.453446e+09
2015-01-07 10.25 10.19 10.42 10.08 258163619.0 2.634796e+09
2015-01-08 10.21 9.85 10.25 9.81 213761656.0 2.128003e+09
2015-01-09 9.81 9.93 10.45 9.69 380916192.0 3.835378e+09
In [16]:
kline=Kline(width=1360, height=700, page_title='000001')
In [10]:
import numpy as np
import pandas as pd

# 做纵轴的处理
datetime = np.array(data.index.map(str))
In [12]:
ohlc = np.array(data.loc[:, ['open', 'close', 'low', 'high']])
In [17]:
kline.add('000001', datetime, ohlc, mark_point=[
      "max", "min"], is_datazoom_show=False, datazoom_orient='horizontal')
In [19]:
kline.render('000001_plot.html')
In [20]:
import webbrowser
webbrowser.open('000001_plot.html')
Out[20]:
True
In [21]:
"""
以上是jqdata和pyecharts的结合, 不过QUANTAXIS已经对于这些进行了封装  只需要转化jqdata获取回来的数据为QADataStruct即可
"""
Out[21]:
'\n以上是jqdata和pyecharts的结合, 不过QUANTAXIS已经对于这些进行了封装  只需要转化jqdata获取回来的数据为QADataStruct即可\n'
In [22]:
import QUANTAXIS as QA
In [23]:
qads=QA.QAData.QA_DataStruct_Stock_day(data.assign(date=data.index,code='000001').set_index(['date','code']))
In [24]:
qads
Out[24]:
< QA_DataStruct_Stock_day with 1 securities >
In [25]:
qads.plot()
QUANTAXIS>> The Pic has been saved to your path: .\QA_stock_day_codepackage_bfq.html