Python之数据分析（Numpy中读取与保存数据文件、将数据文件制成K线图）

以你之姓@ 2023-02-26 07:27 0阅读 0赞

### 文章目录 ###

*   *   *  一、读取与保存文件
         *  二、将数据文件制成K线图

### 一、读取与保存文件 ###

**1、读取文件格式**

numpy.loadtxt(
        文件名,
        delimiter = 分割符,
        usecols = 选择列,
        unpack = 是否解包(True/False),
        dtype = 目标类型,
        converters = 转换器
    )

*  unpack = False：最终会输出一个二维数组
 *  unpack = True：一列一维数组的集合

**2、保存文件格式**

numpy.savetxt(
        文件名,
        二维数组,
        delimiter = 分隔符,
        fmt=格式
    )

**3、练习代码**

import numpy as np
    a = np.arange(1, 10).reshape(3, 3)  # 3行3列的二维数组
    
    # 保存文本文件
    # np.savetxt(r"0=数据源/test1.csv", a, delimiter=',', fmt="%d") # %d表示整数格式
    
    # 读取文本文件，全部读取
    # read_txt = np.loadtxt(r"0=数据源/test1.csv", delimiter=',', dtype='i4') # 表示4字节整数
    
    # 读取第0列和第二列
    # read_txt = np.loadtxt(r"0=数据源/test1.csv", delimiter=',', usecols=(0, 2), dtype='i4') # 表示4字节整数
    # print(read_txt)
    
    # 读取并解包：解包成两个一维数组
    v1, v2 = np.loadtxt(r"0=数据源/test1.csv", delimiter=',', usecols=(0, 2), unpack=True, dtype='i4')  # 表示4字节整数
    print(v1, v2)

### 二、将数据文件制成K线图 ###

**1、K线图概念**

> From秒懂百科：  
> 股市及期货市场中的K线图的画法包含四个数据，即开盘价、最高价、最低价、收盘价，所有的k线都是围绕这四个数据展开，反映大势的状况和价格信息。如果把每日的K线图放在一张纸上，就能得到日K线图，同样也可画出周K线图、月K线图。  
> ![11][]

**2、数据文件的准备**  
我们都知道，Numpy默认支持的就是csv文件，这种数据文件是以“,”逗号分隔开字段的，也就是在同一行里面，逗号分隔开的就是不同列。  
![22][]

**3、测试代码**

import datetime as dt
    import numpy as np
    import matplotlib.pylab as mp
    import matplotlib.dates as md
    
    # 转换时间格式
    def dmy2ymd(dmy):
        dmy = str(dmy, encoding='utf-8')
        # 利用python能够解析日-月-年的时间格式，来解析成时间信息，再转化成年-月-日的numpy时间格式
        date = dt.datetime.strptime(dmy, '%d-%m-%Y').date()  # 得到日期子对象
        ymd = date.strftime('%Y-%m-%d')  # 将时间信息格式化成字符串
        return ymd
    
    # 解包取出：时间，开盘价，最高价，最低价，收盘价
    dates, opening_prices, highest_prices, lowest_prices, closing_prices = np.loadtxt(
        '0=数据源/beer_price.csv', delimiter=',',
        usecols=(0, 1, 2, 3, 4), unpack=True,
        dtype='M8[D], f8, f8, f8, f8',
        converters = { 0:dmy2ymd}
    )
    # M是numpy 的时间数据类型,[]表示精度，D是日，以日为单位的时间
    # 由于数据内时间格式是日-月-年，需要用converter转化成年月日
    # {0:dmy2ymd}表示将第0列的数据全部用dmy2ymd执行一遍
    # print(opening_prices)
    
    
    # 图像基本参数
    mp.figure('CandleStick', facecolor='lightgray')
    mp.title('CandleStick', fontsize=20)
    mp.xlabel('Date', fontsize=14)  # 横轴、纵轴的标签
    mp.ylabel('Price', fontsize=14)
    
    # 坐标轴设置
    ax = mp.gca()  # 获取坐标轴
    # 设置主、副刻度定位器
    ax.xaxis.set_major_locator(
        md.WeekdayLocator(byweekday=md.MO)  # 星期定位器，MO（Monday）表示以星期一作为主刻度定位
    )
    ax.xaxis.set_minor_locator(
        md.DayLocator()  # 日定位器
    )
    # 日期的格式
    ax.xaxis.set_major_formatter(md.DateFormatter('%d %b %Y'))
    mp.tick_params(labelsize=10)  # 设置标签所用的字体
    mp.grid(linestyle=':')  # 网格线
    
    
    # 将日期转换成matplotlib.dates（md）的类型
    dates = dates.astype(md.datetime.datetime)
    
    # 获取价格差：数组相减再做判断等于一个装满布尔值的数组
    rise = closing_prices - opening_prices >= 0.01  # 上涨
    fall = opening_prices - closing_prices >= 0.01  # 下跌
    
    # 确定每根K线的颜色
    # 初始化颜色数组为0，个数为dates的个数，颜色数据格式是3个float
    fc = np.zeros(dates.size, dtype='3f4')  # 填充色
    ec = np.zeros(dates.size, dtype='3f4')  # 边框色
    fc[rise], fc[fall] = (1, 1, 1), (0, 0.5, 0)
    # 将fc中为真的（上涨）设置颜色为(1, 1, 1)白色，下跌的设置为(0, 0.5, 0)绿色
    ec[rise], ec[fall] = (1, 0, 0), (0, 0.5, 0)
    
    # 画引线：矩形条
    mp.bar(dates, highest_prices-lowest_prices, 0, lowest_prices, color=fc, edgecolor=ec)
    # 纵坐标是最高价-最低价（数组），0表示矩形条宽度（最窄），1表示最宽；
    # 起点位以最低价为起点，边框颜色是ec
    mp.bar(dates, closing_prices-highest_prices, 0.8, opening_prices, color=fc, edgecolor=ec)
    
    
    # 自动格式化水平方向的日期
    mp.gcf().autofmt_xdate()
    mp.show()

**4、测试效果**  
最终就绘制成这样一个K线图  
![33][]

[11]: /images/20230209/23c869a83abd48b187382e2bb9293a4f.png
[22]: /images/20230209/c4585ca086794e77bfdea0110cc6efb0.png
[33]: /images/20230209/92058029ed89407a98ff602cdee7e95c.png