实时股票数据

接着上篇博文的内容，今天我们来实现获取与绘制实时的股票行情数据。首先，我们需要通过akshare库获取某一天的实时交易数据，具体代码如下所示：

import akshare as ak
df = ak.stock_zh_a_tick_tx(code="sh600690", trade_date="20210203")
df.to_excel("sh600690.xlsx")

获取之后，我们会得到如下数据：

其中，这里我们可以获取每3秒的股票实时交易变化的数据，同时获取当前交易是买盘还是卖盘，分别买卖多少手。当然，对于炒股新手来说，肯定有个东西很困惑，就是中性盘。在股票交易当中，按常规的逻辑我们不是卖，就是买，中性是个什么鬼？

其实，中性盘的意思是假如当前你挂委托单，卖出10手，而买盘当中，也有委托单，刚好也是10手，且两者价格一致，那么你们直接会匹配成交，这种交易叫做中性盘，可以理解为抵消掉了。

每笔交易详情数据

既然我们已经获取到了每日的股票交易详情数据，接下来要做的就是绘图，具体代码如下：

df = pd.read_excel("sh600690.xlsx")
df['成交时间'] = pd.to_datetime(df['成交时间'])
df['成交时间'] = df['成交时间'].apply(lambda x: x.strftime('%H:%M'))
fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111)
plt.rcParams['font.sans-serif'] = ['SimHei']
ax.plot(np.arange(0, len(df["成交时间"])), df["成交价格"])
ax.xaxis.set_major_locator(ticker.MaxNLocator(20))def format_date(x, pos=None):if x < 0 or x > len(df['成交时间']) - 1:return ''return df['成交时间'][int(x)]ax.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))
ax.grid(True)
plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')
plt.show()

运行之后，效果如下图所示：

绘制股票走势图与买卖盘数据

尽然我们已经知道了如何绘制走势图以及获取倒了买卖盘数据，那么根据上篇pyqt5的代码，我们将其加入到首页当中。具体代码如下所示：

# mian.py代码
def init_hometab(self):#第一篇代码self.mainThread = MainPlotThread()self.mainThread.setValue("sh600690")self.mainThread._signal.connect(self.mianThread_callbacklog)self.mainThread._orderList.connect(self.orderThread_callbacklog)self.mainThread.start()def mianThread_callbacklog(self, df):mpl = StockMplCanvas(self, width=5, height=4, dpi=100)mpl.start_staict_plot(df)mpl_ntb = NavigationToolbar(mpl, self)mpl_ntb.setStyleSheet("background-color:white;color:black")self.grid.addWidget(mpl, 2, 0, 12, 12)self.grid.addWidget(mpl_ntb, 2, 0, 1, 5)# 指数显示模块
def tableWidget_connect(self, item):QMessageBox.information(self, "QTableWidget", "你选择了" + item.text())def orderThread_callbacklog(self, urlList):ft = QFont()ft.setPointSize(10)ft.setBold(True)m_color = Nonej = 0if not self.isListView:self.tableWidget.clear()self.tableWidget.setHorizontalHeaderLabels(['性质', '成交量(手)', '成交额(元)'])for qlist in urlList:for index, m_dict in enumerate(qlist):if index == 0:if str(m_dict).strip() == "买盘":m_color = QColor(255, 0, 0)elif str(m_dict).strip() == "卖盘":m_color = QColor(0, 255, 0)else:m_color = QColor(255, 255, 255)newItem = QTableWidgetItem(str(m_dict))newItem.setFont(ft)newItem.setForeground(QBrush(m_color))self.tableWidget.setItem(j, index, newItem)j += 1else:# 各个板块指数self.tableWidget = QTableWidget(len(urlList), 3)self.tableWidget.setHorizontalHeaderLabels(['性质', '成交量(手)', '成交额(元)'])self.tableWidget.setEditTriggers(QAbstractItemView.NoEditTriggers)  # 不可编辑self.tableWidget.horizontalHeader().setSectionResizeMode(QHeaderView.Fixed)  # 禁止拖拽self.tableWidget.setSelectionBehavior(QAbstractItemView.SelectRows)  # 只能选中一行self.tableWidget.itemClicked.connect(self.tableWidget_connect)self.tableWidget.verticalHeader().setVisible(False)self.tableWidget.setShowGrid(False)  # 不显示子线条self.tableWidget.setColumnWidth(0, 70)  # 设置第一列宽self.tableWidget.setColumnWidth(1, 70)  # 设置第二列宽self.tableWidget.setColumnWidth(2, 70)  # 设置第三列宽for qlist in urlList:for index, m_dict in enumerate(qlist):if index == 0:if str(m_dict).strip() == "买盘":m_color = QColor(255, 0, 0)elif str(m_dict).strip() == "卖盘":m_color = QColor(0, 255, 0)else:m_color = QColor(255, 255, 255)newItem = QTableWidgetItem(str(m_dict))newItem.setFont(ft)newItem.setForeground(QBrush(m_color))self.tableWidget.setItem(j, index, newItem)j += 1self.grid.addWidget(self.tableWidget, 2, 12, 12, 4)self.isListView = Falseself.tableWidget.scrollToBottom()

这里我们使用FigureCanvas将matplotlib绘制的图显示到界面之上，同时使用QTableWidget将买卖盘数据显示到界面上，注意买卖盘数据永远在底部，也就是最近的时间，所以需要通过scrollToBottom移动的低端。

下面，我们来看看绘图类StockMplCanvas：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.backends.backend_qt5agg import FigureCanvasQTAgg as FigureCanvas
from matplotlib.figure import Figure
import numpy as npfrom matplotlib import gridspec
class StockMplCanvas(FigureCanvas):def __init__(self, parent=None, width=5, height=4, dpi=100):plt.rcParams['font.sans-serif'] = ['SimHei']self.fig = Figure(figsize=(width, height), dpi=dpi)FigureCanvas.__init__(self, self.fig)spec = gridspec.GridSpec(2, 1, height_ratios=[2, 1])self.ax1 = self.fig.add_subplot(spec[0])self.ax2 = self.fig.add_subplot(spec[1])self.setParent(parent)FigureCanvas.updateGeometry(self)def start_staict_plot(self, df):df['成交时间'] = pd.to_datetime(df['成交时间'])df['成交时间'] = df['成交时间'].apply(lambda x: x.strftime('%H:%M'))self.ax1.plot(np.arange(0, len(df["成交时间"])), df["成交价格"], color='black')df_buy = np.where(df["性质"] == "买盘", df["成交量(手)"], 0)df_sell = np.where(df["性质"] == "卖盘", df["成交量(手)"], 0)self.ax1.set(ylabel=u"股价走势图")self.ax2.bar(np.arange(0, len(df)), df_buy, color="red")self.ax2.bar(np.arange(0, len(df)), df_sell, color="blue")self.ax2.set_ylim([0, df["成交量(手)"].max()/3])self.ax2.set(ylabel=u"成交量分时图")self.ax1.xaxis.set_major_locator(ticker.MaxNLocator(3))def format_date(x, pos=None):if x < 0 or x > len(df['成交时间']) - 1:return ''return df['成交时间'][int(x)]self.ax1.xaxis.set_major_formatter(ticker.FuncFormatter(format_date))self.ax1.grid(True)plt.setp(self.ax2.get_xticklabels(), visible=False)plt.setp(plt.gca().get_xticklabels(), rotation=45, horizontalalignment='right')

这里，我们绘制2个图，一个是股票交易图，一个是成交量分时图。代码很简单前面有介绍，这里就不在赘述。

接下来，我们需要获取这些数据方便其绘制：

import akshare as ak
import pandas as pd
from PyQt5 import QtCore
from PyQt5.QtCore import pyqtSignal
from pandas import DataFrameclass MainPlotThread(QtCore.QThread):_signal = pyqtSignal(DataFrame)_orderList = pyqtSignal(list)def setValue(self, shareNumber):self.share_num = shareNumberdef run(self):self.list = []df = pd.read_excel("sh600690.xlsx")self._signal.emit(df)self.list.clear()for index, row in df.iterrows():self.list.append([row['性质'], row['成交量(手)'], row['成交额(元)']])self._orderList.emit(self.list)

这里，我们是通过文件获取的数据，你也可以直接通过akshare获取，不过博主建议先获取网络数据，再获取文档数据，因为交易日15点以后，数据是没有变化的。这些免费的数据本来就延迟非常的高，保存在本地，在非交易时间段能加快获取数据的速度。

运行之后，显示的效果如下图所示：

软件资源代码下载地址：点击下载

python股票量化交易（12）---使用pyqt5构建股票交易软件主页相关推荐

python股票量化交易接口是应用到股票上吗？
python股票量化交易接口是应用到股票上吗?当然可以,而且是任何交易者都可以使用量化交易技术,股票交易数据是很容版易采集的,就是分析起来比权较麻烦,如果题主是职业散户,美股研究社更建议使用一些软件炒 ...
Python进阶量化交易专栏场外篇：股票数据的除权和复权
在行情软件中经常会看到除权.复权选项,我们选择不同的选项,软件上股票的价格回相应地转换. 在量化交易中,我们开发了一个交易策略,需要对策略在历史行情数据上进行回测,那么我们该选择除权,还是复权,哪一种 ...
分析股票量化交易实盘接口和人类操盘手的优缺点
股票量化交易,就是将股票市场所有的股票信息,比如股票的涨跌历史数据,成交量历史数据,股票的基本面历史数据,指数涨跌历史数据等等全部输入计算机,进行大数据分析,之后根据大数据选择出炒股成功率最高的方案, ...
Python实现股票量化交易学习进阶(二)之简单交易策略的定义实现
Python实现股票量化交易学习进阶第二篇之简单交易策略的定义实现 1.backtrader回测框架知识 2.需求一自定义MACD指标 3.需求二自定义实现KDJ指标 4.需求三自定义CCI指标 1. ...
python股票量化交易（1）---K线图、均线与成交量绘制
远思扬祖宗之德,近思盖父母之愆:上思报国之恩,下思造家之福:外思济人之急,内思闲己之邪. 本文目录前言获取股票的数据绘制K线图均线图成交量前言都说2020年是牛市的起点,很显然对于数据来 ...
从零开始用Python实现股票量化交易之小白笔记（7）
传送门本系列原创博文传送门: 从零开始用Python实现股票量化交易之小白笔记(1) 从零开始用Python实现股票量化交易之小白笔记(2) 从零开始用Python实现股票量化交易之小白笔记(3) ...
Python实现股票量化交易学习进阶(一)之基础库(知识准备)搭建
股票量化交易学习第一篇之基础搭建 1.写在前面 1.1.Numpy库的安装 1.2.Pandas库的安装 1.3.金融数据获取 1.4.talib金融库的安装及文档链接 1.5.Matplotlib ...
python量化回测框架_股票量化交易回测框架pyalgotrade源码阅读(一)
PyAlgoTrade是什么呢? 一个股票量化交易的策略回测框架. 而作者的说明如下. To make it easy to backtest stock trading strategies. 简单 ...
《Python股票量化交易从入门到实践》随书赠送“回测框架”的使用帮助
点击:QTYX最新版本使用指南[文字版] 点击:QTYX最新版本使用指南[视频版] 点击: QTYX历史版本更新说明赠送"回测框架"的目的为了帮助读者再建立一座从书本知识到实战 ...
python股票量化交易（8）---K线图：锤头，射击之星，早晨之星
人之有志,如树之有根,立定此志,须念念谦虚,尘尘方便,自然感动天地,而造福由我. 目录锤头倒锤头射击之星早晨之星锤头本篇接着上篇介绍K线形态. 首先,我们今天介绍的第一个K线形态是锤头,T ...

python股票量化交易（12）---使用pyqt5构建股票交易软件主页

目录

实时股票数据

每笔交易详情数据

绘制股票走势图与买卖盘数据

python股票量化交易（12）---使用pyqt5构建股票交易软件主页相关推荐

最新文章

热门文章