qstock数据可视化教程：5分钟绘制专业级K线图与资金流向图

【免费下载链接】qstock qstock由“Python金融量化”公众号开发，试图打造成个人量化投研分析包，目前包括数据获取（data）、可视化(plot)、选股(stock)和量化回测（策略backtest）模块。 qstock将为用户提供简洁的数据接口和规整化后的金融市场数据。可视化模块为用户提供基于web的交互图形的简单接口； 选股模块提供了同花顺的选股数据和自定义选股，包括RPS、MM趋势、财务指标、资金流模型等； 回测模块为大家提供向量化（基于pandas）和基于事件驱动的基本框架和模型。 关注“Python金融量化“微信公众号，获取更多应用信息。 项目地址: https://gitcode.com/gh_mirrors/qs/qstock

qstock是由“Python金融量化”公众号开发的个人量化投研分析包，提供数据获取（data）、可视化(plot)、选股(stock)和量化回测（策略backtest）模块。本文将聚焦qstock的可视化功能，教你如何在5分钟内使用plot/chart_plot.py模块绘制专业级金融图表。

为什么选择qstock可视化？

qstock的可视化模块基于pyecharts开发，提供了简洁易用的接口，无需复杂配置即可生成交互式金融图表。核心优势包括：

• 零代码门槛：无需掌握pyecharts细节，调用现成函数即可生成专业图表
• 高度集成化：内置MACD、均线等技术指标计算，无需手动处理数据
• 交互式体验：支持缩放、悬停详情、动态更新等Web交互功能
• 多图表类型：涵盖K线图、折线图、柱状图、热力图等10+金融分析图表

快速开始：5分钟绘制专业K线图

1. 环境准备

首先确保已安装qstock及其依赖：

git clone https://gitcode.com/gh_mirrors/qs/qstock
cd qstock
pip install -r requirements.txt

2. 绘制基础K线图

qstock的kline()函数（位于plot/chart_plot.py第65行）可快速生成包含成交量和MACD指标的组合K线图：

from qstock.data import get_data  # 数据获取模块
from qstock.plot import kline      # 可视化模块

# 获取股票数据（示例：贵州茅台）
df = get_data('600519')

# 绘制K线图，默认包含5日和20日均线
kline(df, title="贵州茅台日K线图")

这个简单调用会自动完成：

• 计算5日/20日均线
• 生成MACD指标（DIFF/DEA/柱状线）
• 绘制成交量柱状图（红涨绿跌）
• 创建可交互的组合图表布局

3. 高级K线变种：平均K线图

qstock还提供了Heikin-Ashi（平均K线）绘制功能，通过plot/chart_plot.py中的HA_kline()函数实现：

from qstock.plot import HA_kline

# 绘制平均K线图
HA_kline(df)

平均K线通过平滑价格波动，帮助识别趋势方向，特别适合趋势交易者使用。

资金流向可视化：揭示市场动能

除了K线图，qstock的plot/data_plot.py模块提供了丰富的数据可视化工具，帮助分析资金流向：

1. 股价分位数折线图

使用stock_line()函数可生成带有分位数着色的股价趋势图：

from qstock.plot import stock_line

# 绘制分位数着色的股价折线图
stock_line(data=df, y='close', title="股价趋势分位数图")

该图表自动将股价分为4个区间并着色，直观展示价格在历史分位中的位置，辅助判断超买超卖状态。

2. 资金流向柱状图

通过chart_bar()和chart_inv_bar()函数（位于plot/chart_plot.py第279行和309行）可绘制资金流入流出对比图：

from qstock.plot import chart_bar, chart_inv_bar

# 假设资金数据存储在money_flow变量中
chart_bar(x=money_flow.index, y=money_flow['inflow'], title="资金流入趋势")
chart_inv_bar(x=money_flow.index, y=money_flow['net_flow'], title="资金净流向")

实用技巧：自定义图表增强分析

1. 调整均线参数

kline()函数支持自定义均线周期，满足不同分析需求：

# 使用10日和30日均线
kline(df, mas=10, mal=30, title="10/30日均线K线图")

2. 保存图表为HTML文件

默认情况下，图表在Jupyter Notebook中显示，可通过notebook=False参数保存为独立HTML文件：

# 保存为HTML文件
kline(df, notebook=False, title="保存的K线图")  # 生成kline.html文件

3. 组合多种图表类型

qstock的图表函数返回pyecharts对象，可进一步组合扩展：

from pyecharts import options as opts
from pyecharts.charts import Grid

# 创建K线图和柱状图
kline_chart = kline(df, notebook=False)
bar_chart = chart_bar(data=df, y='volume', notebook=False)

# 组合显示
grid = Grid()
grid.add(kline_chart, grid_opts=opts.GridOpts(height="60%"))
grid.add(bar_chart, grid_opts=opts.GridOpts(pos_top="70%", height="30%"))
grid.render("组合图表.html")

总结

qstock的可视化模块为量化分析提供了强大支持，通过简单的函数调用即可生成专业级金融图表。无论是技术分析所需的K线图、MACD指标，还是资金流向分析的各类统计图表，qstock都能帮助你快速实现。

想要深入了解更多可视化功能，可以查看源代码：

• K线图核心实现：plot/chart_plot.py
• 基础图表功能：plot/data_plot.py

关注"Python金融量化"微信公众号，获取更多qstock应用技巧和量化分析知识。

【免费下载链接】qstock qstock由“Python金融量化”公众号开发，试图打造成个人量化投研分析包，目前包括数据获取（data）、可视化(plot)、选股(stock)和量化回测（策略backtest）模块。 qstock将为用户提供简洁的数据接口和规整化后的金融市场数据。可视化模块为用户提供基于web的交互图形的简单接口； 选股模块提供了同花顺的选股数据和自定义选股，包括RPS、MM趋势、财务指标、资金流模型等； 回测模块为大家提供向量化（基于pandas）和基于事件驱动的基本框架和模型。 关注“Python金融量化“微信公众号，获取更多应用信息。 项目地址: https://gitcode.com/gh_mirrors/qs/qstock