声明本文为个人学习笔记仅供技术交流不构成任何投资建议。一、前言在期货量化这条路上我已经走了整整二十年。数据可视化是量化交易中不可或缺的一环——好的图表能帮助我们更直观地理解行情、分析策略、展示结果。今天这篇文章我来分享一下Python期货数据可视化的实践经验包括常用的图表类型和代码实现。二、常用可视化库库特点适用场景matplotlib基础、灵活静态图表plotly交互式网页展示mplfinance专业K线金融图表本文主要使用matplotlib和mplfinance。安装pipinstallmatplotlib mplfinance pandas numpy三、获取数据首先获取期货数据fromtqsdkimportTqApi,TqAuthimportpandasaspd apiTqApi(authTqAuth(账户,密码))# 获取K线数据symbolSHFE.rb2505klinesapi.get_kline_serial(symbol,60*60,500)# 1小时K线api.wait_update()# 转为DataFramedfklines.to_dataframe()df[datetime]pd.to_datetime(df[datetime])dfdf.set_index(datetime)print(df.tail())api.close()四、K线图绑制4.1 使用mplfinance绑制专业K线importmplfinanceasmpfimportpandasaspd# 准备数据需要特定列名df_ohlcdf[[open,high,low,close,volume]].copy()df_ohlc.columns[Open,High,Low,Close,Volume]# 绑制K线图mpf.plot(df_ohlc.tail(100),# 最近100根K线typecandle,# 蜡烛图stylecharles,# 样式title螺纹钢 RB2505 1小时K线,ylabel价格,volumeTrue,# 显示成交量figsize(14,8))4.2 添加均线# 计算均线df_ohlc[MA5]df_ohlc[Close].rolling(5).mean()df_ohlc[MA20]df_ohlc[Close].rolling(20).mean()# 添加均线到图表ap[mpf.make_addplot(df_ohlc[MA5].tail(100),colorblue,width1),mpf.make_addplot(df_ohlc[MA20].tail(100),colororange,width1),]mpf.plot(df_ohlc.tail(100),typecandle,stylecharles,title螺纹钢 K线 均线,addplotap,volumeTrue,figsize(14,8))4.3 添加布林带# 计算布林带period20df_ohlc[MA20]df_ohlc[Close].rolling(period).mean()df_ohlc[STD]df_ohlc[Close].rolling(period).std()df_ohlc[Upper]df_ohlc[MA20]2*df_ohlc[STD]df_ohlc[Lower]df_ohlc[MA20]-2*df_ohlc[STD]# 绑制ap[mpf.make_addplot(df_ohlc[MA20].tail(100),colorblue),mpf.make_addplot(df_ohlc[Upper].tail(100),colorgray,linestyle--),mpf.make_addplot(df_ohlc[Lower].tail(100),colorgray,linestyle--),]mpf.plot(df_ohlc.tail(100),typecandle,addplotap,title布林带指标,figsize(14,8))五、策略回测结果可视化5.1 资金曲线importmatplotlib.pyplotaspltimportnumpyasnp# 模拟资金曲线数据np.random.seed(42)returnsnp.random.randn(252)*0.02# 模拟日收益equity100000*(1returns).cumprod()# 绘制资金曲线plt.figure(figsize(12,5))plt.plot(equity,colorblue,linewidth1.5)plt.fill_between(range(len(equity)),equity,alpha0.3)plt.title(策略资金曲线,fontsize14)plt.xlabel(交易日)plt.ylabel(账户权益)plt.grid(True,alpha0.3)plt.tight_layout()plt.show()5.2 回撤曲线defcalc_drawdown(equity):计算回撤peaknp.maximum.accumulate(equity)drawdown(equity-peak)/peakreturndrawdown drawdowncalc_drawdown(equity)# 绘制回撤曲线fig,axesplt.subplots(2,1,figsize(12,8),sharexTrue)# 资金曲线axes[0].plot(equity,colorblue)axes[0].set_title(资金曲线)axes[0].set_ylabel(账户权益)axes[0].grid(True,alpha0.3)# 回撤曲线axes[1].fill_between(range(len(drawdown)),drawdown,colorred,alpha0.5)axes[1].set_title(回撤曲线)axes[1].set_xlabel(交易日)axes[1].set_ylabel(回撤比例)axes[1].grid(True,alpha0.3)plt.tight_layout()plt.show()5.3 收益分布# 计算日收益率daily_returnsnp.diff(equity)/equity[:-1]# 绘制收益分布fig,axesplt.subplots(1,2,figsize(14,5))# 直方图axes[0].hist(daily_returns,bins50,colorblue,alpha0.7,edgecolorblack)axes[0].axvline(x0,colorred,linestyle--)axes[0].set_title(日收益分布)axes[0].set_xlabel(日收益率)axes[0].set_ylabel(频次)# 累计分布sorted_returnsnp.sort(daily_returns)cumulativenp.arange(1,len(sorted_returns)1)/len(sorted_returns)axes[1].plot(sorted_returns,cumulative)axes[1].axhline(y0.5,colorred,linestyle--,alpha0.5)axes[1].set_title(累计分布)axes[1].set_xlabel(日收益率)axes[1].set_ylabel(累计概率)plt.tight_layout()plt.show()六、交易信号可视化6.1 在K线图上标记买卖点importmatplotlib.pyplotaspltimportmatplotlib.datesasmdates# 准备数据df_plotdf.tail(100).copy()df_plot[MA5]df_plot[close].rolling(5).mean()df_plot[MA20]df_plot[close].rolling(20).mean()# 生成信号df_plot[signal]0df_plot.loc[df_plot[MA5]df_plot[MA20],signal]1df_plot.loc[df_plot[MA5]df_plot[MA20],signal]-1df_plot[signal_change]df_plot[signal].diff()# 买卖点buy_signalsdf_plot[df_plot[signal_change]2]sell_signalsdf_plot[df_plot[signal_change]-2]# 绑图fig,axplt.subplots(figsize(14,7))ax.plot(df_plot.index,df_plot[close],label收盘价,colorblack,linewidth1)ax.plot(df_plot.index,df_plot[MA5],labelMA5,colorblue,linewidth1)ax.plot(df_plot.index,df_plot[MA20],labelMA20,colororange,linewidth1)# 标记买卖点ax.scatter(buy_signals.index,buy_signals[close],marker^,colorred,s100,label买入,zorder5)ax.scatter(sell_signals.index,sell_signals[close],markerv,colorgreen,s100,label卖出,zorder5)ax.set_title(交易信号标记)ax.set_xlabel(时间)ax.set_ylabel(价格)ax.legend()ax.grid(True,alpha0.3)plt.xticks(rotation45)plt.tight_layout()plt.show()七、多图组合展示7.1 完整的策略分析面板importmatplotlib.pyplotaspltimportmatplotlib.gridspecasgridspec figplt.figure(figsize(16,12))gsgridspec.GridSpec(3,2,height_ratios[2,1,1])# 1. K线图 均线ax1fig.add_subplot(gs[0,:])ax1.plot(df_plot.index,df_plot[close],label收盘价)ax1.plot(df_plot.index,df_plot[MA5],labelMA5)ax1.plot(df_plot.index,df_plot[MA20],labelMA20)ax1.set_title(价格走势与均线)ax1.legend()ax1.grid(True,alpha0.3)# 2. 成交量ax2fig.add_subplot(gs[1,0])colors[redifcoelsegreenforc,oinzip(df_plot[close],df_plot[open])]ax2.bar(range(len(df_plot)),df_plot[volume],colorcolors,alpha0.7)ax2.set_title(成交量)ax2.set_ylabel(成交量)# 3. 资金曲线ax3fig.add_subplot(gs[1,1])ax3.plot(equity,colorblue)ax3.fill_between(range(len(equity)),equity,alpha0.3)ax3.set_title(资金曲线)ax3.set_ylabel(权益)# 4. 回撤ax4fig.add_subplot(gs[2,0])ax4.fill_between(range(len(drawdown)),drawdown,colorred,alpha0.5)ax4.set_title(回撤)ax4.set_ylabel(回撤比例)# 5. 收益分布ax5fig.add_subplot(gs[2,1])ax5.hist(daily_returns,bins30,colorblue,alpha0.7)ax5.axvline(x0,colorred,linestyle--)ax5.set_title(日收益分布)plt.tight_layout()plt.show()八、保存图表# 保存为PNGplt.savefig(strategy_report.png,dpi150,bbox_inchestight)# 保存为PDF适合打印plt.savefig(strategy_report.pdf,bbox_inchestight)# 使用mplfinance保存mpf.plot(df_ohlc.tail(100),typecandle,stylecharles,savefigkline_chart.png)九、实用技巧9.1 设置中文字体importmatplotlib.pyplotasplt# Windowsplt.rcParams[font.sans-serif][SimHei]plt.rcParams[axes.unicode_minus]False# Mac# plt.rcParams[font.sans-serif] [Arial Unicode MS]9.2 自定义样式# 使用内置样式plt.style.use(seaborn-darkgrid)# 或自定义plt.rcParams.update({figure.facecolor:white,axes.facecolor:white,axes.grid:True,grid.alpha:0.3,font.size:10,})9.3 交互式图表Plotlyimportplotly.graph_objectsasgofromplotly.subplotsimportmake_subplots# 创建K线图figmake_subplots(rows2,cols1,shared_xaxesTrue,vertical_spacing0.03,row_heights[0.7,0.3])# K线fig.add_trace(go.Candlestick(xdf_plot.index,opendf_plot[open],highdf_plot[high],lowdf_plot[low],closedf_plot[close],nameK线),row1,col1)# 成交量fig.add_trace(go.Bar(xdf_plot.index,ydf_plot[volume],name成交量),row2,col1)fig.update_layout(title交互式K线图,xaxis_rangeslider_visibleFalse)fig.show()十、总结期货数据可视化的核心选对工具matplotlib基础、mplfinance专业K线、plotly交互式图表清晰信息明确、不要过度装饰代码复用封装成函数方便重复使用希望这篇文章能帮助你更好地进行期货数据可视化声明本文基于个人学习经验整理仅供技术交流参考不构成任何投资建议。