炒股软件画图哪现货原油首选金狗个好(炒股软件上怎样随意画图)

局面一张图信任咱们都曾在 YouTube 和 B 站看到过相似的视频，这种图在国外叫做 Bar Chart Race，配上一段气势磅礴的 BGM，就会营造出一种「浮沉跌宕」的沉溺感，这类型的视频许多都取得了相当可观的播映量。

因为这类视频的大火，网络上已经有专门的制造东西，而且都以 NO-CODING 为营销卖点，也进一步导致了该类视频的「众多」。不过作为一个喜爱折腾的数据剖析工程师，仍是习气经过手打代码的办法来完结。数据源可获取的数据有许多，这次也蹭把热门，以近期打工人都想进场大干一番的股市为主题，将历年 TOP 10 的 A 股股票经过动态排行图将其展现出来。

既然是关于股市的数据，那能够直接在证券交易所的官网查询到相关的数据。果不其然，上海证券交易所官网数据板块中，有向广阔投资者供给「市值排名」的查询进口（sse/market/stockdata/marketvalue/main/），点击进去会看到，咱们「股票市价总值排名前十名」的报表，并能够经过日期筛选框进行查询。数据源承认了，需求对接下来的工作流进行整理。数据流剖析

网站剖析在网页上更改日期查询后，网址没有改动，页面也没有改写，初步判断经过 Ajax 进行异步更新。在 Chrome 浏览器上，右键点击 inspect，检查 Network 模块下的 JS 标签。这时再次切换查询日期，便会在 JS 标签左边面板里找到真实的恳求 URL（如 query.sse/marketdata/tradedata/queryTopMktValByPage.do?&jsonCallBack=jsonpCallback12925&isPagination=true&searchDate=2021-01-01&_=1610296018800），可见恳求 URL 需求咱们装备以下的参数：

jsonCallBack：测验后不传入也不影响isPagination：truesearchDate：查询日期_：时刻戳，不传入也不影响点击恳求 URL 后能够经过右侧面板的 Preview、Response 标签协助咱们检查该条恳求是不是有爬虫想要的数据回来成果中。数据抓取Requests 库对其进行抓取，Requests 库是 Python 最简略易用的 库，咱们能够经过它来构建 URL 的恳求，并获取其 response 成果。

一般来说，要构建一个 恳求，需求传入恳求头（header），恳求地址，恳求办法（GET 或 POST 等）和 协议版别。别的，依据前面的网站剖析，咱们还需求给 URL 传入参数，Requests 库供给了 params 关键字参数，答应咱们以一个字典来装备 URL 所需的参数。

import requests\nparams = params = {\n????"isPagination": "true",\n????"searchDate": "2021-01-11"\n}\n\nheaders = {\n????"Referer": "sse/market/stockdata/marketvalue/",\n????"Accept-Encoding": "gzip, deflate",\n????"Connection": "keep-alive",\n????"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36"\n}\n\nurl="query.sse/marketdata/tradedata/queryTopMktValByPage.do"\n\nresponse = requests.get(url, headers = headers, params = params)\n\nprint(response.text)\n

最终 response.text 的输出成果是一个嵌套式的 JSON 串，咱们想要的市值、排名等数据便藏在 result 那里接着，合作正则表达式对 response.text 的输出成果截取出方针数据

# 接上\nimport re\ntext = response.text\nresult = re.search('"result":\\[(.*?)\\]', text).group(1)\ntemp = {}\nstock_info = re.findall('"market":"(.*?)",.*?"productA":"(.*?)",.*?"productName":"(.*?)",.*?"rank":(.*?)\\}', result, re.DOTALL)\n\n\nf = open(file_path + '/stock_history_market_value.csv', 'a+', newline = '')\nprint('正在写入:', trade_date)\nwriter = csv.DictWriter(f, ['year', 'trade_date', 'code', 'stock_name', 'market_value', 'rank'])\n\nfor info in stock_info:\n????temp = {\n????????"year": 2021,\n????????"trade_date": "2021-01-11",\n????????"code": info[1],\n????????"stock_name": info[2],\n????????"market_value": info[0],\n????????"rank": info[3]\n????}\n????print(temp)\n????writer.writerow(temp)\nprint('已完结', trade_date)\n

履行完结后就会发现程序目录多了一个文件 stock_history_market_value.csv

因为动态排行图需求用到历年的数据，需求有必要将上面写入的 csv 的过程封装到 spider_market_value函数中，以便复用。考虑到数据量的问题，这儿只对历年（2000 年起）每个月的最终一天的数据进行抓取，别的，相同对该履行命令封装到函数中，便利传参履行。

def get_monthly_market_value(year):\n# 假如参数是本年，则取本月前每个月取最终一天的市值排名，本月则取脚本时刻的前一天的市值排名\n????if year == datetime.date.today().year:\n????????this_month = datetime.date.today().month\n????????for month in range(1, this_month+1):\n????????????if month == datetime.date.today().month:\n????????????????trade_date = (datetime.date.today() - timedelta(days=1)).strftime('%Y-%m-%d')\n????????????????spider_market_value(year, trade_date)\n????????????else:\n????????????????trade_date = str(year) + '-' + str(month) + '-' + str(calendar.monthrange(year, month)[1])\n????????????????spider_market_value(year, trade_date)\n????# 假如参数为历年，则取每个月最终一天的市值排名\n????else:\n????for month in range(1, 13):????????trade_date = str(year) + '-' + str(month) + '-' + str(calendar.monthrange(year, month)[1])\n????????spider_market_value(year, trade_date)\n

给 get_monthly_market_value(year) 传入年份，便可抓取到对应年份每个月的数据，并汇总写入到 stock_history_market_value.csv 文件中。这样，数据部分就预备好了。绘图可视化在生成动态图之前，先查阅下所用的库与函数的用法，本文将以经典可视化库 matplotlib 里的 animation.FuncAnimation 为例，调用前需了解该办法的参数，以便承认下一步的预备工作。

从官网文档能够检查到 animation.FuncAnimation 主要参数阐明：

fig - 传入画布方针，能够经过 fig, ax = plt.subplots() 创立；func - 每一帧更新时所调用的（绘图）函数（如下方要新建的 draw_barchart() 函数）frames - func 函数的参数，作为帧序列，靠它图例才会动态改变\n# 给每一个股票随机一种色彩\nrandom.seed(444)\nget_colors = lambda n: list(map(lambda i:"#" +"%06x" % random.randint(0x111111, 0xffffff),range(n)))\ncolors = get_colors(df['code'].nunique())\n\ncodecolors = dict()\nuni_code = set(df['code'])\nfor code, color in zip(uni_code, colors):\ncodecolors[code] = color\n\n\ndef draw_barchart(trade_date):\n????plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']\n????plt.rcParams['animation.embed_limit'] = 2**128\n????\n????# 读取当天的数据\n????df_date = df[df['trade_date'] == trade_date]\n????df_date = df_date.sort_values(by = ['market_value'], ascending = True)\n????\n????# 每次制作前必须先清空画布，否则图画会堆叠的\n????ax.clear()\n????\n????# 制作水平柱状图\n???ax.barh(df_date['stock_name'].astype(str), df_date['market_value'], color = [codecolors[c] for c in df_date['code']])\n????\n????# 符号案牍\n????dx = df_date['market_value'].max()/200\n????for i, (value, code) in enumerate(zip(df_date['market_value'], df_date['stock_name'].astype(str))):\n???????ax.text(value-dx, i, code, size = 14, weight = 600, ha = 'right', va = 'bottom')\n????????ax.text(value+dx, i, f'{value:,.0f}', size = 14, ha = 'left', va = 'bottom')\n????\n????# 符号帧日期\n???ax.text(1, 0.45, trade_date.split('-')[0] + '-' + trade_date.split('-')[1], transform = ax.transAxes, color = '#777777', size = 46, ha = 'right')\n????\n????# 符号轴标签\n????ax.text(0, 1.06, "市值（万元）", transform = ax.transAxes, size = 12, color = '#777777')\n????\n????# 设置 X 轴坐标的方位为顶部\n????ax.xaxis.set_ticks_position('top')\n????\n????#设置 X 轴坐标的色彩和字体大小\n????ax.tick_params(axis = 'x', color = '#777777')\n????ax.xaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))\n????\n????# 设置图形与边框的距离\n????ax.margins(0, 0.01)\n????ax.grid(which = 'major', axis = 'x', linestyle = '-')\n????ax.set_axisbelow(True)\n????\n????# 设置标题\n????ax.text(0.3, 1.05, '历年市值前10股票', transform = ax.transAxes, size = 48, weight = 600, ha = 'left')\n????\n????# 去掉边框\n????plt.box(False)\n\nfig, ax = plt.subplots(figsize=(22, 10))\nanimator = animation.FuncAnimation(fig, draw_barchart, frames = trade_date_list, interval = 125)\nHTML(animator.to_jshtml())\n

将 draw_barchart() 作为数据更新函数，月份作为 frames 帧序列，履行上面的句子，稍等片刻，文章最初的动态排行图便出来了：动画的流通程度除取决于 FuncAnimation 的 iterval 参数（用于设置换帧的时刻距离），也取决于每帧数据的距离，距离越小，按帧播映时就越顺滑，原理跟皮影戏相同，因而，假如要想取得更顺滑的动画，能够考虑下按日或按周抓取方针数据，当然届时要处理的数据量也就越大，运转时刻和功能问题也是需求考虑的点，咱们无妨多调试测验下。