目录：
1：为什么选择pyecharts和talib
2：效果展示
3：开发过程及技巧
1：为什么选择echarts和talib
众所周知，python中最基础、常用的作图工具库是matplotlib，但由于其支持图形较少、色彩搭配不好、功能集成度低等缺点，在对期货数据进行可视化时我选择了pyecharts，这个图表库功能比较契合项目需要且做出来的图美观大方，最重要的是使用起来很简单，说明文档非常详尽，阅读片刻便可以上手完成工作需要。另外，talib在前面几篇博客中有介绍，这里就不多说，总之，在较好完成项目需要的前提下，本人选择解决方法的原则是“简单”，“高效”，“漂亮”。这里附pyecharts的文档链接：
2：效果展示
通过pyecharts得到的可视化结果是用浏览器查看的，最好使用谷歌浏览器或火狐，响应较快。
完成整个程序用了三天时间，主要还是在多图并行展示还有性能调优方面花费时间较多，主要功能实现大概一天左右就可以了。效果图如下：
上图上半部分为某合约的K线图，其中包含蜡烛图、平均移动周期值（5.10.20.40.60）、全局均线、波峰波谷点、支撑线和压力线。
下半部分是两个图的叠加，分别是成交量和持仓量的面积图。最下方有个滑块可以对区间进行选择，支持鼠标拖动及缩放。
3：开发过程及技巧
虽然大部分功能通过阅读文档快速上手，不过在添加一些自己需要的元素进去的时候需要一些小技巧。下面直接针对其中可能用到的功能做出解释：
（1）移动平均周期值计算
（2）趋势线的计算
趋势线是K线图中常用的基础指标之一，大概思路为：将收盘价放入list中-->拟合为一根曲线-->求得所有波峰波谷-->判断波峰波谷所在位置是阴线还是阳线-->求升高（下降）的三个波峰（波谷）-->连接首尾两个极值点。大概过程就是如此，下面贴上主要步骤的代码：
波峰波谷计算函数
#encoding=utf-8
#波峰波谷计算函数
from __future__ import division, print_function
import numpy as np
def detect_peaks(x, mph=None, mpd=1, threshold=0, edge='rising',
kpsh=False, valley=False, show=False, ax=None):
"""
波峰波谷计算函数
vally：波峰or波谷
show:是否显示
ax:坐标轴长度
"""
x = np.atleast_1d(x).astype('float64')
if x.size < 3:
return np.array([], dtype=int)
if valley:
x = -x
# 找到波峰索引
dx = x[1:] - x[:-1]
# 处理异常值
indnan = np.where(np.isnan(x))[0]
if indnan.size:
x[indnan] = np.inf
dx[np.where(np.isnan(dx))[0]] = np.inf
ine, ire, ife = np.array([[], [], []], dtype=int)
if not edge:
ine = np.where((np.hstack((dx, 0)) < 0) & (np.hstack((0, dx)) > 0))[0]
else:
if edge.lower() in ['rising', 'both']:
ire = np.where((np.hstack((dx, 0)) <= 0) & (np.hstack((0, dx)) > 0))[0]
if edge.lower() in ['falling', 'both']:
ife = np.where((np.hstack((dx, 0)) < 0) & (np.hstack((0, dx)) >= 0))[0]
ind = np.unique(np.hstack((ine, ire, ife)))
# 处理异常值
if ind.size and indnan.size:
ind = ind[np.in1d(ind, np.unique(np.hstack((indnan, indnan - 1, indnan + 1))), invert=True)]
if ind.size and ind[0] == 0:
ind = ind[1:]
if ind.size and ind[-1] == x.size - 1:
ind = ind[:-1]
# 设置最小波峰高
if ind.size and mph is not None:
ind = ind[x[ind] >= mph]
# 设置邻居数目
if ind.size and threshold > 0:
dx = np.min(np.vstack([x[ind] - x[ind - 1], x[ind] - x[ind + 1]]), axis=0)
ind = np.delete(ind, np.where(dx < threshold)[0])
# 找到区域内所有波峰
if ind.size and mpd > 1:
ind = ind[np.argsort(x[ind])][::-1] # 排序
idel = np.zeros(ind.size, dtype=bool)
for i in range(ind.size):
if not idel[i]:
idel = idel | (ind >= ind[i] - mpd) & (ind <= ind[i] + mpd) \
& (x[ind[i]] > x[ind] if kpsh else True)
idel[i] = 0 # Keep current peak
ind = np.sort(ind[~idel])
if show:
if indnan.size:
x[indnan] = np.nan
if valley:
x = -x
_plot(x, mph, mpd, threshold, edge, valley, ax, ind)
return ind
趋势线计算函数
#encoding=utf-8
from detect_peaks import *
"""
该文件包含三个功能：
1：调用detect_peaks计算波峰波谷；
2：计算趋势线（包括压力线和支撑线）；
3：将趋势线所找到的线段长度扩增至二倍；
input：开盘价列表（openList=【】）
output：趋势线首尾两个坐标suprootLine=【【x1,y1】，【x2,y2】】
"""
def cal_trendLine(openList,closeList):
topLine=[] #开盘价和收盘价中的相对高点
lowLine=[] #开盘价和收盘价中的相对低点
topPoint=[] #波峰列表
lowPoint=[] #波谷列表
kList=[0] #斜率列表
bList=[] #方程参数列表
supportLine=[[],[]] #支撑线的首尾坐标点
pressLine=[[],[]] #压力线的首尾坐标列表
#计算波峰波谷
wixh = detect_peaks(openList, mpd=8, show=False)
wixl=detect_peaks(openList, mpd=8, valley=True, show=False)
#将开盘价和收盘价比较得到较高点和较低点
for point1, point2 in zip(openList, closeList):
if point1 > point2:
topLine.append(int(point1))
lowLine.append(int(point2))
elif point1 <= point2:
topLine.append(int(point2))
lowLine.append(int(point1))
#将结果表示为【数字索引，值】以计算斜率
for num in wixh:
eachLine=[]
eachLine.append(num)
eachLine.append(topLine[num])
topPoint.append(eachLine)
for num in wixl:
eachLine=[]
eachLine.append(num)
eachLine.append(lowLine[num])
lowPoint.append(eachLine)
"""
计算支撑线:1：计算两两相邻波谷的斜率，求出直线方程；
2：遍历剩余所有点，找到经过该直线的点；
3：输出第一个点与最后一个点，则其支撑线为两点连线
"""
for num in range(1,len(lowPoint)):
k=round((lowPoint[num][1]-lowPoint[num-1][1]),1)/round((lowPoint[num][0]-lowPoint[num-1][0]),1)
kList.append(round(k,2))
for point,k in zip(lowPoint,kList):
b=point[1]-k*point[0]
bList.append(b)
bList.pop(0)
kList.pop(0)
for num1 in range(0,len(kList)):
num2=num1+2
if num2<len(lowPoint):
if lowPoint[num2][1]==kList[num1]*lowPoint[num2][0]+bList[num1]:
supportLine[0]=(lowPoint[num1])
supportLine[1]=(lowPoint[num2])
else:
break
"""
计算压力线:1：计算两两相邻波峰的斜率，求出直线方程；
2：遍历剩余所有点，找到经过该直线的点；
3：输出第一个点与最后一个点，则其压力线为两点连线
"""
for num in range(1, len(topPoint)):
k = round((topPoint[num][1] - topPoint[num - 1][1]), 1) / round((topPoint[num][0] - topPoint[num - 1][0]), 1)
kList.append(round(k, 2))
for point, k in zip(topPoint, kList):
b = point[1] - k * point[0]
bList.append(b)
bList.pop(0)
kList.pop(0)
for num1 in range(0, len(kList)):
num2=num1+2
if num2 < len(topPoint):
if topPoint[num2][1] == kList[num1] * topPoint[num2][0] + bList[num1]:
pressLine[0] = (topPoint[num1])
pressLine[1] = (topPoint[num2])
else:
break
return pressLine,supportLine
（3）多图叠加展示
这个功能允许在固定区域叠加展示多张图，使得尽可能多的为使用者提供更多信息。使用的主要函数是overlap（）代码很简单，但想调试出最佳效果需要自己对尺寸和位置进行设置。
（3）多图并行展示
多图并行展示在适用范围上更大于叠加展示，在本例的html页面中同时将K线图及成交量/持仓量使用该功能实现，具体使用见文档。
以上内容，不免纰漏，欢迎指正。