-
Notifications
You must be signed in to change notification settings - Fork 724
可视化功能
Hikyuu框架提供了一套强大的可视化功能，旨在帮助用户直观地分析和理解金融数据。该功能主要通过draw模块实现，支持多种绘图后端，包括matplotlib、ECharts和Bokeh。这些后端各有优缺点，适用于不同的场景。本指南将详细介绍如何使用这些功能来绘制K线图、技术指标叠加图、资金曲线图和持仓分布图，并指导用户如何自定义图表样式，以及如何将绘图结果嵌入Jupyter Notebook或保存为静态图片/交互式HTML文件。
Hikyuu框架的draw模块支持三种主要的绘图后端：matplotlib、ECharts和Bokeh。每种后端都有其独特的特点和适用场景。
- 优点：成熟稳定，社区支持广泛，适合静态图表的生成。
- 缺点：交互性较差，不适合复杂的交互式图表。
- 适用场景：适用于需要生成高质量静态图表的场景，如报告和文档。
- 优点：交互性强，支持丰富的图表类型，适合Web应用。
- 缺点：依赖JavaScript，需要在Web环境中运行。
- 适用场景：适用于需要高度交互性的Web应用，如在线数据分析平台。
- 优点：交互性强，支持动态更新，适合实时数据展示。
- 缺点：学习曲线较陡，配置复杂。
- 适用场景：适用于需要实时数据更新和高度交互性的应用，如实时监控系统。
draw模块的核心组件包括drawplot包中的matplotlib_draw.py、bokeh_draw.py和echarts_draw.py文件。这些文件分别实现了对matplotlib、Bokeh和ECharts后端的支持。
Section sources
- init.py
- matplotlib_draw.py
- bokeh_draw.py
- echarts_draw.py
matplotlib_draw.py文件实现了对matplotlib后端的支持。它提供了多种绘图函数，如kplot用于绘制K线图，iplot用于绘制技术指标曲线，sgplot用于绘制信号点等。
classDiagram
class matplotlib_draw {
+kplot(kdata, new=True, axes=None, colorup='r', colordown='g')
+iplot(indicator, new=True, axes=None, kref=None, legend_on=False, text_on=False, text_color='k', zero_on=False, label=None, linestyle='-', *args, **kwargs)
+sgplot(sg, new=True, axes=None, style=1, kdata=None)
}
**Diagram sources **
- matplotlib_draw.py
bokeh_draw.py文件实现了对Bokeh后端的支持。它提供了类似的绘图函数，但利用Bokeh的交互特性，使得图表更加动态和响应式。
classDiagram
class bokeh_draw {
+kplot(kdata, new=True, axes=None, colorup='r', colordown='g')
+iplot(indicator, new=True, axes=None, kref=None, legend_on=False, text_on=False, text_color='k', zero_on=False, label=None, *args, **kwargs)
+sgplot(sg, new=True, axes=None, style=1, kdata=None)
}
**Diagram sources **
- bokeh_draw.py
echarts_draw.py文件实现了对ECharts后端的支持。它利用ECharts的强大功能，提供了丰富的图表类型和高度的交互性。
classDiagram
class echarts_draw {
+kplot(kdata : KData, ind_main=None, ind_sub=None)
+iplot(indicator, kref : KData = None, chart=None, ilongname=False)
+sgplot(sg : SignalBase)
}
**Diagram sources **
- echarts_draw.py
用户可以通过设置不同的参数来自定义图表的样式，如颜色、线型和图例。例如，使用matplotlib_draw.py中的iplot函数时，可以通过color参数设置线条颜色，通过linestyle参数设置线型，通过label参数设置图例。
用户可以将绘图结果直接嵌入到Jupyter Notebook中，以便进行交互式分析。例如，使用bokeh_draw.py中的show_gcf函数可以将当前图表显示在Notebook中。
用户可以将绘图结果保存为静态图片，如PNG或PDF格式。例如，使用matplotlib_draw.py中的savefig函数可以将当前图表保存为文件。
用户可以将绘图结果保存为交互式HTML文件，以便在Web浏览器中查看。例如，使用bokeh_draw.py中的output_file函数可以将当前图表保存为HTML文件。
可视化功能不仅用于展示数据，还可以用于策略的调试和分析。例如，通过绘制K线图和技术指标叠加图，可以验证信号生成的准确性。通过绘制资金曲线图和持仓分布图，可以评估策略的性能。
Hikyuu框架的可视化功能为用户提供了一套强大的工具，帮助他们更好地理解和分析金融数据。通过支持多种绘图后端，用户可以根据具体需求选择最适合的工具。无论是生成静态图表还是创建交互式应用，Hikyuu都能满足用户的需求。