Question

我正在尝试使用matplotlib绘制烛台数据。从1分钟数据开始，我在不同的时间范围内使用pd.Timegrouper对它们进行分组，从5分钟到每天，但绘图仅适用于日常数据。您可以在下面找到我正在使用的1分钟数据样本：

data_indexed_5M = data_indexed.groupby([pd.TimeGrouper(freq=pd.offsets.Minute('5'))]).agg({'<LOW>': lambda s: s.min(), 
                                     '<HIGH>': lambda s: s.max(),
                                     '<OPEN>': lambda s: s[0],
                                     '<CLOSE>': lambda s: s[-1]})

ata_indexed_Daily = data_indexed.groupby([pd.TimeGrouper(freq='D')]).agg({'<LOW>': lambda s: s.min(), 
                                     '<HIGH>': lambda s: s.max(),
                                     '<OPEN>': lambda s: s[0],
                                     '<CLOSE>': lambda s: s[-1]})

data_indexed_Daily['Date2'] = data_indexed_Daily['dateTime'].apply(lambda d: mdates.date2num(d.to_pydatetime()))
data_indexed_Daily = data_indexed_Daily.set_index('dateTime')

data_indexed_5M['Date2'] = data_indexed_5M['dateTime'].apply(lambda d: mdates.date2num(d.to_pydatetime()))
data_indexed_5M = data_indexed_5M.set_index('dateTime')


def plotWithMatplot(dataevento):
    deltatime = timedelta(minutes=100*5)  #...(days=100) for daily plot

    pre_data = dataevento - deltatime
    post_data= dataevento + deltatime

    data_slice = data_indexed_5M.loc[pre_data:post_data]   #data_indexed_Daily --> for daily plot

    tuples = [tuple(x) for x in     data_slice[['Date2','<OPEN>','<HIGH>','<LOW>','<CLOSE>']].values]

    fig, ax = plt.subplots()
    ax.xaxis_date()
    ax.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d %H:%M:"))    

    plt.xticks(rotation=45)
    plt.xlabel("Date")
    plt.ylabel("Price")
    plt.title("EURUSD 5M")
    candlestick_ohlc(ax, tuples, width=.6, colorup='g', alpha =.4);

    plt.show()

但是当我在每日和5分钟（任何其他日内时间框架）上绘制同一事件时，我获得以下结果：

每日（好结果）：

当日（糟糕的结果）：

Answer 1

似乎width的无证candlestick_ohlc参数是关键。将它乘以每个数据点之间的一小部分。由于您的数据以分钟为增量，因此应执行以下操作：

candlestick_ohlc(ax, tuples, width=.6/(24*60), colorup='g', alpha =.4);

注意这是一个常见问题解答，但链接并不明显。参见：

python Matplotlib烛台图仅适用于日常数据，不适用于日内数据

1 个答案: