Python与Plotly实现多维度数据的动态可视化——交互式股票价格

准备工作

安装必要的库

首先，确保安装了以下Python库：

!pip install pandas
!pip install plotly
!pip install yfinance

• pandas：用于数据处理和分析。
• plotly：用于创建交互式可视化。
• yfinance：用于从Yahoo Finance获取历史股票数据。

导入库

import pandas as pd
import plotly.graph_objs as go
import yfinance as yf
from datetime import datetime

获取数据

我们将选择几家著名的科技公司，获取它们过去一年的股票价格数据。

# 定义股票代码和时间范围
stocks = ['AAPL', 'GOOGL', 'MSFT', 'AMZN', 'TSLA']
start_date = '2023-01-01'
end_date = '2023-12-31'# 获取股票数据
stock_data = yf.download(stocks, start=start_date, end=end_date)['Close']

我们使用yfinance库从Yahoo Finance下载股票的收盘价数据，数据范围为2023年全年。

数据预处理

# 检查缺失值并进行填充
stock_data.fillna(method='ffill', inplace=True)# 计算每日回报率
returns = stock_data.pct_change().dropna()

使用前向填充方法处理数据中的缺失值，计算每日回报率以分析股票的波动性。

创建交互式图表

方法一：基本多线图

# 创建基本多线图
fig = go.Figure()for stock in stocks:fig.add_trace(go.Scatter(x=stock_data.index,y=stock_data[stock],mode='lines',name=stock))# 更新布局
fig.update_layout(title='2023年主要科技公司股票价格走势',xaxis_title='日期',yaxis_title='股票价格（美元）',template='plotly_dark',hovermode='x unified'
)# 显示图表
fig.show()

特点：

• 展示多个股票的价格走势，便于比较。
• 使用plotly_dark模板，提供深色背景，更加美观。
• 启用hovermode=‘x unified’，在悬停时同时显示所有股票的价格，方便比较同一天的表现。

方法二：带有滚动和区间选择的交互式图表

# 创建带有滚动和区间选择的图表
fig = go.Figure()for stock in stocks:fig.add_trace(go.Scatter(x=stock_data.index,y=stock_data[stock],mode='lines',name=stock))# 添加区间滑块和按钮
fig.update_layout(title='2023年主要科技公司股票价格走势（带有区间选择）',xaxis=dict(rangeselector=dict(buttons=list([dict(count=1, label='1个月', step='month', stepmode='backward'),dict(count=3, label='3个月', step='month', stepmode='backward'),dict(count=6, label='6个月', step='month', stepmode='backward'),dict(step='all', label='全年')])),rangeslider=dict(visible=True),type='date'),yaxis_title='股票价格（美元）',template='seaborn'
)# 显示图表
fig.show()

特点：

• 添加了时间区间选择器，用户可以快速查看特定时间段的股票走势。
• 底部的范围滑块允许用户自由选择查看的时间范围。
• 使用seaborn模板，提供简洁清新的视觉效果。

方法三：可视化股票每日回报率的箱线图

# 创建每日回报率箱线图
fig = go.Figure()for stock in stocks:fig.add_trace(go.Box(y=returns[stock],name=stock,boxmean='sd'  # 显示均值和标准差))# 更新布局
fig.update_layout(title='2023年主要科技公司股票每日回报率分布',yaxis_title='每日回报率',template='ggplot2'
)# 显示图表
fig.show()

特点：

• 使用箱线图展示每日回报率的分布，直观体现股票的波动性和风险。
• 显示每个股票的均值和标准差，帮助分析其稳定性。
• 使用ggplot2模板，提供专业且美观的外观。

方法四：添加注释和标记的交互式图表

# 选取特定日期进行标记
events = [{'date': '2023-03-15', 'event': '美联储加息'},{'date': '2023-07-10', 'event': '新产品发布'},{'date': '2023-10-25', 'event': '季度财报公布'}
]# 创建图表
fig = go.Figure()for stock in stocks:fig.add_trace(go.Scatter(x=stock_data.index,y=stock_data[stock],mode='lines',name=stock))# 添加事件标记
for event in events:fig.add_vline(x=event['date'], line_width=2, line_dash="dash", line_color="red")fig.add_annotation(x=event['date'],y=stock_data.max().max(),text=event['event'],showarrow=True,arrowhead=1,ax=0,ay=-40)# 更新布局
fig.update_layout(title='2023年主要科技公司股票价格走势（带有重要事件标记）',xaxis_title='日期',yaxis_title='股票价格（美元）',template='plotly_white',hovermode='x unified'
)# 显示图表
fig.show()

特点：

• 在图表中添加了重要事件的垂直线和注释，帮助用户理解特定日期对股票价格的影响。
• 事件标记使得图表更加信息丰富，适合用于报告和展示。
• 使用plotly_white模板，提供简洁专业的外观。

完整代码

import pandas as pd
import plotly.graph_objs as go
import yfinance as yf
from datetime import datetime# 定义股票代码和时间范围
stocks = ['AAPL', 'GOOGL', 'MSFT', 'AMZN', 'TSLA']
start_date = '2023-01-01'
end_date = '2023-12-31'# 获取股票数据
stock_data = yf.download(stocks, start=start_date, end=end_date)['Close']# 检查缺失值并进行填充
stock_data.fillna(method='ffill', inplace=True)# 计算每日回报率
returns = stock_data.pct_change().dropna()# 创建基本多线图
fig1 = go.Figure()for stock in stocks:fig1.add_trace(go.Scatter(x=stock_data.index,y=stock_data[stock],mode='lines',name=stock))# 更新布局
fig1.update_layout(title='2023年主要科技公司股票价格走势',xaxis_title='日期',yaxis_title='股票价格（美元）',template='plotly_dark',hovermode='x unified'
)# 显示图表
fig1.show()# 创建带有滚动和区间选择的图表
fig2 = go.Figure()for stock in stocks:fig2.add_trace(go.Scatter(x=stock_data.index,y=stock_data[stock],mode='lines',name=stock))# 添加区间滑块和按钮
fig2.update_layout(title='2023年主要科技公司股票价格走势（带有区间选择）',xaxis=dict(rangeselector=dict(buttons=list([dict(count=1, label='1个月', step='month', stepmode='backward'),dict(count=3, label='3个月', step='month', stepmode='backward'),dict(count=6, label='6个月', step='month', stepmode='backward'),dict(step='all', label='全年')])),rangeslider=dict(visible=True),type='date'),yaxis_title='股票价格（美元）',template='seaborn'
)# 显示图表
fig2.show()# 创建每日回报率箱线图
fig3 = go.Figure()for stock in stocks:fig3.add_trace(go.Box(y=returns[stock],name=stock,boxmean='sd'  # 显示均值和标准差))# 更新布局
fig3.update_layout(title='2023年主要科技公司股票每日回报率分布',yaxis_title='每日回报率',template='ggplot2'
)# 显示图表
fig3.show()# 选取特定日期进行标记
events = [{'date': '2023-03-15', 'event': '美联储加息'},{'date': '2023-07-10', 'event': '新产品发布'},{'date': '2023-10-25', 'event': '季度财报公布'}
]# 创建图表
fig4 = go.Figure()for stock in stocks:fig4.add_trace(go.Scatter(x=stock_data.index,y=stock_data[stock],mode='lines',name=stock))# 添加事件标记
for event in events:fig4.add_vline(x=event['date'], line_width=2, line_dash="dash", line_color="red")fig4.add_annotation(x=event['date'],y=stock_data.max().max(),text=event['event'],showarrow=True,arrowhead=1,ax=0,ay=-40)# 更新布局
fig4.update_layout(title='2023年主要科技公司股票价格走势（带有重要事件标记）',xaxis_title='日期',yaxis_title='股票价格（美元）',template='plotly_white',hovermode='x unified'
)# 显示图表
fig4.show()