如何用Python制作基于网页爬取黄金价格的实时15分钟K线图？

一、核心问题解答：matplotlib可以实现吗？ #

完全可以。你用到的mplfinance是基于matplotlib开发的专业金融绘图库，原生支持动态更新K线图，能够实现每15分钟闭合旧K线、生成新K线的需求，达到类似TradingView的实时效果。

二、具体实现建议 #

1. 实时数据爬取与K线维护 #

• 定时触发爬取：用time.sleep()配合循环，或更可靠的APScheduler实现定时爬取，注意对齐15分钟时间节点（如整点、15分、30分、45分触发），避免K线时间错位。
• K线数据管理：维护一个pandas.DataFrame存储历史闭合K线，同时单独维护当前未闭合的K线：
  • 未到15分钟节点时，用最新爬取的价格更新当前K线的High/Low/Close；
  • 到达时间节点时，将当前K线并入历史数据，然后用最新价格初始化新的K线（Open/High/Low/Close均设为当前价格）。
• 异常处理：爬取逻辑要加异常捕获（如请求失败、数据解析错误），避免程序直接崩溃。

2. 动态更新K线图 #

• 复用画布对象：不要每次绘图都重新创建fig和ax，复用已有的对象，每次更新数据后调用ax.clear()清除旧图，再重新绘制。
• 实时刷新机制：每次绘制完成后调用plt.pause(0.1)触发画布更新，同时避免程序阻塞。
• 性能优化：只保留最近的N根K线（比如你代码里的150根），避免数据量过大导致绘图卡顿。

3. 基于现有代码的改造示例 #

import pandas as pd
import mplfinance as mpf
import matplotlib.pyplot as plt
import time
import numpy as np
from datetime import datetime, timedelta

# 加载初始历史K线数据
df = pd.read_csv("XAUUSD15.csv", delimiter='\t', header=None)
df.columns = ["Date", "Open", "High", "Low", "Close", "Volume"]
df["Date"] = pd.to_datetime(df['Date'], format='%Y-%m-%d %H:%M')
df.set_index('Date', inplace=True)
last_candles = df.iloc[-150:].copy()

# 初始化当前未闭合K线与下一个闭合时间
current_candle = None
now = datetime.now()
next_close_time = now.replace(minute=(now.minute // 15)*15 +15, second=0, microsecond=0)
if next_close_time <= now:
    next_close_time += timedelta(minutes=15)

# 初始化绘图样式与画布
style = "yahoo"
fig, ax = plt.subplots(figsize=(8, 3.9))
ax.set_facecolor('#101010')
fig.patch.set_facecolor('xkcd:black')
ax.grid(True, color='black', linestyle='--', linewidth=0.5)
ax.xaxis.set_visible(False)
ax.tick_params(axis='y', colors='white')

def fetch_gold_price():
    # 替换为你的实际爬取逻辑，返回当前黄金价格（浮点数）
    # 以下为模拟价格波动示例
    return round(last_candles['Close'].iloc[-1] + (np.random.rand()-0.5)*2, 2)

while True:
    now = datetime.now()
    current_price = fetch_gold_price()

    # 初始化当前未闭合K线
    if current_candle is None:
        current_candle = pd.DataFrame({
            'Open': [current_price],
            'High': [current_price],
            'Low': [current_price],
            'Close': [current_price],
            'Volume': [0]
        }, index=[last_candles.index[-1] + timedelta(minutes=15)])
    
    # 更新当前K线的高低价与收盘价
    current_candle['High'] = max(current_candle['High'].iloc[0], current_price)
    current_candle['Low'] = min(current_candle['Low'].iloc[0], current_price)
    current_candle['Close'] = current_price

    # 合并历史K线与当前K线用于显示
    display_df = pd.concat([last_candles, current_candle])

    # 清除旧图并重新绘制
    ax.clear()
    mpf.plot(display_df, type='candle', style=style, 
             volume=False, ax=ax, ylabel='',
             xrotation=0, datetime_format='%Y-%m-%d %H:%M')
    # 重置画布样式（clear会清除原有设置）
    ax.set_facecolor('#101010')
    ax.grid(True, color='black', linestyle='--', linewidth=0.5)
    ax.xaxis.set_visible(False)
    ax.tick_params(axis='y', colors='white')
    plt.tight_layout()
    plt.pause(0.1)

    # 到达时间节点时闭合当前K线
    if now >= next_close_time:
        last_candles = pd.concat([last_candles, current_candle])
        last_candles = last_candles.iloc[-150:]  # 保留最近150根
        current_candle = None
        # 计算下一个闭合时间
        next_close_time = now.replace(minute=(now.minute //15)*15 +15, second=0, microsecond=0)
        if next_close_time <= now:
            next_close_time += timedelta(minutes=15)
    
    time.sleep(1)  # 每秒刷新一次价格

4. 关键注意事项 #

• 反爬规避：免费爬取实时数据易触发网站反爬，建议添加浏览器请求头、设置合理请求间隔，避免IP被封禁。
• 时间同步：确保本地时间与数据来源时间一致，否则会导致K线闭合节点错误。
• 资源占用：长时间运行时定期清理冗余数据，若需后台运行可切换matplotlib的非交互式后端（如Agg），但实时交互场景建议用默认后端。

内容的提问来源于stack exchange，提问作者Martin Ryan Lacis