一、计算交易日内累计的多头/空头K线总数 #

首先得明确**多头K线（bull candle）和空头K线（bear candle）**的定义：通常收盘价 > 开盘价为多头，收盘价 < 开盘价为空头；若收盘价=开盘价，可标记为中性（这里我们暂时忽略不计入多空统计）。

假设你用Python的pandas处理行情数据，步骤如下：

1. 数据预处理与K线类型标记 #

先加载数据并给每根K线打上类型标签：

import pandas as pd
import numpy as np

# 加载你的行情数据（示例：包含datetime、open、close列）
df = pd.read_csv('market_data.csv', parse_dates=['datetime'], index_col='datetime')

# 标记K线类型：1=多头，-1=空头，0=中性
df['candle_type'] = np.where(
    df['close'] > df['open'], 1,
    np.where(df['close'] < df['open'], -1, 0)
)

2. 按交易日分组统计总数 #

通过groupby按日期聚合，统计每个交易日的多空K线总数：

# 按交易日分组，计算当日累计多头、空头数量
daily_candle_counts = df.groupby(df.index.date).agg(
    total_bull_candles=('candle_type', lambda x: (x == 1).sum()),
    total_bear_candles=('candle_type', lambda x: (x == -1).sum())
)

# 查看结果
print(daily_candle_counts.head())

这段代码会输出每个交易日的多头、空头K线总数，示例结果如下：

total_bull_candles  total_bear_candles
2024-01-02                  35                  29
2024-01-03                  41                  23
...

二、动态累加统计多空K线并绘图展示 #

要实现从开盘起动态累加统计，我们需要对每个交易日内的K线按时间顺序计算累计值，再可视化这个变化过程。

1. 计算交易日内的动态累计值 #

对每个交易日单独计算累计多头/空头数量，用cumsum实现动态累加：

# 确保数据按时间升序排列（避免乱序导致累计错误）
df = df.sort_index()

# 按交易日分组，计算截至当前K线的累计多头/空头数量
df['cumulative_bull'] = df.groupby(df.index.date)['candle_type'].apply(
    lambda x: (x == 1).cumsum()
)
df['cumulative_bear'] = df.groupby(df.index.date)['candle_type'].apply(
    lambda x: (x == -1).cumsum()
)

2. 可视化动态累计趋势 #

用matplotlib绘制单交易日的累计变化曲线（也可以用plotly做交互式图）：

import matplotlib.pyplot as plt

# 选择要展示的目标交易日（示例：取第一个交易日）
target_date = df.index.date[0]
single_day_data = df[df.index.date == target_date]

# 绘图
plt.figure(figsize=(12, 6))
plt.plot(single_day_data.index, single_day_data['cumulative_bull'], 
         color='green', linewidth=2, label='累计多头K线')
plt.plot(single_day_data.index, single_day_data['cumulative_bear'], 
         color='red', linewidth=2, label='累计空头K线')

plt.title(f'{target_date} 交易日多空K线累计数量变化', fontsize=14)
plt.xlabel('交易时间', fontsize=12)
plt.ylabel('累计数量', fontsize=12)
plt.legend(fontsize=12)
plt.grid(alpha=0.3)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

运行后会生成一张直观的趋势图：绿色线随时间逐步上升代表累计多头K线数量，红色线代表累计空头K线数量，能清晰展示当日多空力量的变化节奏。如果需要批量展示多个交易日的情况，可以用循环生成子图，或者用seaborn做分组可视化。

内容的提问来源于stack exchange，提问作者Blind Blake