如何从单个DF批量绘制多Ticker行情图,无需重复编写绘图代码且自动适配Ticker变动
多股票批量生成标准结构行情图实现方案
核心目标
完全匹配现有单标的绘图的视觉结构(上半区展示Open价格+14日滚动均价、下半区展示成交量),实现三个核心要求:
- 无需手动拆分单个Ticker的独立数据集
- 无需为每个标的重复编写绘图逻辑
- 后续数据集内Ticker列表变更(新增、删除标的)时,不需要修改原有代码即可自动生成对应图表
实现步骤
1. 通用数据预处理(无需手动拆分DF)
直接利用分组变换自动为所有标的计算14日滚动均价,全程不需要单独提取某只股票的子集:
import pandas as pd import matplotlib.pyplot as plt # 统一转换日期格式,避免时间序列绘图错位 df['Date'] = pd.to_datetime(df['Date']) # 按Ticker分组,自动计算每只股票的14日滚动均价 df['14d_mean_price'] = df.groupby('Ticker')['Open'].transform( lambda x: x.rolling(window=14, min_periods=1).mean() )
2. 绘图逻辑通用封装
将原有单标的的绘图流程封装为可复用函数,完全沿用原代码的布局、标签设置逻辑,适配任意传入的Ticker数据集:
def plot_single_stock(ticker_name, ticker_data): # 按日期排序后设置时间索引,避免绘图顺序混乱 plot_data = ticker_data.sort_values('Date').set_index('Date') # 复用原有4x4网格的子图布局 plt.figure(figsize=(10,5)) top_ax = plt.subplot2grid((4,4), (0, 0), rowspan=3, colspan=4) bottom_ax = plt.subplot2grid((4,4), (3,0), rowspan=1, colspan=4) # 绘制价格、滚动均线、成交量 top_ax.plot(plot_data.index, plot_data['Open']) top_ax.plot(plot_data.index, plot_data['14d_mean_price']) bottom_ax.bar(plot_data.index, plot_data['volume_m']) # 复用原有标签设置 top_ax.axes.get_xaxis().set_visible(False) top_ax.set_title(ticker_name) top_ax.set_ylabel('Open_Price £', fontsize=12) bottom_ax.set_ylabel('Volume (mn)', fontsize=10) plt.tight_layout() plt.show()
3. 自动批量生成图表
直接遍历数据集内所有Ticker分组,不需要手动维护Ticker列表,新增或删除标的时完全不需要调整代码:
# 自动识别DF内全部Ticker,逐一生成对应行情图 for current_ticker, current_data in df.groupby('Ticker'): plot_single_stock(current_ticker, current_data)
方案优势
- 所有数据集拆分、计算流程由pandas的分组逻辑自动完成,无手动操作环节
- 绘图逻辑仅维护一次,无重复代码
- 运行时自动匹配当前DF内的所有标的,后续Ticker列表变动时零代码修改
- 最终生成的图表样式与原有EZJ单标的绘图效果完全一致
内容的提问来源于stack exchange,提问作者Barnaby Cooper
相关产品推荐
相关产品推荐

