当前位置： 首页 > wzjs >正文

汕头网站建设策划网站超市安装

wzjs 2025/9/10 14:22:31
汕头网站建设策划,网站超市安装,百度推广需要自己做网站吗,福建省建设网站1. 概述 该代码使用 Dash 框架构建了一个交互式的 A 股股票分析看板应用。用户可以输入股票代码、选择日期范围，并通过按钮更新数据。应用提供了两个主要的分析视图：价格走势和技术指标，其中技术指标支持用户选择不同的指标进行展示&#xf…

1. 概述

该代码使用 Dash 框架构建了一个交互式的 A 股股票分析看板应用。用户可以输入股票代码、选择日期范围，并通过按钮更新数据。应用提供了两个主要的分析视图：价格走势和技术指标，其中技术指标支持用户选择不同的指标进行展示，如 MACD、RSI、布林带和均线系统等。应用通过 AKShare 库获取 A 股股票的历史数据，并使用 Plotly 进行数据可视化。

2. 依赖库导入

python

import dash
from dash import html, dcc
from dash.dependencies import Input, Output
import pandas as pd
import numpy as np
import akshare as ak
import plotly.graph_objects as go
from plotly.subplots import make_subplots
from datetime import datetime, timedelta
import time

  • dash：用于构建交互式 Web 应用的框架。
  • html和dcc：Dash 中的 HTML 和核心组件库，用于构建应用的用户界面。
  • Input和Output：用于定义 Dash 应用中回调函数的输入和输出。
  • pandas：用于数据处理和分析，如数据读取、清洗、转换等。
  • numpy：用于数值计算，如数组操作、数学函数等。
  • akshare：用于获取 A 股股票数据的金融数据接口库。
  • plotly.graph_objects：用于创建 Plotly 图形对象，进行数据可视化。
  • make_subplots：用于创建包含多个子图的 Plotly 图形。
  • datetime和timedelta：用于处理日期和时间相关的操作。
  • time：用于处理时间相关的操作，如时间延迟等。

3. 初始化 Dash 应用

python

app = dash.Dash(__name__)

创建一个 Dash 应用实例，__name__是 Python 的特殊变量，用于指定应用的名称。

4. 定义应用布局

python

app.layout = html.Div([html.H1("A股股票分析看板", style={'text-align': 'center'}),html.Div([dcc.Input(id='ticker-input', value='600519', type='text'),  # 茅台股票代码dcc.DatePickerRange(id='date-range',start_date='2023-01-01',end_date=datetime.now().strftime('%Y-%m-%d')),html.Button('更新数据', id='update-button', n_clicks=0)], style={'padding': '10px', 'background-color': '#f9f9f9'}),dcc.Tabs([dcc.Tab(label='价格走势', children=[dcc.Graph(id='price-chart')]),dcc.Tab(label='技术指标', children=[dcc.Dropdown(id='indicator-dropdown',options=[{'label': 'MACD', 'value': 'MACD'},{'label': 'RSI', 'value': 'RSI'},{'label': '布林带', 'value': 'BBANDS'},{'label': '均线系统', 'value': 'MA'}],value=['MACD', 'RSI'],multi=True),dcc.Graph(id='indicator-chart')])])
])

  • html.H1：创建一个一级标题，显示应用的名称，居中对齐。
  • html.Div：包含用户输入股票代码的输入框、日期选择范围组件和更新数据按钮。
    • dcc.Input：输入框，默认显示茅台股票代码600519，用户可以输入其他股票代码。
    • dcc.DatePickerRange：日期选择范围组件，默认起始日期为2023-01-01，结束日期为当前日期。
    • html.Button：更新数据按钮，初始点击次数为 0。
  • dcc.Tabs：创建一个选项卡组件，包含两个选项卡：价格走势和技术指标。
    • dcc.Tab（价格走势）：包含一个dcc.Graph组件，用于显示股票价格走势。
    • dcc.Tab（技术指标）：包含一个dcc.Dropdown组件和一个dcc.Graph组件。dcc.Dropdown用于选择要显示的技术指标，默认选择MACD和RSI，支持多选；dcc.Graph用于显示所选技术指标的图表。

5. 获取股票数据函数

python

def get_stock_data(ticker, start_date, end_date):"""使用AKShare获取A股股票数据"""try:# 转换日期格式start = pd.to_datetime(start_date).strftime('%Y%m%d')end = pd.to_datetime(end_date).strftime('%Y%m%d')# 获取数据df = ak.stock_zh_a_hist(symbol=ticker, period="daily", start_date=start, end_date=end)# 处理数据格式df['日期'] = pd.to_datetime(df['日期'])df = df.set_index('日期')df = df.rename(columns={'开盘': 'Open','收盘': 'Close','最高': 'High','最低': 'Low','成交量': 'Volume'})return df.sort_index()except Exception as e:print(f"获取数据失败: {e}")return pd.DataFrame()

  • ticker：股票代码。
  • start_date：起始日期。
  • end_date：结束日期。
  • 函数首先将输入的日期格式转换为 AKShare 要求的格式（%Y%m%d）。
  • 使用ak.stock_zh_a_hist函数从 AKShare 获取指定股票在指定日期范围内的每日历史数据。
  • 对获取到的数据进行格式处理，将日期列转换为datetime类型并设置为索引，同时将列名从中文转换为英文，最后按日期索引排序。
  • 如果获取数据过程中出现异常，打印错误信息并返回一个空的DataFrame。

6. 更新图表回调函数

python

@app.callback([Output('price-chart', 'figure'),Output('indicator-chart', 'figure')],[Input('update-button', 'n_clicks')],[dash.dependencies.State('ticker-input', 'value'),dash.dependencies.State('date-range','start_date'),dash.dependencies.State('date-range', 'end_date'),dash.dependencies.State('indicator-dropdown', 'value')]
)
def update_charts(n_clicks, ticker, start_date, end_date, indicators):if not indicators:indicators = ['MACD', 'RSI']# 获取股票数据df = get_stock_data(ticker, start_date, end_date)if df.empty:return go.Figure(), go.Figure()# 价格走势图price_fig = go.Figure()price_fig.add_trace(go.Candlestick(x=df.index,open=df['Open'],high=df['High'],low=df['Low'],close=df['Close'],name='K线'))price_fig.update_layout(title=f'{ticker} 价格走势',xaxis_title='日期',yaxis_title='价格',xaxis_rangeslider_visible=False)# 技术指标图indicator_fig = make_subplots(rows=2, cols=1, shared_xaxes=True, vertical_spacing=0.02)indicator_fig.add_trace(go.Candlestick(x=df.index,open=df['Open'],high=df['High'],low=df['Low'],close=df['Close'],name='K线'), row=1, col=1)# 计算并添加技术指标if 'MACD' in indicators:exp12 = df['Close'].ewm(span=12, adjust=False).mean()exp26 = df['Close'].ewm(span=26, adjust=False).mean()macd = exp12 - exp26signal = macd.ewm(span=9, adjust=False).mean()indicator_fig.add_trace(go.Scatter(x=df.index, y=macd, name='MACD'), row=2, col=1)indicator_fig.add_trace(go.Scatter(x=df.index, y=signal, name='信号线'), row=2, col=1)if 'RSI' in indicators:delta = df['Close'].diff()gain = (delta.where(delta > 0, 0)).rolling(window=14).mean()loss = (-delta.where(delta < 0, 0)).rolling(window=14).mean()rs = gain / lossrsi = 100 - (100 / (1 + rs))indicator_fig.add_trace(go.Scatter(x=df.index, y=rsi, name='RSI'), row=2, col=1)indicator_fig.add_hline(y=70, line_dash="dash", line_color="red", row=2, col=1)indicator_fig.add_hline(y=30, line_dash="dash", line_color="green", row=2, col=1)indicator_fig.update_layout(title=f'{ticker} 技术指标分析',height=800,xaxis_rangeslider_visible=False)return price_fig, indicator_fig

  • 该回调函数在用户点击更新数据按钮时触发。
  • 输入参数：
    • n_clicks：更新数据按钮的点击次数。
    • ticker：用户输入的股票代码。
    • start_date：用户选择的起始日期。
    • end_date：用户选择的结束日期。
    • indicators：用户选择的技术指标列表。
  • 输出参数：
    • price-chart的figure：价格走势图。
    • indicator-chart的figure：技术指标图。
  • 函数首先检查indicators是否为空，如果为空则设置默认值为['MACD', 'RSI']。
  • 调用get_stock_data函数获取股票数据，如果数据为空则返回两个空的Figure对象。
  • 价格走势图：创建一个go.Figure对象，添加一个 K 线图迹，设置图表标题、X 轴和 Y 轴标题，并隐藏 X 轴的范围滑块。
  • 技术指标图：创建一个包含两个子图的make_subplots对象，第一个子图添加 K 线图迹，第二个子图根据用户选择的技术指标计算并添加相应的迹。
    • MACD指标：计算 12 日和 26 日的指数移动平均线，然后计算 MACD 值和信号线值，并添加到第二个子图中。
    • RSI指标：计算价格的差值、平均收益和平均损失，进而计算 RSI 值，并添加到第二个子图中，同时添加 70 和 30 的水平线作为超买和超卖的参考。
  • 最后设置技术指标图的标题、高度，并隐藏 X 轴的范围滑块，返回价格走势图和技术指标图。

7. 运行应用

python

if __name__ == '__main__':app.run(debug=True)

当脚本直接运行时，启动 Dash 应用，并设置debug模式为True，以便在开发过程中查看错误信息和自动重新加载应用。

完整代码

import dash
from dash import html, dcc
from dash.dependencies import Input, Output
import pandas as pd
import numpy as np
import akshare as ak
import plotly.graph_objects as go
from plotly.subplots import make_subplots
from datetime import datetime, timedelta
import time# 初始化Dash应用
app = dash.Dash(__name__)app.layout = html.Div([html.H1("A股股票分析看板", style={'text-align': 'center'}),html.Div([dcc.Input(id='ticker-input', value='600519', type='text'),  # 茅台股票代码dcc.DatePickerRange(id='date-range',start_date='2023-01-01',end_date=datetime.now().strftime('%Y-%m-%d')),html.Button('更新数据', id='update-button', n_clicks=0)], style={'padding': '10px', 'background-color': '#f9f9f9'}),dcc.Tabs([dcc.Tab(label='价格走势', children=[dcc.Graph(id='price-chart')]),dcc.Tab(label='技术指标', children=[dcc.Dropdown(id='indicator-dropdown',options=[{'label': 'MACD', 'value': 'MACD'},{'label': 'RSI', 'value': 'RSI'},{'label': '布林带', 'value': 'BBANDS'},{'label': '均线系统', 'value': 'MA'}],value=['MACD', 'RSI'],multi=True),dcc.Graph(id='indicator-chart')])])
])def get_stock_data(ticker, start_date, end_date):"""使用AKShare获取A股股票数据"""try:# 转换日期格式start = pd.to_datetime(start_date).strftime('%Y%m%d')end = pd.to_datetime(end_date).strftime('%Y%m%d')# 获取数据df = ak.stock_zh_a_hist(symbol=ticker, period="daily", start_date=start, end_date=end)# 处理数据格式df['日期'] = pd.to_datetime(df['日期'])df = df.set_index('日期')df = df.rename(columns={'开盘': 'Open','收盘': 'Close','最高': 'High','最低': 'Low','成交量': 'Volume'})return df.sort_index()except Exception as e:print(f"获取数据失败: {e}")return pd.DataFrame()@app.callback([Output('price-chart', 'figure'),Output('indicator-chart', 'figure')],[Input('update-button', 'n_clicks')],[dash.dependencies.State('ticker-input', 'value'),dash.dependencies.State('date-range', 'start_date'),dash.dependencies.State('date-range', 'end_date'),dash.dependencies.State('indicator-dropdown', 'value')]
)
def update_charts(n_clicks, ticker, start_date, end_date, indicators):if not indicators:indicators = ['MACD', 'RSI']# 获取股票数据df = get_stock_data(ticker, start_date, end_date)if df.empty:return go.Figure(), go.Figure()# 价格走势图price_fig = go.Figure()price_fig.add_trace(go.Candlestick(x=df.index,open=df['Open'],high=df['High'],low=df['Low'],close=df['Close'],name='K线'))price_fig.update_layout(title=f'{ticker} 价格走势',xaxis_title='日期',yaxis_title='价格',xaxis_rangeslider_visible=False)# 技术指标图indicator_fig = make_subplots(rows=2, cols=1, shared_xaxes=True, vertical_spacing=0.02)indicator_fig.add_trace(go.Candlestick(x=df.index,open=df['Open'],high=df['High'],low=df['Low'],close=df['Close'],name='K线'), row=1, col=1)# 计算并添加技术指标if 'MACD' in indicators:exp12 = df['Close'].ewm(span=12, adjust=False).mean()exp26 = df['Close'].ewm(span=26, adjust=False).mean()macd = exp12 - exp26signal = macd.ewm(span=9, adjust=False).mean()indicator_fig.add_trace(go.Scatter(x=df.index, y=macd, name='MACD'), row=2, col=1)indicator_fig.add_trace(go.Scatter(x=df.index, y=signal, name='信号线'), row=2, col=1)if 'RSI' in indicators:delta = df['Close'].diff()gain = (delta.where(delta > 0, 0)).rolling(window=14).mean()loss = (-delta.where(delta < 0, 0)).rolling(window=14).mean()rs = gain / lossrsi = 100 - (100 / (1 + rs))indicator_fig.add_trace(go.Scatter(x=df.index, y=rsi, name='RSI'), row=2, col=1)indicator_fig.add_hline(y=70, line_dash="dash", line_color="red", row=2, col=1)indicator_fig.add_hline(y=30, line_dash="dash", line_color="green", row=2, col=1)indicator_fig.update_layout(title=f'{ticker} 技术指标分析',height=800,xaxis_rangeslider_visible=False)return price_fig, indicator_figif __name__ == '__main__':app.run(debug=True)


文章转载自：

http://dKSI7U3E.nwczt.cn
http://lwWWCpRm.nwczt.cn
http://PlZoUEpk.nwczt.cn
http://hprRwBVx.nwczt.cn
http://rraZXmdg.nwczt.cn
http://gzJhWLaN.nwczt.cn
http://SEx07A94.nwczt.cn
http://mfdTCTcg.nwczt.cn
http://UTkt9MJg.nwczt.cn
http://lqC5MI38.nwczt.cn
http://Etqc1RHZ.nwczt.cn
http://uVJJwJOL.nwczt.cn
http://K9HRt96U.nwczt.cn
http://wrAeE4j4.nwczt.cn
http://0j8xcCOj.nwczt.cn
http://3RRQDtpA.nwczt.cn
http://MqqtrB5m.nwczt.cn
http://9q5xuRVb.nwczt.cn
http://g3BtEC24.nwczt.cn
http://5ChAGnUG.nwczt.cn
http://KFDNuhWY.nwczt.cn
http://2rrdtGCE.nwczt.cn
http://BOnjEoJc.nwczt.cn
http://NfujlLit.nwczt.cn
http://ELRFgrqe.nwczt.cn
http://cMtaTQtO.nwczt.cn
http://hYZCIHPD.nwczt.cn
http://KqwQwlGG.nwczt.cn
http://8LmDHpdo.nwczt.cn
http://ZJY7Rjbh.nwczt.cn
http://www.dtcms.com/wzjs/681092.html

相关文章：

  • 盐城整站优化推荐网站建设案例
  • 1688网站首页哈尔滨网站制作软件
  • 如果是创建的网站跨境电商网站建设方案
  • 网站 建设设计方案wordpress api文档下载
  • 外贸网站需要备案吗开发公司名字大全
  • 网站效果用什么软件做建筑工程有限公司
  • ui模板网站wordpress 定时发布 原理
  • 仿58同城分类信息网站源码同城的网站建设
  • 快速搭建网站前端做资源下载网站用什么工具
  • 招商网站建设自己怎么做公司网站
  • 厦门网站建设 孚珀科技可以做围棋题的网站
  • 艺术网站建设模板东莞网站建设备案
  • 设置网站人数网络推广 SEO优化 网站建设
  • 网站制作公司小邓网站备案号被注销什么原因
  • 外贸网站空间选择长沙哪家网站建设比较好
  • 建筑工程网上报建网站广西南宁公司网站制作
  • 临沂市开发区可以做分销的网站去掉网站侧边栏
  • seo网站推广网络营销策划书应该怎么写
  • 淘宝客网站搭建网站建设及推广费用怎么入账
  • 贵州贵阳网站建设传统行业网站建设
  • 做淘宝客要有网站吗wordpress企业网站 教程
  • 潍坊网站排名湘潭市建设网站
  • 会议专题网站建设报价单crm客户管理系统排名
  • 摄影网站设计报告复旦学霸张立勇做的有关寺庙网站
  • 安徽省住房和城乡建设厅网站域名咨询公司的经营范围有哪些
  • 网站建设的标签指的是全网营销的概念
  • 软件定制开发价格网站怎么进行优化排名
  • 网站开发需要多少钱销售分享类网站源码
  • 网站与平台的开发区别做网站推广什么好
  • 安全教育网站建设背景网络推广龙岗比较好的