量化系列(八十五): 量化可视化教程:Python 导入股票历史数据生成带成交量 K 线图源码分享

{  "pageNum": 1,  "pageSize": 100,  "code": "001318",  "startDate": "2026-05-01",  "endDate": "2026-07-03"}

{    "code": 20000,    "success": true,    "message": null,    "timestamp": 1783077316779,    "traceId": "4a0e4cc5-67df-48cf-8099-221e34e864a1",    "timestampStr": "2026-07-03 19:15:16",    "exceptionMessage": null,    "customInfo": "如果你对我的接口感兴趣,请联系我:+v: yueshushu_top",    "data": {        "total": 42,        "list": [            {                "id": 6730591,                "code": "001318",                "name": "阳光乳业",                "currDate": "2026-07-03 15:30:02",                "lowestPrice": 10.3000,                "openingPrice": 10.3000,                "yesClosingPrice": 10.3000,                "amplitude": 0.1500,                "amplitudeProportion": 1.4600,                "tradingVolume": 2330400.0000,                "tradingValue": 2437.0000,                "closingPrice": 10.4500,                "highestPrice": 10.5300,                "zt": 0,                "lowestTime": null,                "highestTime": null,                "openPercent": 0.0000,                "lowestPercent": 0.0000,                "highestPercent": 2.2300,                "outDish": 11718,                "innerDish": 11586,                "changingProportion": 0.8200,                "than": 1.0400,                "avgPrice": 10.4600,                "market": 29.5400,                "ltMarket": 29.5400,                "staticPriceRatio": 28.2700,                "dynamicPriceRatio": 38.7000,                "ttmPriceRatio": 29.1000,                "buyHand": 364,                "sellHand": 1150,                "appointThan": "-51.92",                "flag": 1,                "webUrl": null,                "dayWebUrl": null,                "aiSendMessage": "2026-07-03 10.3000,10.5300,10.3000,10.4500,2330400.0000",                "tradingVolumePercent": null,                "currDateStr": "07-03",                "tproportion": 2.2300            }        ]    }}

Java量化系列（二）：实现股票日K数据每日自动同步

Java量化系列（三）：实现东方财富历史日K线数据同步

关于 K线图的形态，大家可以看我之前写的文章

Java 量化系列（十五）：输入股票代码，1 秒生成专业 K 线图！ECharts 渲染 + 精准数据，新手也能看懂走势

Java 量化系列（十四）：输入股票代码，1 秒识别 K 线形态！自动判断涨跌，新手也能精准决策

Java量化系列（十三）：42种K线形态“涨跌密码”全揭秘！新手也能精准预判行情

三.   Python 实现画K线图

为了方便大家理解和使用， 小亥将采用 streamlit  进行编写相关的脚本， 这样有页面，也方便点击 。

大家可以通过 AI 自行实现，  小亥这儿提供一个简单的版本。

脚本名称为   stock_history_kline.py

安装依赖:

pip install streamlit requests pandas plotly -i https://pypi.tuna.tsinghua.edu.cn/simple

直接复制粘贴即可

import streamlit as stimport requestsimport pandas as pdimport plotly.graph_objects as gofrom plotly.subplots import make_subplotsfrom datetime import datetime, timedeltafrom io import BytesIO# ===================== 接口配置 =====================STOCK_HISTORY_URL = "https://www.yueshushu.top/StockApi/stockHistory/history?sign=stock"SERVER_PORT = 9093# ===================== 页面配置 =====================st.set_page_config(    page_title="金亥跃江_股票K线图查询工具",    layout="wide",    page_icon="📈")# ===================== 查询股票历史数据 =====================def query_stock_history(stock_code, start_date, end_date):    req_body = {        "pageNum": 1,        "pageSize": 200,        "code": stock_code,        "type": 1,        "startDate": start_date,        "endDate": end_date    }    try:        resp = requests.post(STOCK_HISTORY_URL, json=req_body, timeout=20)        res_json = resp.json()        if res_json.get("code") == 20000 and res_json.get("success"):            data = res_json.get("data", {})            total = data.get("total", 0)            data_list = data.get("list", [])            df = pd.DataFrame(data_list)            return df, total, "success"        else:            return pd.DataFrame(), 0, f"接口返回异常：{res_json.get('message')}"    except Exception as e:        return pd.DataFrame(), 0, f"请求异常：{str(e)}"# ===================== K线图组件 =====================def plot_kline(df, stock_name, stock_code):    """    绘制K线图    Args:        df: 股票数据DataFrame        stock_name: 股票名称        stock_code: 股票代码    """    # 准备数据    df = df.sort_values('currDate')  # 按日期排序    # 将日期转换为 datetime 格式（Plotly 自动隐藏周末间隙）    from datetime import datetime    dates = []    for d in df['currDate'].tolist():        date_str = str(d).split(' ')[0] if ' ' in str(d) else str(d)        dates.append(pd.to_datetime(date_str))    opening = df['openingPrice'].astype(float).tolist()    closing = df['closingPrice'].astype(float).tolist()    highest = df['highestPrice'].astype(float).tolist()    lowest = df['lowestPrice'].astype(float).tolist()    volumes = df['tradingVolume'].astype(float).tolist()    # 判断涨跌    colors = ['#ef5350' if close >= open_ else '#26a69a'              for close, open_ in zip(closing, opening)]    # 创建子图：K线图在上，成交量在下    fig = make_subplots(        rows=2, cols=1,        shared_xaxes=True,        vertical_spacing=0.08,        row_heights=[0.75, 0.25],        subplot_titles=('', '成交量')    )    # 添加K线图    fig.add_trace(        go.Candlestick(            x=dates,            open=opening,            high=highest,            low=lowest,            close=closing,            name='K线',            increasing_line_color='#ef5350',  # 上涨红色            decreasing_line_color='#26a69a',  # 下跌绿色            increasing_fillcolor='#ef5350',            decreasing_fillcolor='#26a69a'        ),        row=1, col=1    )    # 添加成交量柱状图    fig.add_trace(        go.Bar(            x=dates,            y=volumes,            name='成交量',            marker_color=colors,            showlegend=False        ),        row=2, col=1    )    # 更新布局 - 隐藏周末间隙    fig.update_layout(        title={            'text': f'<b>{stock_name}({stock_code})</b> 日K线图',            'font': {'size': 20},            'x': 0.5,            'xanchor': 'center'        },        template='plotly_white',        height=700,        showlegend=True,        legend=dict(            orientation="h",            yanchor="bottom",            y=1.02,            xanchor="right",            x=1        ),        xaxis_rangeslider_visible=False,  # 隐藏默认的range slider        hovermode='x unified',        # 使用 rangebreaks 隐藏周末        xaxis=dict(            rangebreaks=[                dict(bounds=['sat', 'mon'])  # 隐藏周六到周一            ]        )    )    # 更新Y轴标签    fig.update_yaxes(title_text="价格", row=1, col=1, gridcolor='#E0E0E0')    fig.update_yaxes(title_text="成交量", row=2, col=1, gridcolor='#E0E0E0')    # 更新X轴    fig.update_xaxes(        row=2, col=1,        title_text="日期",        gridcolor='#E0E0E0',        showgrid=True    )    return fig# ===================== 页面主程序 =====================def main():    st.title("📈金亥跃江__A股股票K线图查询工具")    st.divider()    # 侧边栏查询条件    with st.sidebar:        st.header("🔍 查询条件配置")        # 手动输入股票代码        stock_code_input = st.text_input(            label="股票代码",            value="",            placeholder="请输入6位股票代码，如：001318"        )        # 默认日期：今天、往前2个月        today = datetime.now().date()        two_month_ago = today - timedelta(days=60)        start_date = st.date_input("开始日期", value=two_month_ago)        end_date = st.date_input("结束日期", value=today)        query_btn = st.button("🚀 开始查询", type="primary", use_container_width=True)        st.divider()        # K线图说明        with st.expander("📖 K线图说明"):            st.markdown("""            **K线图（蜡烛图）说明：**            - 🔴 **红色K线**：收盘价 > 开盘价（上涨）            - 🟢 **绿色K线**：收盘价 < 开盘价（下跌）            **K线构成：**            - 📍 **上影线**：最高价到收盘/开盘价的距离            - 📍 **下影线**：最低价到开盘/收盘价的距离            - 📍 **实体**：开盘价到收盘价的范围            **交互功能：**            - 🔍 鼠标滚轮缩放            - ✋ 点击拖拽移动            - 📊 悬停查看详情            """)    # 执行查询    if query_btn:        # 验证股票代码        if not stock_code_input or len(stock_code_input.strip()) == 0:            st.warning("请输入股票代码！")            return        selected_stock_code = stock_code_input.strip()        if start_date > end_date:            st.warning("开始日期不能晚于结束日期！")            return        start_str = start_date.strftime("%Y-%m-%d")        end_str = end_date.strftime("%Y-%m-%d")        with st.spinner("正在请求接口获取股票历史数据，请稍等..."):            df, total, msg = query_stock_history(selected_stock_code, start_str, end_str)        if msg != "success":            st.error(msg)            return        if df.empty:            st.info("当前筛选条件下未查询到任何行情数据")            return        # 获取股票名称        stock_name = df.iloc[0]['name'] if 'name' in df.columns else selected_stock_code        st.success(f"✅ 查询成功！共获取 {total} 条股票行情记录")        # 绘制K线图        fig = plot_kline(df, stock_name, selected_stock_code)        st.plotly_chart(fig, use_container_width=True)        # 显示数据统计信息        with st.expander("📊 数据统计"):            col1, col2, col3, col4 = st.columns(4)            with col1:                latest_close = float(df.iloc[-1]['closingPrice'])                st.metric("最新收盘价", f"{latest_close:.2f}")            with col2:                first_close = float(df.iloc[0]['closingPrice'])                change = latest_close - first_close                change_pct = (change / first_close) * 100 if first_close != 0 else 0                st.metric("期间涨跌", f"{change:+.2f}", f"{change_pct:+.2f}%")            with col3:                highest_price = float(df['highestPrice'].max())                st.metric("期间最高价", f"{highest_price:.2f}")            with col4:                lowest_price = float(df['lowestPrice'].min())                st.metric("期间最低价", f"{lowest_price:.2f}")        # 导出数据        st.divider()        file_name = f"{selected_stock_code}_{start_str}_{end_str}_股票历史数据.xlsx"        # 准备导出数据        COLUMN_MAP = {            "code": "股票代码",            "name": "股票名称",            "currDate": "交易日期",            "openingPrice": "开盘价",            "highestPrice": "最高价",            "lowestPrice": "最低价",            "closingPrice": "收盘价",            "yesClosingPrice": "昨日收盘价",            "amplitude": "涨跌额",            "amplitudeProportion": "涨跌幅(%)",            "tradingVolume": "成交量",            "tradingValue": "成交额"        }        SHOW_COLUMNS = list(COLUMN_MAP.keys())        export_df = df[SHOW_COLUMNS].copy()        export_df.rename(columns=COLUMN_MAP, inplace=True)        output = BytesIO()        with pd.ExcelWriter(output, engine="openpyxl") as writer:            export_df.to_excel(writer, index=False, sheet_name="股票行情数据")        excel_data = output.getvalue()        st.download_button(            label="📥 下载Excel数据",            data=excel_data,            file_name=file_name,            mime="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",            type="primary"        )        # 数据预览        with st.expander("📋 数据预览"):            st.dataframe(export_df, use_container_width=True, height=300)if __name__ == "__main__":    main()

运行脚本:

streamlit run stock_history_kline.py

Google 浏览器会自动打开

大家可以看一看 与专业的K线图的区别 

几乎是一样的。

后台私信  PythonK线图  可获取完整代码

免责声明：本文仅供技术交流，不构成任何投资建议。股市有风险，投资需谨慎。

如果你觉得这篇文章说到了心坎里，请点个“在看” 和推荐 ，点个关注，并转发给身边的朋友，让更多人支持小亥！

#Python量化   #股票量化  #股票历史数据  #金亥跃江聊量化 #金亥跃江