Finology 大数据金融

通过大数据以量化金融

通过Plotly画时间序列的图,细节非常多。

这篇文章罗列一下关于x轴 Tick的内容设置。

Tickmode - Linear

如果tickmode设置的linear,那就需要设置tick0首项和dtick步长。

1
2
3
4
5
6
7
fig.update_layout(
xaxis = dict(
tickmode = 'linear',
tick0 = 0.5,
dtick = 0.75
)
)

如果是时间序列,dtick为秒数,86400000为1天。

Tickmode - Array

如果tickmode设置的array,那就需要设置数组,tickvalsticktext

1
2
3
4
5
6
7
fig.update_layout(
xaxis = dict(
tickmode = 'array',
tickvals = [1, 3, 5, 7, 9, 11],
ticktext = ['One', 'Three', 'Five', 'Seven', 'Nine', 'Eleven']
)
)

关于对日期的设置,update_xaxes(tickformat=’%Y-%m-%d’)

发现这个pivot table和生成的MultiIndex有点类似。

之前一直有考虑多维的数据如何保存和操作,通过MultiIndex就能解决。

一堆数据通过pivot table也可以生成MultiIndex的DataFrame,这样分析起数据来就比较方便了。

用某产品提供的数据,统计沪深港通的区间净买入股票数量或区间净买入金额,如果遇到公司送股了,统计的数据就会出现问题。

如图所示:

所以必须要统计出当日真实的买入股票数,再通过当日成交均价,才能算出当日净买入金额。

0%