上证指数

# -*- coding: utf-8 -*-
# sh.py
class sh:
    # 本地数据库连接信息初始化，用 pyodbc 连接只需三个信息
    def __init__(self, user=‘sa‘, password=‘123456‘, dsn=‘XiTongDSN‘):
        self.user = user
        self.password = password
        self.dsn = dsn
        import sqlalchemy
        # 建立数据库连接引擎，存取数据库需用到
        self.engine = sqlalchemy.create_engine(‘mssql+pyodbc://‘+self.user+‘:‘+self.password+‘@‘+self.dsn)
    # 从 tushare.org 下载上证指数 sh 数据
    def get_url(self):
        import tushare
        import pandas
        dataframe = tushare.get_hist_data(‘sh‘)
        # 由于 dataframe 存入 SQL Server 时 index 会报错，那就灵活处理下
        # 把 index 复制成列 date 插到最后一列
        index = list(dataframe[‘open‘].index)
        dataframe[‘date‘] = pandas.Series(index, index)
        pandas.DataFrame(dataframe, index)
        # 我只需列（开盘，最高，收盘，最低，成交量，日期），其他列统统删掉好了
        dataframe.drop([‘price_change‘, ‘p_change‘, ‘ma5‘, ‘ma10‘, ‘ma20‘, ‘v_ma5‘, ‘v_ma10‘, ‘v_ma20‘], axis=1, inplace=True)
        # 将处理完的 dataframe 存入到本地数据库
        dataframe.to_sql(‘sh‘, self.engine, if_exists=‘replace‘, index=False)
    # 调用本地数据库上证指数数据 sh
    def get_sql(self):
        import pandas
        connection = self.engine.connect()
        data = pandas.read_sql_table(‘sh‘, connection)
        # 做处理时，由于 date 不连续且无什么意义，直接用计数当 date 用好了
        index = list(data[‘open‘].index)
        o = data[‘open‘]
        h = data[‘high‘]
        c = data[‘close‘]
        l = data[‘low‘]
        volume = data[‘volume‘]
        return index, o, h, c, l, volume

# -*- coding: utf-8 -*-
# 清屏
import os
clearscreen = os.system(‘cls‘)
# 调用 sh.py 模块
import sh
# 获取 sh 数据，先模块实例化
SH = sh.sh()
‘‘‘
# 下载数据到本地数据库
SH.get_url()
‘‘‘
# 调取数据库表 sh 数据
index, o, h, c, l, volume = SH.get_sql()

# -*- coding: utf-8 -*-
# 清屏
import os
clearscreen = os.system(‘cls‘)
# 调用模块
import sh
# 获取 sh 数据，先模块实例化
SH = sh.sh()
‘‘‘
# 下载数据到本地数据库
SH.get_url()
‘‘‘
# 调取数据库表 sh 数据
index, o, h, c, l, volume = SH.get_sql()
# 这是暴力的分割线~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
# 载入绘图模块
import matplotlib.pyplot as plot
from matplotlib.finance import candlestick_ochl
# 根据需要按列合并成一个
quotes = []
for i in range(0, len(index)):
    quotes.append((index[i],
                   o[i],
                   c[i],
                   h[i],
                   l[i],
                   volume[i]))
# 获取图表实例
figure = plot.figure(‘Made by DengChaohai‘)
# 上图
subplot1 = figure.add_subplot(211,
                           title=‘Index of Shanghai‘,
                           xlabel=‘index of date‘,
                           ylabel=‘index of Shanghai‘,
                           xlim=[min(index), max(index)])
plot.grid(True,
          axis=‘both‘)
# K 线图
candlestick_ochl(subplot1,
                 quotes,
                 colorup=‘r‘,
                 colordown=‘g‘)
# 成交量 bar 图，为了好看点，进行了缩放处理
b11 = subplot1.bar(left=index,
                height=[i*100/min(volume) for i in volume],
                bottom=0,
                width=1,
                color=‘c‘,
                edgecolor=‘c‘)

# 下图
subplot2 = figure.add_subplot(212,
                           title=‘Singal of Buy or Sell‘,
                           xlabel=‘index of date‘,
                           ylabel=‘index of Shanghai‘,
                           xlim=[min(index), max(index)])
plot.grid(True,
          axis=‘both‘)
# open 线图
subplot2.plot(o,
              ‘g‘)
# 自定义加权价 weighting price
wp = []
for i in range(0, len(index)):
    wp.append(o[i]*2/7+c[i]*3/7+h[i]/7+l[i]/7)
# weighting price 线图
subplot2.plot(wp,
              ‘r‘)
# 差价 bar 图，为好看同意进行了缩放
subplot2.bar(left=index,
             height=[(o[i]-wp[i])*10 for i in range(0, len(index))],
             bottom=0,
             width=1,
             color=‘c‘,
             edgecolor=‘c‘)