实时数据可视化：使用Python绘制期货交易数据走势图

用户8589624

发布于 2025-11-15 13:49:09

1310

文章被收录于专栏：nginxnginx

实时数据可视化：使用Python绘制期货交易数据走势图

在金融交易领域，实时数据的可视化是分析和决策的重要工具。通过将数据以图表的形式展示，交易者可以更直观地观察市场走势，从而做出更明智的交易决策。本文将详细介绍如何使用Python实现期货交易数据的实时可视化，并通过代码示例展示如何绘制两条数据线，分别显示在上下两个子图中，以便更清晰地观察数据的相关性。

1. 引言

在期货交易中，实时数据的获取和分析至关重要。通过实时数据可视化，交易者可以更直观地观察市场走势，从而做出更明智的交易决策。本文将介绍如何使用Python的tqsdk库获取期货交易数据，并使用matplotlib库将数据可视化。我们将展示如何在指定交易时间内获取数据，并将两条数据线分别绘制在上下两个子图中，以便更清晰地观察数据的相关性。

2. 环境准备

在开始之前，我们需要确保已经安装了所需的Python库。我们将使用tqsdk库来获取期货交易数据，并使用matplotlib库来绘制图表。可以通过以下命令安装这些库：

pip install tqsdk matplotlib

3. 数据获取与处理

3.1 导入必要的库

首先，我们需要导入所需的Python库：

from tqsdk import TqApi, TqKq, TqAuth
import matplotlib.pyplot as plt
from datetime import datetime, time

3.2 获取期货交易数据

接下来，我们使用tqsdk库来获取期货交易数据。我们指定一个期货合约，并创建一个模拟账户来获取数据：

SYMBOL = "DCE.i2505"  # 指定数据合约
api = TqApi(TqKq(), auth=TqAuth("890727", "150402"))  # 模拟帐号
quote = api.get_quote(SYMBOL)  # 获取合约基本信息
klines = api.get_kline_serial(SYMBOL, 12)  # 获取合约12秒K线

3.3 定义数据计算函数

我们需要定义一个函数来计算两条数据线。数据1和数据2的计算方法如下：

def get_index_line(klines):
    volume = (klines.volume.iloc[-2] + klines.volume.iloc[-3] +
              klines.volume.iloc[-4] + klines.volume.iloc[-5] +
              klines.volume.iloc[-6]) / 5
    open_oi = (klines.open_oi.iloc[-2] + klines.open_oi.iloc[-3] +
                klines.open_oi.iloc[-4] + klines.open_oi.iloc[-5] +
                klines.open_oi.iloc[-6]) / 5
    close_oi = (klines.close_oi.iloc[-2] + klines.close_oi.iloc[-3] +
                klines.close_oi.iloc[-4] + klines.close_oi.iloc[-5] +
                klines.close_oi.iloc[-6]) / 5
    close = (klines.close.iloc[-2] + klines.close.iloc[-3] +
             klines.close.iloc[-4] + klines.close.iloc[-5] +
             klines.close.iloc[-6]) / 5
    shuju1 = (close_oi - open_oi) / volume * 100  # 数据1
    shuju2 = close / 100  # 数据2
    return shuju1, shuju2

4. 数据可视化

4.1 创建图形和子图

为了更清晰地展示两条数据线，我们将使用matplotlib的subplot功能，将数据1和数据2分别绘制在上下两个子图中：

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8))
fig.tight_layout(pad=5.0)

4.2 实时数据更新与绘图

我们将在指定交易时间内获取数据，并实时更新图表。以下是完整的代码实现：

# 存储时间和数据以便绘图
times = []
data1 = []
data2 = []

while True:
    api.wait_update()  # 等待行情更新
    current_time = datetime.now().time()
    
    # 设定交易时间条件
    if (time(9, 0) <= current_time <= time(11, 30)) or \
       (time(13, 30) <= current_time <= time(15, 0)) or \
       (time(21, 0) <= current_time <= time(23, 0)):
        
        if api.is_changing(klines.iloc[-1], "datetime"):  # 合约行情更新时计算数据1和数据2
            shuju1, shuju2 = get_index_line(klines)
            print("数据1: %.2f,  数据2: %.2f" % (shuju1, shuju2))
            
            # 记录时间和数据
            times.append(datetime.now())  # 记录当前时间
            data1.append(shuju1)  # 记录数据1
            data2.append(shuju2)  # 记录数据2
            
            # 清除之前的图
            ax1.cla()
            ax2.cla()
            
            # 绘制数据1
            ax1.plot(times, data1, label="数据1", color='blue')
            ax1.set_xlabel("时间")
            ax1.set_ylabel("数据1")
            ax1.set_title("数据1的走势")
            ax1.legend()
            ax1.tick_params(axis='x', rotation=45)
            
            # 绘制数据2
            ax2.plot(times, data2, label="数据2", color='orange')
            ax2.set_xlabel("时间")
            ax2.set_ylabel("数据2")
            ax2.set_title("数据2的走势")
            ax2.legend()
            ax2.tick_params(axis='x', rotation=45)
            
            # 自适应布局
            plt.tight_layout()
            
            # 暂停以更新图形
            plt.pause(1)

plt.show()  # 展示图形

5. 代码实现

5.1 完整代码

以下是完整的代码实现，包括数据获取、处理和可视化：

from tqsdk import TqApi, TqKq, TqAuth
import matplotlib.pyplot as plt
from datetime import datetime, time

# 指定数据合约
SYMBOL = "DCE.i2505"
api = TqApi(TqKq(), auth=TqAuth("890727", "150402"))  # 模拟帐号
quote = api.get_quote(SYMBOL)  # 获取合约基本信息
klines = api.get_kline_serial(SYMBOL, 12)  # 获取合约12秒K线

# 定义数据1和数据2的计算函数
def get_index_line(klines):
    volume = (klines.volume.iloc[-2] + klines.volume.iloc[-3] +
              klines.volume.iloc[-4] + klines.volume.iloc[-5] +
              klines.volume.iloc[-6]) / 5
    open_oi = (klines.open_oi.iloc[-2] + klines.open_oi.iloc[-3] +
                klines.open_oi.iloc[-4] + klines.open_oi.iloc[-5] +
                klines.open_oi.iloc[-6]) / 5
    close_oi = (klines.close_oi.iloc[-2] + klines.close_oi.iloc[-3] +
                klines.close_oi.iloc[-4] + klines.close_oi.iloc[-5] +
                klines.close_oi.iloc[-6]) / 5
    close = (klines.close.iloc[-2] + klines.close.iloc[-3] +
             klines.close.iloc[-4] + klines.close.iloc[-5] +
             klines.close.iloc[-6]) / 5
    shuju1 = (close_oi - open_oi) / volume * 100  # 数据1
    shuju2 = close / 100  # 数据2
    return shuju1, shuju2

# 存储时间和数据以便绘图
times = []
data1 = []
data2 = []

# 创建图形和子图
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8))
fig.tight_layout(pad=5.0)

while True:
    api.wait_update()  # 等待行情更新
    current_time = datetime.now().time()
    
    # 设定交易时间条件
    if (time(9, 0) <= current_time <= time(11, 30)) or \
       (time(13, 30) <= current_time <= time(15, 0)) or \
       (time(21, 0) <= current_time <= time(23, 0)):
        
        if api.is_changing(klines.iloc[-1], "datetime"):  # 合约行情更新时计算数据1和数据2
            shuju1, shuju2 = get_index_line(klines)
            print("数据1: %.2f,  数据2: %.2f" % (shuju1, shuju2))
            
            # 记录时间和数据
            times.append(datetime.now())  # 记录当前时间
            data1.append(shuju1)  # 记录数据1
            data2.append(shuju2)  # 记录数据2
            
            # 清除之前的图
            ax1.cla()
            ax2.cla()
            
            # 绘制数据1
            ax1.plot(times, data1, label="数据1", color='blue')
            ax1.set_xlabel("时间")
            ax1.set_ylabel("数据1")
            ax1.set_title("数据1的走势")
            ax1.legend()
            ax1.tick_params(axis='x', rotation=45)
            
            # 绘制数据2
            ax2.plot(times, data2, label="数据2", color='orange')
            ax2.set_xlabel("时间")
            ax2.set_ylabel("数据2")
            ax2.set_title("数据2的走势")
            ax2.legend()
            ax2.tick_params(axis='x', rotation=45)
            
            # 自适应布局
            plt.tight_layout()
            
            # 暂停以更新图形
            plt.pause(1)

plt.show()  # 展示图形

6. 总结

本文详细介绍了如何使用Python实现期货交易数据的实时可视化。通过tqsdk库获取数据，并使用matplotlib库绘制图表，我们成功地将两条数据线分别显示在上下两个子图中，从而更清晰地观察数据的相关性。这种方法不仅适用于期货交易数据，还可以应用于其他需要实时数据可视化的场景。希望本文对您有所帮助，祝您在交易中取得更好的成绩！

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2025-11-12，如有侵权请联系 cloudcommunity@tencent.com 删除

python