# 从 CodeBuddy 抓数据到生成 K 线图 · 个人量化交易系统实现①

> 先交代下背景：我最近琢磨着**自己搭一套个人交易系统玩玩**，纯属兴趣，也不指望靠它发财，就当练手 + 学 Python。这篇算是**抛砖引玉**——第一步嘛，肯定是先把数据抓下来，没数据后面啥都白搭。后面我会**陆续补齐更多技术文档**（指标、策略、回测啥的都会写）。这篇先把"数据从哪来、怎么画成 K 线"这关过了。

## 一、文档概述

- **咱要干啥**：用对话式 AI（CodeBuddy）帮着写脚本、跑命令，从免费数据源把中国平安（`sh.601318`）的日线行情抓下来，再分别搞出一张**静态图**和一个**能交互的网页**。
- **涉及文件**

| 文件 | 作用 |
|---|---|
| `download_stock.py` | 从 baostock 拉日线行情，存成 CSV |
| `中国平安日线数据.csv` | 原始行情数据（注意是 Tab 分隔的） |
| `draw_kline.py` | 用 mplfinance 画静态 K 线 PNG |
| `中国平安日线图.png` | 静态图成品（其实也就是网页的截图替代品） |
| `draw_kline_html.py` | 用 plotly 生成交互式 HTML |
| `中国平安日线图.html` | 交互网页成品 |

- **技术栈**：Python 3 + `baostock`（数据源）+ `pandas`（数据处理）+ `matplotlib`/`mplfinance`（静态图）+ `plotly`（交互图）。

### 整体流程一览

```mermaid
flowchart LR
 A[CodeBuddy 对话写脚本] --> B[baostock 拉日线 download_stock.py]
 B --> C[(中国平安日线数据.csv Tab 分隔)]
 C --> D[draw_kline.py mplfinance]
 C --> E[draw_kline_html.py plotly]
 D --> F[中国平安日线图.png 静态图]
 E --> G[中国平安日线图.html 交互网页]
```

说白了就是：**让 AI 写脚本 → 抓数据 → 同一份 CSV → 两条路各画一张图**。两条路互不干扰，你喜欢哪种用哪种。

## 二、环境与工具准备

1. **装上 / 打开 CodeBuddy**：在编辑器里把它唤出来，直接跟它说"帮我写个抓股票数据的脚本并运行"，它就帮你整了，蛮省事。
2. **确认 Python 环境**（别一上来就报错哈）：
 ```bash
 python --version
 ```
3. **装依赖库**，本项目一共用到 5 个：
 ```bash
 pip install baostock pandas matplotlib mplfinance plotly
 ```
 | 库 | 用途 |
 |---|---|
 | `baostock` | 免费 A 股行情源，免注册、不要 token，个人玩够用了 |
 | `pandas` | 读写 / 清洗 CSV |
 | `matplotlib` | 底层绘图 |
 | `mplfinance` | 专门画 K 线蜡烛图的，一行搞定 |
 | `plotly` | 交互式网页图表 |

> 小提醒：如果 `pip` 装得慢，可以加个 `-i https://pypi.tuna.tsinghua.edu.cn/simple` 换成清华源，亲测快不少。

## 三、获取股票数据

数据源我选了 **baostock**：免费、免注册、不用 token，对个人研究太友好了。

`download_stock.py` 核心逻辑如下（代码我就不逐行念了，挑重点说）：

```python
import baostock as bs
import pandas as pd

lg = bs.login()
if lg.error_code != '0':
 print("登录失败:", lg.error_msg)
 exit()

df_result = bs.query_history_k_data_plus(
 code="sh.601318", # 中国平安
 fields="date,open,high,low,close,volume,amount,pctChg",
 start_date="2020-01-01",
 end_date="2026-07-25",
 frequency="d", # 日线
 adjustflag="3" # 3:不复权 2:前复权 1:后复权
)

data_list = []
while df_result.error_code == '0' and df_result.next():
 data_list.append(df_result.get_row_data())

stock_df = pd.DataFrame(data_list, columns=df_result.fields)
stock_df.to_csv("中国平安日线数据.csv", index=False, encoding="utf-8-sig")
print("已保存：中国平安日线数据.csv，共", len(stock_df), "条")
bs.logout()
```

**几个容易懵的点**
- `bs.login()` / `bs.logout()` 得成对写，不然连接不释放。
- `adjustflag` 决定复权方式：`3` 不复权（默认）、`2` 前复权、`1` 后复权。做技术分析嘛，通常用**前复权**更合理。
- 数据是**分页**的，得用 `next()` + `get_row_data()` 循环才能拉全，别只取第一页就跑了。
- 保存用 `encoding="utf-8-sig"`，这样 Excel 打开中文不会乱码，别偷懒用默认。

**跑起来**
```bash
cd 你的项目目录
python download_stock.py
```
产出：`中国平安日线数据.csv`。

## 四、数据格式说明

读 CSV 有个**巨坑**先提醒你：这文件是 **Tab 分隔，不是逗号**！所以读取必须 `sep="\t"`，否则整行会被塞进一列，后面全废。

```
date	open	high	low	close	volume	amount	pctChg
2020/1/2	85.9	86.79	85.88	86.12	77825207	6712531637	0.7723
```

- **列含义**：`date` 日期、`open` 开、`high` 高、`low` 低、`close` 收、`volume` 成交量、`amount` 成交额、`pctChg` 涨跌幅(%)。
- **日期格式**：`2020/1/2` 这种不补零的写法，解析用 `format="%Y/%m/%d"`。
- **数值类型**：CSV 读进来默认是字符串，画图前务必 `pd.to_numeric(..., errors="coerce")` 转一下。

## 五、绘制静态 K 线图（PNG）

`draw_kline.py` 用 `mplfinance`，一行就画出专业 K 线：

```python
import pandas as pd
import matplotlib.pyplot as plt
import mplfinance as mpf

plt.rcParams["font.family"] = ["DejaVu Sans"] # 本机没中文字体，先用英文兜底
plt.rcParams["axes.unicode_minus"] = False

df = pd.read_csv("中国平安日线数据.csv", sep="\t")
needed = ["date", "open", "high", "low", "close", "volume"]
df = df[needed].copy()
for col in ["open", "high", "low", "close", "volume"]:
 df[col] = pd.to_numeric(df[col], errors="coerce")
df["date"] = pd.to_datetime(df["date"], format="%Y/%m/%d")
df = df.set_index("date").sort_index()

mc = mpf.make_marketcolors(up="red", down="green", edge="inherit",
 wick="inherit", volume="inherit")
style = mpf.make_mpf_style(marketcolors=mc)

mpf.plot(
 df, type="candle", volume=True, style=style,
 title="Ping An Insurance (sh.601318) Daily K-line",
 ylabel="Price", ylabel_lower="Volume",
 mav=(5, 20, 60), savefig="中国平安日线图.png",
 figsize=(14, 8), warn_too_much_data=100000,
)
```

**配置说明**
- `type="candle"` 蜡烛图；`volume=True` 下方叠成交量。
- `marketcolors` 设 `up="red", down="green"`，这才是 A 股**红涨绿跌**的习惯（默认反着来的，绿涨红跌，别搞错）。
- `mav=(5,20,60)` 顺手把 5 / 20 / 60 日均线叠上去。

**踩坑记录（都是真踩过的）**
- 本机**没中文字体**时，标题/坐标中文会变方框。我这偷懒用了英文 `Price`/`Volume`，等装了微软雅黑，把 `font.family` 设成 `["Microsoft YaHei"]` 再改回中文就行。
- `make_mpf_style()` 这函数**不支持** `grid=` 参数，写上就报错，直接去掉。
- 数据多的时候会刷一堆警告，`warn_too_much_data=100000` 能压住。

产出：`中国平安日线图.png`（蜡烛 + 成交量 + 三条均线）。
![中国平安日线图.png](https://developer.qcloudimg.com/http-save/yehe-12589697/ab67a3b36c46dbf2f98830c1056d21ed.png)

## 六、生成交互式 K 线网页（HTML）

静态png,怎么看都觉得别扭，细节也不清楚，算了，再折腾个动态的。
`draw_kline_html.py` 用 `plotly`，生成自包含 HTML，浏览器打开就能悬停 / 缩放，体验比静态图好太多。

```python
import pandas as pd
import plotly.graph_objects as go
from plotly.subplots import make_subplots

df = pd.read_csv("中国平安日线数据.csv", sep="\t")
df["date"] = pd.to_datetime(df["date"], format="%Y/%m/%d")
df = df.sort_values("date").reset_index(drop=True)
for col in ["open", "high", "low", "close", "volume"]:
 df[col] = pd.to_numeric(df[col], errors="coerce")
df["MA5"] = df["close"].rolling(5).mean()
df["MA20"] = df["close"].rolling(20).mean()
df["MA60"] = df["close"].rolling(60).mean()

fig = make_subplots(rows=2, cols=1, shared_xaxes=True,
 vertical_spacing=0.03, row_heights=[0.75, 0.25],
 subplot_titles=("K线（蜡烛图）", "成交量"))

fig.add_trace(go.Candlestick(
 x=df["date"], open=df["open"], high=df["high"],
 low=df["low"], close=df["close"], name="K线",
 increasing_line_color="red", decreasing_line_color="green",
), row=1, col=1)

for ma, color in [("MA5", "orange"), ("MA20", "blue"), ("MA60", "purple")]:
 fig.add_trace(go.Scatter(x=df["date"], y=df[ma], mode="lines",
 name=ma, line=dict(width=1), opacity=0.8),
 row=1, col=1)

vol_colors = ["red" if c >= o else "green"
 for c, o in zip(df["close"], df["open"])]
fig.add_trace(go.Bar(x=df["date"], y=df["volume"], name="成交量",
 marker_color=vol_colors, showlegend=False),
 row=2, col=1)

fig.update_layout(title="中国平安 (sh.601318) 日线 K 线 — 交互图",
 xaxis_rangeslider_visible=False,
 hovermode="x unified",
 legend=dict(orientation="h", y=1.02, x=0),
 template="plotly_white", height=800)
fig.update_yaxes(title_text="价格", row=1, col=1)
fig.update_yaxes(title_text="成交量", row=2, col=1)

fig.write_html("中国平安日线图.html", auto_open=False)
```

**交互能力**
- 鼠标悬停直接看当天开/高/低/收/成交量（`hovermode="x unified"` 还能横向对齐对比，超好用）。
- 框选 / 滚轮缩放、拖动平移，看长周期短周期都方便。
- 右上角图例能单独开关某条均线。

**顺手提一下截图**：想把它存成图片？两法——① 浏览器打开手动截图；② 加一行 `fig.write_image("截图.png", engine="kaleido")` 并 `pip install kaleido`，脚本一键出图。

**优势**：中文是浏览器渲染的，不存在缺字；HTML 自包含，双击即用，不用联网。

产出：`中国平安日线图.html`（体积大概 5 MB 上下）。
![image.png](https://developer.qcloudimg.com/http-save/yehe-12589697/0f72c39ecaa480e09a468f090f8160d8.png)
## 七、两种方案对比

| 维度 | 静态图 (`draw_kline.py`) | 交互网页 (`draw_kline_html.py`) |
|---|---|---|
| 文件 | `中国平安日线图.png` | `中国平安日线图.html` |
| 交互 | 没有，看个静态 | 悬停 / 缩放 / 平移 / 图例开关，全都有 |
| 中文 | 没字体得改英文 | 浏览器渲染，中文正常 |
| 打开方式 | 图片查看器 | 浏览器 |
| 体积 | 小，~100 KB | 大些，~5 MB |

## 八、常见问题与扩展建议

- **换复权方式**：改 `download_stock.py` 里的 `adjustflag`（`2` 前复权 / `1` 后复权）重新拉一遍即可。
- **静态图想用中文**：装个中文字体（微软雅黑），把 `draw_kline.py` 的 `font.family` 设成 `["Microsoft YaHei"]`，再把英文标题/标签改回中文。
- **可扩展方向**（这块咱后面慢慢搞）
 - 标注**金叉 / 死叉**（均线交叉点）。
 - 自动标记买卖信号。
 - 框选一段区间，统计涨跌幅、最大回撤。
 - 加下拉框切换前 / 后复权数据。

## 九、写在最后（个人交易系统的 roadmap）

这篇只是**万里长征第一步**——把数据这条 pipeline 打通。后面我打算顺着这条线继续写技术文档，逐步把个人交易系统搭起来，大致的玩法先列一列，抛砖引玉嘛：

1. **指标层**：MACD、RSI、布林带这些经典指标往上叠，先能"看"，再谈"判"。
2. **策略层**：写几个简单策略（均线交叉、突破之类），用代码表达买卖规则。
3. **回测层**：拿历史数据跑一遍，看看策略到底赚不赚钱，别上来就实盘交学费。
4. **选股 / 监控**：从单只中国平安扩到一篮子股票，定时扫描异动。
5. **提醒 / 自动化**：满足条件微信/邮件推我一下，甚至接个模拟盘。
6. **可视化复盘**：把交易记录和 K 线叠一起，复盘起来直观。

> 说白了，整个系统会**以这篇的"数据抓取 + 画图"为地基**，一层层往上盖。每走一步我就整理一篇文档，既是给自己留笔记，也希望能帮到同样想"自己折腾一套"的朋友。感兴趣的话，咱下篇见 👋
>

先交代下背景：我最近琢磨着自己搭一套个人交易系统玩玩，纯属兴趣，也不指望靠它发财，就当练手 + 学 Python。这篇算是抛砖引玉——第一步嘛，肯定是先把数据抓下来，没数据后面啥都白搭。后面我会陆续补齐更多技术文档（指标、策略、回测啥的都会写）。这篇先把"数据从哪来、怎么画成 K 线"这关过了。

从 CodeBuddy 抓数据到生成 K 线图 · 个人量化交易系统实现①

本文记录用 CodeBuddy 辅助搭建个人交易系统的第一步：从免费数据源 baostock 抓取中国平安（sh.601318）日线行情，存为 CSV，再分别生成静态 K 线图（mplfinance，PNG）与交互式网页（plotly，HTML）。

内容涵盖：环境准备与依赖安装、数据获取脚本要点（复权方式、分页拉取、utf-8-sig 保存）、Tab 分隔数据的读取坑、两种画图方案配置与踩坑记录

编程语言

算法

开发工具

本文详细介绍了如何利用Python搭建个人量化交易系统，从抓取中国平安股票数据到生成K线图的全过程。通过baostock获取免费行情数据，使用mplfinance绘制静态K线图，并利用plotly生成交互式网页图表。文章提供了完整的技术栈和代码实现，包括数据获取、格式处理、图表绘制等关键步骤，适合量化交易初学者学习参考。

数据处理

代码解释

Python

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

本文详细介绍了如何利用Python搭建个人量化交易系统，从抓取中国平安股票数据到生成K线图的全过程。通过baostock获取免费行情数据，使用mplfinance绘制静态K线图，并利用plotly生成交互式网页图表。文章提供了完整的技术栈和代码实现，包括数据获取、格式处理、图表绘制等关键步骤，适合量化交易初学者学习参考...

从 CodeBuddy 抓数据到生成 K 线图 · 个人量化交易系统实现①-腾讯云开发者社区-腾讯云

从 CodeBuddy 抓数据到生成 K 线图 · 个人量化交易系统实现①

从 CodeBuddy 抓数据到生成 K 线图 · 个人量化交易系统实现①

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐