python/주식
3. Python - Plotly 캔들차트 + 이동평균선 ( feat. rolling API 사용법 )
맑은안개
2021. 1. 27. 07:05
들어가며...
앞선 1, 2편에 이어 Plotly 데이터 시각화 라이브러리를 사용하여 이동평균선을 그려본다. Pandas dataframe은 window 계산 함수 rolling을 제공한다. 이를 사용하여 5, 20, 60일간 이동평균값을 쉽게 구할 수 있다.
1. Python - 캔들차트(candlestick) 만들기 ( mplfinance, Plotly )
2. Python - Plotly 캔들 + 거래량 차트 만들기
이동평균선
주식시장이나 파생상품 시장에서 기술적 분석을 할 때 쓰이는 기본 도구 중 하나. 풀네임보다는 줄여서 이평선이라고 많이 부른다. 거래액, 매매대금, 주가 등 다양한 분야에서 접목할 수 있다. 과거의 평균적 수치에서 현상을 파악(주로 추세)하여 현재의 매매와 미래의 예측에 접목할 수 돕는 것이 목적이다. - 나무위키
Plotly 설치 ( 이미 설치 되어있다면 Skip )
pip install plotly주식 데이터 조회 ( 엔씨소프트 )
import plotly.graph_objects as go
import plotly.subplots as ms
import pandas_datareader as web
df = web.naver.NaverDailyReader('036570', start='20200601' , end='20201231').read()
df = df.astype(int) # Object 데이터를 int로 변환이동평균선 구하기
주가이동평균선을 구하기 위해 먼저 Pandas에서 제공하는 window 계산함수 rolling을 먼저 살펴보자.
pandas.Series.rolling
Series.rolling(window, min_periods=None, center=False, win_type=None, on=None, axis=0, closed=None)
rolling 함수를 사용하여 윈도우크기 만큼 합(sum)하거나 평균(mean)한다.
간단한 예를 살펴보자.
>>> test = pd.DataFrame({'A':range(5)})
>>> test
A
0 0
1 1
2 2
3 3
4 4sum
>>> test.rolling(window=2).sum()
A
0 NaN
1 1.0
2 3.0
3 5.0
4 7.0mean
>>> test.rolling(window=2).mean()
A
0 NaN
1 0.5
2 1.5
3 2.5
4 3.5
rolling 객체는 다음과 같이 집계함수를 사용할 수 있다.
>>> r = test.rolling(2)
>>> r
Rolling [window=2,center=False,axis=0]
>>> r.agg('sum')
A
0 NaN
1 1.0
2 3.0
3 5.0
4 7.0
>>> r.agg('mean')
A
0 NaN
1 0.5
2 1.5
3 2.5
4 3.5
>>> r.agg('max')
A
0 NaN
1 1.0
2 2.0
3 3.0
4 4.0
>>> r.agg('min')
A
0 NaN
1 0.0
2 1.0
3 2.0
4 3.0이제 이동평균선을 구하여 DataFrame에 구성해보자.
>>> df['MA5'] = df['Close'].rolling(5).mean()
>>> df['MA20'] = df['Close'].rolling(20).mean()
>>> df['MA60'] = df['Close'].rolling(60).mean()>>> df.tail(10)
Open High Low ... MA5 MA20 MA60
Date ...
2020-12-16 872000 884000 866000 ... 878800.0 851250.0 812650.000000
2020-12-17 870000 875000 864000 ... 876800.0 853250.0 813433.333333
2020-12-18 871000 881000 863000 ... 871800.0 855000.0 814416.666667
2020-12-21 863000 867000 851000 ... 867600.0 857100.0 815700.000000
2020-12-22 865000 876000 859000 ... 865600.0 859350.0 816700.000000
2020-12-23 873000 899000 870000 ... 869600.0 863500.0 818383.333333
2020-12-24 894000 903000 888000 ... 875400.0 867550.0 820266.666667
2020-12-28 898000 903000 888000 ... 882400.0 871350.0 821916.666667
2020-12-29 899000 919000 899000 ... 892200.0 876500.0 823700.000000
2020-12-30 913000 934000 911000 ... 905400.0 880450.0 826066.666667
캔들차트 생성
>>> candle = go.Candlestick(
x=df.index,
open=df['Open'],
high=df['High'],
low=df['Low'],
close=df['Close'],
increasing_line_color = 'red', # 상승봉 스타일링
decreasing_line_color = 'blue' # 하락봉 스타일링
)이동평균선 생성
>>> ma5 = go.Scatter(x=df.index, y=df['MA5'], line=dict(color='black', width=0.8), name='ma5')
>>> ma20 = go.Scatter(x=df.index, y=df['MA20'], line=dict(color='red', width=0.9), name='ma20')
>>> ma60 = go.Scatter(x=df.index, y=df['MA60'], line=dict(color='green', width=1), name='ma60')라인형태의 차트를 그리기 위해 Scatter를 사용했다. ( line API는 현재 사용되지 않는다. ), width 를 사용하여 라인굵기에 차이를 주었다. name 속성은 범례에 표시된다.
그래프 객체 바인딩
fig = go.Figure(data=[candle, ma5, ma20, ma60])레이아웃 설정 - 타이틀
>>> fig.update_layout(title=dict(text="엔씨소프트 2020년 하반기 일 차트", x=0.5))
# 위 코드는 아래 처럼 표현할 수 있다.
fig.update_layout(title_text="엔씨소프트 2020년 하반기 일 차트", title_x=0.5)그래프 출력
>>> fig.show()
반응형