目录
写在前面：
"PyQt5日周月K线纵向对齐显示"，将分三篇博文描述
1 数据处理。将数据处理成适合图形显示的格式
2 显示工具开发。用pyqtgraph开发
3 聚焦某段图形
图形结果显示：
显示的结果是，周线级别K线与本周日数据的最后一个交易日对齐，月线级别K线与本月日数据的最后一个交易日对齐。
数据设计：
假设有40个日数据，日线级别的横轴为0,1,2,3,4,...39
|----|---|---|---|---|---|---|---|---|---|----|----|----|----|----|----|----|----|----|----|
| 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 |
| 周三 | 四 | 五 | 一 | 二 | 三 | 四 | 五 | 一 | 二 | 三 | 四 | 五 | 一 | 二 | 三 | 四 | 五 | 一 | 二 |
|----|----|----|----|----|----|----|----|----|----|----|----|----|----|----|----|----|----|----|----|
| 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 |
| 三 | 四 | 五 | 一 | 二 | 三 | 四 | 五 | 一 | 二 | 三 | 四 | 五 | 一 | 二 | 三 | 四 | 五 | 一 | 二 |
那周线级别对应的横轴为2，7,12,17,22,27,32,37
月线级别与周线一样的提取方式，这里就不再赘述
代码：
（注意：这里的原始数据来自优矿，所以对于收开高低，交易日的字段对应优矿）
从日数据中计算周数据、月数据
def caculate_week_month_from_day(df):
df['row_i'] = [i for i in range(len(df))]
df['o_date'] = pd.to_datetime(df['tradeDate'])
df['ma'] = talib.MA(df['closePrice'],timeperiod=20)
df['vol_ma'] = talib.MA(df['turnoverVol'],timeperiod=20)
df['value_ma'] = talib.MA(df['turnoverValue'],timeperiod=20)
week_group = df.resample('W-FRI',on='o_date')
month_group = df.resample('M',on='o_date')
week_df = week_group.last()
week_df['row_i'] = week_group.last()['row_i']
week_df['openPrice'] = week_group.first()['openPrice']
week_df['lowestPrice'] = week_group.min()['lowestPrice']
week_df['highestPrice'] = week_group.max()['highestPrice']
week_df['turnoverVol'] = week_group.sum()['turnoverVol']
week_df['turnoverValue'] = week_group.sum()['turnoverValue']
week_df = week_df.loc[:,self.multi_columns_list].copy()
week_df.dropna(axis=0,how='any',subset=['closePrice'],inplace=True)
week_df['ma'] = talib.MA(week_df['closePrice'],timeperiod=20)
week_df['vol_ma'] = talib.MA(week_df['turnoverVol'],timeperiod=20)
week_df['value_ma'] = talib.MA(week_df['turnoverValue'],timeperiod=20)
month_df = month_group.last()
month_df['row_i'] = month_group.last()['row_i']
month_df['openPrice'] = month_group.first()['openPrice']
month_df['lowestPrice'] = month_group.min()['lowestPrice']
month_df['highestPrice'] = month_group.max()['highestPrice']
month_df['turnoverVol'] = month_group.sum()['turnoverVol']
month_df['turnoverValue'] = month_group.sum()['turnoverValue']
month_df = month_df.loc[:,self.multi_columns_list].copy()
month_df.dropna(axis=0,how='any',subset=['closePrice'],inplace=True)
month_df['ma'] = talib.MA(month_df['closePrice'],timeperiod=20)
month_df['vol_ma'] = talib.MA(month_df['turnoverVol'],timeperiod=20)
month_df['value_ma'] = talib.MA(month_df['turnoverValue'],timeperiod=20)
return daily_df,week_df,month_df为了便于说明，这里将日周月数据按Excel表格输出，查看数据情况
day,week,month的row_i分别是日、周、月的横轴位置
生成图形显示需要的数据格式
（要显示K线图和成交量图，所以会分别生成K线数据和成交量数据）
def caculate_show_data(df):
k_height_num = 400
vol_height_num = 100
candle_data = df.loc[:,['row_i','openPrice','closePrice','lowestPrice','highestPrice']].values.tolist()
curve_data = {
'x':df['row_i'].values.tolist(),
'y':df['ma'].values.tolist()
}
one = {
'height_num':k_height_num,
'yMin':df['lowestPrice'].min(),
'yMax':df['highestPrice'].max(),
'data_list':[
{
'type':'candle',
'data':candle_data
},
{
'type':'curve',
'data':curve_data
}
]
}
bar_data = df.loc[:,['row_i','openPrice','closePrice','turnoverVol']].values.tolist()
curve_data2 = {
'x':df['row_i'].values.tolist(),
'y':df['vol_ma'].values.tolist()
}
two = {
'height_num':vol_height_num,
'yMin':0,
'yMax':df['turnoverVol'].max(),
'data_list':[
{
'type': 'bar',
'data':bar_data
},
{
'type':'curve',
'data':curve_data2
}
]
}
return one,two