前段时间写了一篇用 pyecharts 绘制 K 线图的文章，结果后台的朋友们一个个跑来留言------
"花姐，这个图咋不全屏？"
"成交量缩放有问题，咋整？"
"有没有更方便的封装方式？我想一行代码就搞定！"
好嘛，大家的愿望就是我改进的动力！💪 这不，花姐连夜优化了一版，并且封装成一个类，只要传入符合格式的 DataFrame 数据，一行代码搞定丝滑的 K 线图，完美支持全屏+缩放！🎉
🚀 准备好？先看看效果，然后咱们开整！
优化后的 K 线图，支持：
✅ 全屏展示 （再也不用担心小图看不清）
✅ 成交量缩放 （精准掌握市场动向）
✅ 更丝滑的交互体验
这是StockKlineChart.py文件内容，绘制K线图的类，拿来就能用👇
python
import pandas as pd
from pyecharts.charts import Kline, Line, Bar, Grid
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
class StockKlineChart:
def __init__(self, df: pd.DataFrame, stock_code: str):
"""
初始化 K 线图表对象
:param df: 股票数据 DataFrame（包含"日期"，"开盘"，"收盘"，"最低"，"最高"，"成交量"）
:param stock_code: 股票代码
"""
self.df = df.sort_values("日期") # 按日期排序，确保数据按时间顺序排列
self.stock_code = stock_code # 股票代码
self.color_up = "#ef232a" # 阳线（上涨）颜色
self.color_down = "#14b143" # 阴线（下跌）颜色
self.ma_periods = [5, 10, 20] # 移动平均线周期
self.ma_colors = {5: "#FF0000", 10: "#0000FF", 20: "#00FF00"} # 均线颜色
def _prepare_data(self):
""" 处理数据：提取 K 线数据、计算移动均线、设置成交量颜色 """
self.dates = self.df['日期'].tolist() # 提取日期列表
self.kline_data = self.df[["开盘", "收盘", "最低", "最高"]].values.tolist() # 提取 K 线数据
# 计算移动平均线
for period in self.ma_periods:
self.df[f'MA{period}'] = (
self.df['收盘']
.rolling(window=period)
.mean()
.bfill() # 处理 NaN 值（前向填充）
.round(2) # 保留两位小数
)
# 计算成交量颜色标记（1: 上涨, -1: 下跌）
self.df['color'] = self.df.apply(
lambda x: 1 if x['收盘'] >= x['开盘'] else -1,
axis=1
)
self.df['index_vol'] = range(len(self.df)) # 给成交量数据添加索引
def create_chart(self):
""" 生成 K 线图表 """
self._prepare_data() # 处理数据
# ================== K 线图配置 ==================
kline = (
Kline()
.add_xaxis(self.dates) # 设置 X 轴日期
.add_yaxis(
series_name="K线", # K 线名称
y_axis=self.kline_data, # K 线数据（开盘、收盘、最低、最高）
itemstyle_opts=opts.ItemStyleOpts(
color=self.color_up, # 阳线颜色
color0=self.color_down # 阴线颜色
)
)
.set_global_opts(
title_opts=opts.TitleOpts(
title="股票K线走势图", # 图表标题
subtitle=f"股票代码：{self.stock_code}", # 副标题
pos_left="left" # 标题位置
),
legend_opts=opts.LegendOpts(
is_show=True, # 是否显示图例
pos_top=10, # 图例位置（顶部）
pos_left="center" # 居中对齐
),
xaxis_opts=opts.AxisOpts(
type_="category", # X 轴类型（类别）
axislabel_opts=opts.LabelOpts(rotate=0), # X 轴标签角度
splitline_opts=opts.SplitLineOpts(is_show=True) # 是否显示网格线
),
yaxis_opts=opts.AxisOpts(
is_scale=True, # Y 轴是否自适应缩放
splitarea_opts=opts.SplitAreaOpts(
is_show=True, # 是否显示网格背景
areastyle_opts=opts.AreaStyleOpts(opacity=1) # 设置透明度
)
),
tooltip_opts=opts.TooltipOpts(
trigger="axis", # 触发方式：鼠标悬浮时显示
axis_pointer_type="cross", # 坐标轴指示器类型（十字指示）
),
datazoom_opts=[
opts.DataZoomOpts(
is_show=False, # 是否显示数据缩放控件
type_="inside", # 缩放类型：内部滑动
xaxis_index=[0, 1], # 作用于 X 轴
range_start=80, # 初始显示范围
range_end=100
),
opts.DataZoomOpts(
is_show=True, # 显示滑动条缩放
xaxis_index=[0, 1],
type_="slider",
pos_top="100%", # 位置：底部
range_start=80,
range_end=100
)
],
# 坐标轴指示器
axispointer_opts=opts.AxisPointerOpts(
is_show=True,
link=[{"xAxisIndex": "all"}],
label=opts.LabelOpts(background_color="#777")
)
)
)
# ================== 移动平均线配置 ==================
line = Line().add_xaxis(self.dates)
for period in self.ma_periods:
line.add_yaxis(
series_name=f"MA{period}",
y_axis=self.df[f'MA{period}'].tolist(),
is_smooth=True, # 平滑曲线
symbol="none", # 取消数据点标记
linestyle_opts=opts.LineStyleOpts(
color=self.ma_colors[period], # 颜色
width=2 # 线宽
),
label_opts=opts.LabelOpts(is_show=False) # 隐藏数据标签
)
# 叠加 K 线和均线
overlap_kline = kline.overlap(line)
# ================== 成交量柱状图 ==================
vol_bar = (
Bar()
.add_xaxis(self.dates)
.add_yaxis(
series_name="成交量",
y_axis=self.df[['index_vol', '成交量', 'color']].values.tolist(),
label_opts=opts.LabelOpts(is_show=False), # 隐藏标签
)
.set_global_opts(
xaxis_opts=opts.AxisOpts(
type_="category",
grid_index=1,
axislabel_opts=opts.LabelOpts(is_show=False),
axistick_opts=opts.AxisTickOpts(is_show=False),
splitline_opts=opts.SplitLineOpts(is_show=False)
),
yaxis_opts=opts.AxisOpts(is_show=False),
legend_opts=opts.LegendOpts(is_show=False),
visualmap_opts=opts.VisualMapOpts(
is_show=False,
dimension=2, # 颜色映射使用的维度（color）
series_index=4, # 作用于第 5 个系列（成交量）
is_piecewise=True, # 分段显示
pieces=[
{"value": 1, "color": self.color_up}, # 上涨颜色
{"value": -1, "color": self.color_down} # 下跌颜色
]
)
)
)
# ================== 组合图表 ==================
grid = (
Grid(init_opts=opts.InitOpts(
width="98vw",
height="95vh",
animation_opts=opts.AnimationOpts(animation=False) # 关闭动画
))
.add(overlap_kline, grid_opts=opts.GridOpts(pos_top="10%", height="60%" ,pos_left="30px",pos_right="10px"))
.add(vol_bar, grid_opts=opts.GridOpts(pos_top="73%", height="20%" ,pos_left="30px",pos_right="10px"))
)
return grid
def render(self, file_path: str = "stock_kline.html"):
""" 渲染并保存 K 线图 """
chart = self.create_chart()
chart.render(file_path)
print(f"K 线图已保存为 {file_path}")这是如何调用的方法👇 在StockKlineChart.py所在目录下新建一个main.py文件
python
import akshare as ak
import StockKlineChart as skc
# 获取股票数据
df = ak.stock_zh_a_hist(
symbol="000001", # 股票代码
period="daily", # 日线数据
start_date="20230101", # 起始日期
end_date="20251201", # 结束日期
adjust="qfq" # 前复权处理
)
# 创建 K 线图实例
stock_chart = skc.StockKlineChart(df=df, stock_code="000001")
stock_chart.render()运行成功以后会在目录下生成一个stock_kline.html文件，用谷歌浏览器打开就能看到了。
🎯 结语
好了，文章基本上就写到这里了，对于Pyecharts配置有疑问的可以参考下这张图：
如果你也在用 pyecharts 做可视化，希望这篇文章能帮你少走点弯路！😆
顺手点赞+在看，就是对花姐最大的支持！❤️