[数据可视化]绘制持仓榜单的“棒棒糖图”

1. 需求

做股票分析的朋友经常会见到类似这种的期货公司持仓榜单图：

这种图就是棒棒糖图。也就是我们今天文章的目标：

绘制出期货持仓榜单的棒棒糖图

图中线的两端是圆点或者菱形，旁边都有标注持仓证券商和相对应的持多仓数或持空仓数，且左右线颜色不同。画图思路大体就是：先画水平线图，再用 scatter 散点图画线左右两端的点，然后标注两端名称，以及标题和注解。

Python 中比较常用的两种图表库是 matplotlib 和 plotly。上图就是以 matplotlib 绘制。而 Plotly交互性更好。

更进一步，如果想让用户可以点击选择交易日期，查看该日期对应的榜单图，这就可以通过一个响应式 web 应用程序来实现。Dash 是一个基于 python 的交互式可视化 web 应用框架，matplotlib 和 Plotly 都可与 Dash 框架结合使用。

Matplotlib 大家比较熟悉。在开始之前，我们先简单介绍下 plotly 和 Dash。

2. Plotly

plotly 库（plotly.py）是一个交互式的开源绘图库，支持40多种独特的图表类型，涵盖各种统计，财务，地理，科学和三维用例，是适用于Python，R 和 JavaScript 的交互式图表库。

plotly.py 建立在 Plotly JavaScript 库（plotly.js）之上，使Python用户可以创建基于 Web 的漂亮交互式可视化效果。这些可视化效果可以显示在 Jupyter 笔记本中，可以保存到独立的 HTML 文件中，也可以作为纯 Python 使用。其官方文档上提供了各种图标的接口说明。

3. Dash

Dash 是用于构建 Web 应用程序的 Python 框架。Dash 建立在 Flask、Plotly.js 和 React.js 基础之上，即 Dash 中的控件和其触发事件都是用React.js包装的，Plotly.js 为 Dash 提供强大的交互式数据可视化图库，Flask 为其提供后端框架。这个框架对 python 程序员特别友好，只需要写 python 代码，不需要写 JS 代码，直接拖拽控件来用即可。感兴趣的童鞋可以去 Dash 的官方文档多多了解一下。Dash 是使用纯 Python 构建高度自定义用户界面的数据可视化应用程序的理想选择。它特别适合做数据分析、数据可视化以及仪表盘或者报告展示。可以将Dash应用程序部署到服务器，然后通过 URL 共享它们，不受平台和环境的限制。

4. 安装

在画图之前，我们需要装一下 Dash、plotly 相关包。可以用 pip 装：

pip install plotly dash

或者也可以用 conda 进行安装。

5. 数据格式和数据处理

测试数据来自东方财富网，用 csv 文件格式保存。

数据的格式如下，header 是日期为第一列，第3列往后为期货公司名字。表格中的负数是上面图中蓝色的空仓，正数是红色的多仓。绘图时，从表格中取出某一日期的一行记录，将持仓数目排序，把对应的数据存入列表中，之后进行画图。

首先对数据进行清洗和处理， pandas读取数据，这里需要去除 000905_SH 列，以及删除全0行。代码如下：

excel_pd = pd.read_excel('data/IC期货商历史数据(1).xlsx', index_col='日期')
# 去空
excel_pd.dropna()
# 去除000905_SH列
excel_pd = excel_pd.drop(labels='000905_SH', axis=1)
# 去0行
excel_pd = excel_pd[~(excel_pd == 0).all(axis=1)]
# 取出时间列表，获取最大日期和最小日期，为日历选项做判断
date_list = excel_pd.index.values.tolist()
min_date = min(date_list)
max_date = max(date_list)

接下来我们需要根据输入的日期来筛选某一行记录，分别将持空仓期货公司和持多仓期货公司取出，剔除持仓数为0的期货公司。代码如下：

def get_data_via_date_from_excel(date):
    # 筛选日期
    sheet1_data = excel_pd.loc[date]
    # 去除列值为0
    sheet1_data = sheet1_data[sheet1_data != 0]
    # 排序 从小到大
    sheet1_data = sheet1_data.sort_values()
    # 空仓
    short_hold = sheet1_data[sheet1_data < 0]
    # 多仓
    long_hold = sheet1_data[sheet1_data >= 0].sort_values(ascending=False)
    return short_hold, long_hold

6. 画图

Matplotlib画图

创建一张画布figure和ax画图层，用ax.hlines分别画空仓水平线和多仓水平线。用ax.scatter画左右两边线的散点，使用菱形marker。使用plt.text分别画线两端的标注期货公司和持仓数。plt.annotate画排名标注，分别设置颜色和字体大小。

但这个效果是反的，我们是希望排名最前面的在上，排名最后面的下。这时我们可以设置y轴反置一下ax.invert_yaxis()。添加图例和标题以及设置坐标轴不可见，得到最终效果：

核心代码如下：

def draw_lollipop_graph(short_hold, long_hold, date):
    # sheet_major.index.values.tolist()
    fig, ax = plt.subplots(figsize=(10, 8))
    # 空仓水平线
    ax.hlines(y=[i for i in range(len(short_hold))], xmin=list(short_hold), xmax=[0] * len(short_hold.index), color='#1a68cc', label='空')
    # 多仓水平线
    ax.hlines(y=[i for i in range(len(long_hold))], xmax=list(long_hold), xmin=[0] * len(long_hold.index), color='red', label='多')
    # 画散点
    ax.scatter(x=list(short_hold), y=[i for i in range(len(short_hold))], s=10, marker='d', edgecolors="#1a68cc", zorder=2, color='white')  # zorder设置该点覆盖线
    ax.scatter(x=list(long_hold), y=[i for i in range(len(long_hold))], s=10, marker='d', edgecolors="red", zorder=2, color='white')  # zorder设置该点覆盖线
    # 画线两端标注图
    for x, y, label in zip(list(short_hold), range(len(short_hold)), short_hold.index):
        plt.text(x=x, y=y, s=label+'({}) '.format(abs(x)), horizontalalignment='right', verticalalignment='center', fontsize=10)
    for x, y, label in zip(list(long_hold), range(len(long_hold)), long_hold.index):
        plt.text(x=x, y=y, s=' '+label+'({})'.format(abs(x)), horizontalalignment='left', verticalalignment='center', fontsize=10)
    # 设置排名
    size = [17, 16, 15] + [8 for i in range(max(len(short_hold), len(long_hold))-3)]
    color = ['#b91818', '#e26012', '#dd9f10'] + ['#404040' for i in range(max(len(short_hold), len(long_hold))-3)]
    for i, s, c in zip(range(max(len(short_hold), len(long_hold))+1), size, color):
        plt.annotate(s=i+1, xy=(0, i), fontsize=s, ma='center', ha='center', color=c)
    # 坐标轴y反置
    ax.invert_yaxis()
    # 坐标轴不可见
    ax.set_xticks([])
    ax.set_yticks([])
    ax.spines['top'].set_visible(False)  # 去上边框
    ax.spines['bottom'].set_visible(False)  # 去下边框
    ax.spines['left'].set_visible(False)  # 去左边框
    ax.spines['right'].set_visible(False)  # 去右边框
    # 设置title
    ax.set_title('黄金持仓龙虎榜单({})'.format(date), position=(0.7, 1.07), fontdict=dict(fontsize=20, color='black'))
    # 自动获取ax图例句柄及其标签
    handles, labels = ax.get_legend_handles_labels()
    plt.legend(handles=handles, ncol=2, bbox_to_anchor=(0.75, 1.05), labels=labels, edgecolor='white', fontsize=10)
    # 保存fig
    image_filename = "lollipop_rank.png"
    plt.savefig(image_filename)
    encoded_image = base64.b64encode(open(image_filename, 'rb').read())
    # plt.show()
    return encoded_image

Plotly画图

1) Figure 是一张画布，跟 matplotlib 的 figure 是一样，数据是字典形式，创建代码如下：

import plotly.graph_objects as go
fig = go.Figure() # 创建空画布
fig.show()

2) Traces 轨迹，即所有的图表层都是在这里画的，轨迹的类型都是由type指定的（例如"bar"，"scatter"，"contour"等等）。轨迹是列表，创建代码如下：

fig = go.Figure(data=[trace1, trace2]) # 定义figure时加上轨迹数据
Figure.add_traces(data[, rows, cols, …])   # 或者先定义一张空的画布，再添加轨迹
Figure.update_traces([patch, selector, row, …])  # 更新轨迹
# 可运行代码
import plotly.graph_objects as go

trace = [go.Scatter(  # 创建trace
    x=[0, 1, 2],
    y=[2, 2, 2],
    mode="markers",
    marker=dict(color="#1a68cc", size=20),
)]
fig = go.Figure(data=trace)
fig.show()

3) Layout 层，设置标题，排版，页边距，轴，注释，形状，legend图例等等。布局配置选项适用于整个图形。

import plotly.graph_objects as go

trace = [go.Scatter(
    x=[0, 1, 2],
    y=[2, 2, 2],
    mode="markers",
    marker=dict(color="#1a68cc", size=20),
)]
# 创建layout，添加标题
layout = go.Layout(
        title=go.layout.Title(text="Converting Graph Objects To Dictionaries and JSON")
    )
fig = go.Figure(data=trace, layout=layout)
fig.show()
Figure.update_layout([dict1, overwrite]) # 也可使用API更新图层

4) Frames 帧幅轨迹，是在Animate中用到的渲染层，即每多少帧幅动画遍历的轨迹，与traces很像，都是列表形式，使用时需要在layout的updatemenus设置帧幅间隔等等。具体用法可以去看看官方文档用法，比较复杂，这里不过多介绍。下面回归正题，我们需要创建一张画布figure来画图。

画图1：水平线

由于plotly没有matplotlib的ax.hlines函数画水平线，可以借助plotly shapes画水平线。 画shapes图需要知道该点坐标(x1,y1)还要找到对应的(0,y1)坐标点并连线组成一个shape，这里x1是持仓数，y1就用持仓列表的下标表示。

# 空仓水平线
short_shapes = [{'type': 'line',
                 'yref': 'y1',
                 'y0': k,
                 'y1': k,
                 'xref': 'x1',
                 'x0': 0,
                 'x1': i,
                 'layer': 'below',
                 'line': dict(
                     color="#1a68cc",
                 ),
                 } for i, k in zip(short_hold, range(len(short_hold)))]
# 多仓水平线
long_shapes = [{'type': 'line',
                'yref': 'y1',
                'y0': k,
                'y1': k,
                'xref': 'x1',
                'x0': j,
                'x1': 0,
                'layer': 'below',
                'line': dict(
                  color="red",
                 )
                } for j, k in zip(long_hold, range(len(long_hold)))]

画图2：线两端散点和标注

用scatter画左右两边线的散点，使用菱形marker并且scatter中的text可以标注线两端的标注期货公司和持仓数，注意持仓数都是正数。

# 画散点
fig.add_trace(go.Scatter(
    x=short_hold,
    y=[i for i in range(len(short_hold))],
    mode='markers+text',
    marker=dict(color="#1a68cc", symbol='diamond-open'),
    text=[label + '(' + str(abs(i)) + ') ' for label, i in zip(short_hold.index, short_hold)],   # 散点两端的期货公司标注和持仓数
    textposition='middle left', # 标注文字的位置
    showlegend=False            # 该轨迹不显示图例legend
))

fig.add_trace(go.Scatter(
    x=long_hold,
    y=[i for i in range(len(long_hold))],
    mode='markers+text',
    text=[' ' + label + '(' + str(abs(i)) + ')' for label, i in zip(long_hold.index, long_hold)],  # 散点两端的期货公司标注和持仓数
    marker=dict(color='red', symbol='diamond-open'),
    textposition='middle right',  # 标注文字的位置
    showlegend=False           # 该轨迹不显示图例legend
))

画图3：排名标注

继续用scatter只显示text来画排名标注，分别设置颜色和字体大小。

# 线上的排名顺序
fig.add_trace(go.Scatter(
    x=[0]*max(len(short_hold), len(long_hold)),
    y=[i for i in range(max(len(short_hold), len(long_hold)))],
    mode='text',
    text=[str(i+1) for i in range(max(len(short_hold), len(long_hold)))],  # 排名从1开始
    textfont=dict(color=['#b91818', '#e26012', '#dd9f10'] + ['#404040' for i in range(max(len(short_hold), len(long_hold)) - 3)],
                  size=[17, 16, 15] + [10 for i in range(max(len(short_hold), len(long_hold)) - 3)],
                  family="Open Sans"),
    textposition='top center',
    showlegend=False
))

画图4：图例

由于plotly shapes不是轨迹，只是layout中的一部分，所以不能添加legend，而上面的散点scatter虽是轨迹，但是mode =markers+text 使得legend中多出了text文字，如下图，而且目前版本的plotly不具备自定义legend去除text功能。

所以我们需要自己添加2条轨迹来显示legend图例，代码如下：

# 加上这条trace只是为了显示legend图例,因为scatter图例中显示的text在plotly现有的版本基础上去除不了
fig.add_trace(go.Scatter(
    x=[0, long_hold[0]],
    y=[range(len(long_hold))[0], range(len(long_hold))[0]],
    mode='lines',
    marker=dict(color='red'),
    name='多'
))

fig.add_trace(go.Scatter(
    x=[0, short_hold[0]],
    y=[range(len(short_hold))[0], range(len(short_hold))[0]],
    mode='lines',
    marker=dict(color='#1a68cc'),
    name='空'
))

设置y轴反置 autorange='reversed' 可让排名最前面的在上，排名最后面的在下，之后设置图里位置，添加标题以及设置坐标轴不可见， 代码如下：

# X, Y坐标轴不可见
fig.update_xaxes(
    showticklabels=False,
    showgrid=False,
    zeroline=False,)
fig.update_yaxes(
    showticklabels=False,
    showgrid=False,
    zeroline=False,
    autorange='reversed'  # Y 轴倒置)
fig.update_layout(
    shapes=short_shapes+long_shapes,  # 添加水平线
    width=2100,
    height=900,
    legend=dict(x=0.62, y=1.02, orientation='h'),
    template="plotly_white",
    title=dict(
        text='黄金持仓龙虎榜单(' + date + ')',
        y=0.95,
        x=0.65,
        xanchor='center', 
        yanchor='top', 
        font=dict(family="Open Sans", size=30)
    )
)

7. 创建Dash 应用程序

这里首先创建一个Dash app程序。Dash应用程序由两部分组成。 第一部分是应用程序的“布局”，它描述了应用程序的外观，即使用的web界面控件和CSS等，dash_core_components和dash_html_components库中提供一组用react.js包装好的组件，当然熟悉JavaScript和React.js也可构建自己的组件。第二部分描述了应用程序的交互性，即触发callback函数实现数据交互。

这里我们需要调用Dash中的日历控件dcc.DatePickerSingle，具体用法可以参考官方文档， 还有一个可以放置dcc.Graph图的容器html.Div()。同时通过callback函数来捕捉日期更新从而画图事件。

import dash
import dash_html_components as html
import dash_core_components as dcc

external_stylesheets = ['https://codepen.io/chriddyp/pen/bWLwgP.css']
app = dash.Dash(__name__, external_stylesheets=external_stylesheets)

app.layout = html.Div([
    html.Div(dcc.DatePickerSingle(
        id='my-date-picker-single',
        min_date_allowed=min_date,  # 日历最小日期
        max_date_allowed=max_date,  # 日历最大日期
        date=max_date   # dash 程序初始化日历的默认值日期
    ), style={"margin-left": "300px"}),
    html.Div(id='output-container-date-picker-single', style={"text-align": "center"})
])

Matplotlib + Dash 框架

之前我们用matplotlib画好的榜单图已经编码保存好，注意这里画的图是静态图，触发日期更新画matplotlib画图事件代码如下：

@app.callback(
    Output('output-container-date-picker-single', 'children'),
    [Input('my-date-picker-single', 'date')])
def update_output(date):
    print("date", date)
    if date is not None:
        if date not in date_list:
            return html.Div([
               "数据不存在"
            ])
        encoded_image = create_figure(date)
        return html.Div([
            html.Img(src='data:image/png;base64,{}'.format(encoded_image.decode()), style={"text-align": "center"})
        ])

if __name__ == '__main__':
    app.run_server(debug=True)

启动应用程序，在浏览器中输入控制台的如下地址和端口号访问该网页：

@app.callback(
    Output('output-container-date-picker-single', 'children'),
    [Input('my-date-picker-single', 'date')])
def update_output(date):
    print("date", date)
    if date is not None:
        if date not in date_list:
            return html.Div([
               "数据不存在"
            ])
        fig = create_figure(date)
        return html.Div([
            dcc.Graph(figure=fig)
        ])


if __name__ == '__main__':
    app.run_server(debug=True) # 启动应用程序

Plotly + Dash 框架

Plotly画图的函数中返回的fig可以直接放置在Dash组件库中的Dcc.Graph中, Dash是plotly下面的一个产品，里面的画图组件库几乎都是plotly提供的接口，所以plotly画出的交互式图可以直接在Dash中展示，无需转换。触发日期更新 plotly 画图事件代码如下：

按之前同样方式启动应用程序，在浏览器中访问网页。

8. 结语

Matlplotlib 库强大，功能多且全，但是出现的图都是静态图，不便于交互式，对有些复杂的图来说可能其库里面用法也比较复杂。对于这个榜单图来说可能matplotlib画图更方便一些。

Plotly 库是交互式图表库，图形的种类也多，画出的图比较炫酷，鼠标点击以及悬停可以看到更多的数据信息，还有各种气泡图，滑动slider动画效果图，且生成的图片保存在html文件中，虽说有些功能比不上matplotlib全而强大，像这个榜单图，没有水平线hline或竖直线vline，虽有shape，但不能为shapes添加图例，但是这个库也在慢慢发展，官方论坛community里面也有许多人提出问题，各路大神也都在解决这些问题，相信之后plotly的功能会越来越全。

文中代码及数据已上传，地址: https://pan.baidu.com/s/1Uv_cursTr0cbTLB3D6ylIw 提取码: jmch

----

获取更多教程和案例，

欢迎搜索及关注： Crossin的编程教室

这里还有更多精彩。一起学，走得远