『玩转Streamlit』--查看K线的小工具

在金融市场分析中，查看差别买卖业务对的 K 线数据是一项基础且紧张的工作。
今天，我们就来学习如何使用 Streamlit 构建一个简朴的 K 线查看小工具，让你可以或许方便地查看差别买卖业务对在差别时间范围内的 K 线数据。
1. 情况预备

起首，确保已经安装了须要的库。
除了 Streamlit 用于构建界面，还必要pandas 用于数据处理惩罚，plotly 用于绘制 K 线图。
我们假设已经有Streamlit情况，只要安装：

1. pip install pandas plotly

复制代码

2. 数据获取

K线数据我是从币安买卖业务所（binance）获取的，此中的字段如下：

1. self.safe_integer(ohlcv, 0),  # open time
2. self.safe_number(ohlcv, 1),  # open
3. self.safe_number(ohlcv, 2),  # high
4. self.safe_number(ohlcv, 3),  # low
5. self.safe_number(ohlcv, 4),  # close
6. self.safe_number(ohlcv, 5),  # volume
7. self.safe_integer(ohlcv, 6),  # close time
8. self.safe_number(ohlcv, 7),  # quote asset volume
9. self.safe_integer(ohlcv, 8),  # number of trades
10. self.safe_number(ohlcv, 9),  # taker buy base asset volume
11. self.safe_number(ohlcv, 10),  # taker buy quote asset volume

复制代码

此中用于K线展示的主要是：open time（K线开始时间），open（开盘价），high（最高价），low（最低价），close（收盘价），volumn（成交量）几个字段。
采集数据使用币安的公开API即可，本文的重点不在这里，不详细叙述了。
通过API，采集了约莫300多个永续合约的K线数据。
3. 构建streamlit界面

接下来，我们开始构建 Streamlit 界面。
界面主要包罗两个部门：上半部门可以选择买卖业务对信息和 K 线时间范围；

1. st.header("查看Current-交易对K线")
3. st.selectbox("选择交易对：", key="symbol", options=options, on_change=update_symbol)
4. st.date_input(
5.     "时间范围：",
6.     (st.session_state.start_date, st.session_state.end_date),
7.     format="YYYY/MM/DD",
8.     key="symbol_date_range",
9.     on_change=update_date_range,
10. )

复制代码

下半部门用tab页分别展示数据和K线图。

1. def tab_data():
2.     if st.button("重载数据"):
3.         read_data(st.session_state.symbol)
5.     data = st.session_state.data
6.     if len(data) == 0:
7.         return
9.     # 更新开始结束时间
10.     data_start = datetime.datetime.strptime(start, "%Y-%m-%d %H:%M:%S")
11.     data_end = datetime.datetime.strptime(end, "%Y-%m-%d %H:%M:%S")
12.     if st.session_state.start_date > data_end.date():
13.         st.session_state.start_date = data_start.date()
15.     if st.session_state.end_date < data_start.date():
16.         st.session_state.end_date = data_end.date()
18.     data = filter_data(data)
20.     st.dataframe(data)
23. def tab_plotly_graph():
24.     if st.button("重新绘图"):
25.         read_data(st.session_state.symbol)
27.     if len(st.session_state.data) == 0:
28.         return
30.     data = filter_data(st.session_state.data)
32.     # 数据量太大时，使用最新的2000条来绘图
33.     if len(data) > 2000:
34.         graph = KlinePlotlyGraph(data=data.iloc[-2000:], idc_data=None)
35.     else:
36.         graph = KlinePlotlyGraph(data=data, idc_data=None)
38.     fig = graph.figure(title=f"{st.session_state.symbol} - K线图")
40.     st.plotly_chart(fig)
42. tab1, tab2 = st.tabs(["数据", "图形"])
43. with tab1:
44.     tab_data()
46. with tab2:
47.     tab_plotly_graph()

复制代码

代码中封装的一些读取数据，显示图表的函数，比较冗长，这里没有贴出来。
本文的重点其实是通过Streamlit来构造一个简朴的K线查看页面，展示Streamlit强大的前端界面功能。
4. 运行应用

最后，运行一下这个简朴的应用，看看结果如何。

5. 总结

通过以上步骤，我们乐成使用 Streamlit 构建了一个简朴的 K 线查看小工具。
这个工具不仅可以帮助我们快速查看差别买卖业务对的 K 线数据，还提供了直观的可视化界面。
固然，在实际应用中，你可以根据必要进一步优化和扩展这个工具，例如从实时数据源获取数据、添加更多的技术指标分析等。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。