Python-Stock-Visualizer/main.py at main · MengXJ0410/Python-Stock-Visualizer · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
import pandas as pd  #pandas库，用来处理抓取的数据
import matplotlib.pyplot as plt #matplotlib库，用来绘制股价走势图
import os #os库，用来文件处理方面
from stock_crawler import StockCrawler
#从stock_crawler.py中导入封装好的SimpleStockCrawler类，核心功能
import matplotlib
matplotlib.use('Agg')
# 强制matplotlib使用Agg后端，避免Tcl/Tk依赖，彻底解决init.tcl报错

# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

class StockVisualizer: #核心类

    #方法


    def __init__(self, csv_path): #初始化方法，接受CSV文件路径作为参数，加__XX__设置方法为特殊方法，构造函数，在创建实例时自动调用
        self.csv_path = csv_path #CSV文件路径
        self.df = None #用于存储加载后的数据，初始为None，后续会被load_data方法加载数据并赋值
        self.load_data()  #保存数据后，立即加载数据以供后续分析和可视化使用


    def load_data(self): #加载数据的方法
        # 检查文件是否存在，如果存在则加载数据到DataFrame中，并预处理
        if os.path.exists(self.csv_path): #检查CSV文件是否存在
            self.df = pd.read_csv(self.csv_path) #read
            self.df['日期'] = pd.to_datetime(self.df['日期'])
            self.df.sort_values('日期', inplace=True) #按日期排序

            print(f"😎成功加载数据: {self.csv_path}")
        else:
            print(f"😭文件不存在: {self.csv_path}")


    def draw(self, stock_code):

        #绘图的方法，根据股价
        if self.df is None:# df不存在就直接返回，不然报错
            return


        #绘图的核心代码
        plt.figure(figsize=(12, 6))
        plt.plot(self.df['日期'], self.df['收盘价'], label='收盘价', color='blue')
        plt.title(f'股票代码 {stock_code} 股价走势')
        plt.xlabel('日期')
        plt.ylabel('价格 (RMB)')
        plt.legend() #显示图例
        plt.grid(True) #显示网格

        # 自动调整日期格式，好吧没懂这串代码的工作原理，高度打包好的预制代码，能用就直接用了
        plt.gcf().autofmt_xdate()

        # 新增：保存到根目录的stock_plot文件夹
        plot_dir = 'stock_plot'
        if not os.path.exists(plot_dir):
            os.makedirs(plot_dir)
        save_path = os.path.join(plot_dir, f'stock_{stock_code}_plot.png')
        plt.savefig(save_path)
        print(f"股价走势图已保存至: {save_path}")
        # plt.show()  # 移除，避免后端报错


    def analyze_risedoswntrends(self):

        #分析上升下降时间段的方法，核心是计算每日价格变化，并标记上涨和下跌的时间段

        if self.df is None:
            return

        # 计算每日价格变化
        self.df['price_diff'] = self.df['收盘价'].diff()

        # 标记上涨和下跌
        rising_periods = self.df[self.df['price_diff'] > 0] #上升段
        falling_periods = self.df[self.df['price_diff'] < 0] #下降段

        return rising_periods, falling_periods


def main():

    stock_code = '000001'  # 默认抓取000001

    # 抓取数据
    crawler = StockCrawler()
    df = crawler.fetch_data(stock_code)

    if df is not None: #如果成功抓取到数据
        crawler.save_data(df, stock_code) #保存数据

        # 可视化分析

        csv_file = os.path.join("stock_data", f"stock_{stock_code}.csv")
        #根据股票代码构建CSV文件路径，方便后续操作

        visualizer = StockVisualizer(csv_file)
        #创建实例，传入CSV文件路径，进行数据加载和预处理

        visualizer.draw(stock_code)
        #调用方法绘制股价走势图，传入股票代码用于图表标题和文件命名

        visualizer.analyze_risedoswntrends()
        #分析上升下降时间段

    else:
        print("抓取数据失败😭，可能是网络问题或股票代码有问题，建议检查日志")


if __name__ == "__main__":
    main()