十年前有个朋友的毕业论文题目与股票数据分析相关。于是他用程序实现了解析通达信数据、计算统计指标、绘图……结果时间过去大半，核心的分析功能还没开始实现。
而现在使用Python语言，下载数据、计算统计指标、绘图，以及数据分析都有现成的工具，我们不用再去关注细节，可以将主要精力用于组合工具和实验。本篇将介绍量化交易相关的常用三方库。
1.常用三方库
数据分析工具
Pandas：数据表工具
Numpy：数学计算工具
Scipy：数学计算工具
Sklearn：机器学习工具下载数据
TuShare：读取国内股票数据
Pandas_reader：读取国内外股票数据回溯框架
PyAlgoTrade：离线的分析回溯工具，PyAlgoTrade-cn为A股版本
Zipline：分析回溯工具计算技术指标
TA-Lib：计算技术指标，底层由C语言实现，支持150多个函数
Pandas_talib：计算技术指标，由Python语言实现，支持30多个函数金融绘图
Mpl_finance：金融绘图工具，原matplotlib中的子模块
数据分析工具比较通用，不在股票专题中介绍；上一篇在数据下载方法中介绍了Tushare和Pandas_reader软件的用法，下一篇将讲解回溯工具，本篇则介绍计算技术指标和金融相关的绘图方法。
2.计算技术指标
a) 技术指标
Ta-lib支持150多个函数，而pandas_talib也加入了一些量价结合的新功能，可以二者配合使用，通过分析pandas_talib源码可以看到功能的具体实现方法。
Ta-lib从各种均线到蜡烛图指标，能想到的差不多都有，分成以下几类：
- Overlap Studies（重叠研究类）
- Momentum Indicators（动量指标类）
- Volume Indicators（成交量指标类）
- Volatility Indicators（波动性指标类）
- Price Transform（价格指标类）
- Cycle Indicators（周期指标类）
- Pattern Recognition（形态识别类）
- Statistic Functions（统计函数类）
- Math Transform（数学变换类）
- Math Operators（数学运算符类）
详见talib中文文档：https://github.com/HuaRongSAO/talib-document，点开每个指标都有中文说明及例程。
b) 直接安装
由于ta-lib底层依赖C语言实现，在Windows系统中安装过程相对比较麻烦，我在ubuntu系统中安装。
$ sudo pip install Ta-Lib
$ sudo pip install git+git://github.com/femtotrader/pandas_talib.git
如果有以下错误提示：
talib/_ta_lib.c:526:28: fatal error: ta-lib/ta_defs.h
这是由于没有底层依赖C库支持，在Ubuntu系统中用以下方法安装。
$ wget http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-src.tar.gz
$ tar xvzf ta-lib-0.4.0-src.tar.gz
$ cd ta-lib/
$ ./configure
$ sudo make install
$ sudo ldconfig
c) Github下载
$ git clone https://github.com/mrjbq7/ta-lib.git
$ git clone https://github.com/femtotrader/pandas_talib.git
d) 使用方法
输入数据默认为Numpy的ndarray格式，而Pandas也是基于Numpy，基本能直接使用，使用方法形如： real = talib.ROC(df.close, timeperiod=10)
3.金融绘图
从matplotlib2.2.0版本开始，matplotlib.finance已经从matplotlib中剥离出来，名为mpl_finance，需要单独安装。
a) 安装
$ sudo pip install https://github.com/matplotlib/mpl_finance/archive/master.zip
b) 使用
下例为使用tushare下载002230，并绘制K线图：
from matplotlib import pyplot as plt
import mpl_finance as mpf
from matplotlib.pylab import date2num
import pandas as pd
import datetime
import tushare as ts
%matplotlib inline
def draw(stock):
stock['datestr'] = stock['date'].apply(lambda x: date2num(datetime.datetime.strptime(x,'%Y-%m-%d')))
quotes = stock[['datestr','open','high','low','close']]
fig, ax = plt.subplots(figsize=(12,8))
fig.subplots_adjust(bottom=0.1)
ax.xaxis_date()
plt.xticks(rotation=45) #日期显示的旋转角度
mpf.candlestick_ohlc(ax, quotes.values, width=0.7, colorup='r', colordown='g')
# 格式是：date,open,high,low,close, 格式为list
plt.grid(True)
plt.show()
df = ts.get_hist_data('002230', start='2019-08-01')
df = df.reset_index()
draw(df)
程序运行结果如下图所示：
学任何一门复杂的技术都需要时间和精力，可以说无捷径可走，操作策略也需要经过反复验证后再使用，不懂就做一般都会被割韭菜，所以要么花时间精力，要么交给适合的人，要么别碰。
