Data Visualization - 数据可视化仪表盘\r

\r

图表生成/仪表盘制作/实时数据看板/自动报告\r 最后更新：2026-04-13\r \r ---\r \r

功能概述\r

\r

• 📊 图表生成：折线/柱状/饼图/热力图\r
• 📈 K线图表：股票/期货专用图表\r
• 🖥️ 仪表盘：多图表组合看板\r
• 🔄 实时更新：数据自动刷新\r
• 📝 报告导出：PDF/HTML/PNG\r \r ---\r \r

图表生成\r

\r

1. Matplotlib基础图表\r

import matplotlib.pyplot as plt\r
import matplotlib\r
matplotlib.use('Agg')  # 非交互式后端\r
\r
# 设置中文\r
plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial']\r
plt.rcParams['axes.unicode_minus'] = False\r
\r
def plot_line(data, title, xlabel, ylabel, output='chart.png'):\r
    """折线图"""\r
    plt.figure(figsize=(12, 6))\r
    plt.plot(data['x'], data['y'])\r
    plt.title(title)\r
    plt.xlabel(xlabel)\r
    plt.ylabel(ylabel)\r
    plt.grid(True)\r
    plt.savefig(output, dpi=100, bbox_inches='tight')\r
    plt.close()\r
    return output\r
\r
def plot_bar(categories, values, title, output='bar.png'):\r
    """柱状图"""\r
    plt.figure(figsize=(12, 6))\r
    plt.bar(categories, values)\r
    plt.title(title)\r
    plt.xticks(rotation=45)\r
    plt.tight_layout()\r
    plt.savefig(output, dpi=100)\r
    plt.close()\r
    return output\r
\r
def plot_pie(sizes, labels, title, output='pie.png'):\r
    """饼图"""\r
    plt.figure(figsize=(8, 8))\r
    plt.pie(sizes, labels=labels, autopct='%1.1f%%')\r
    plt.title(title)\r
    plt.savefig(output)\r
    plt.close()\r
    return output\r
```\r
\r
### 2. K线图表\r
```python\r
import mplfinance as mpf\r
\r
def plot_candlestick(data, title='K线图', output='candle.png'):\r
    """K线图"""\r
    # data需要包含: Date, Open, High, Low, Close, Volume\r
    mpf.plot(\r
        data.set_index('Date'),\r
        type='candle',\r
        title=title,\r
        style='charles',\r
        savefig=output\r
    )\r
    return output\r
\r
def plot_volume(data, output='volume.png'):\r
    """成交量图"""\r
    mpf.plot(\r
        data.set_index('Date'),\r
        type='line',\r
        volume=True,\r
        savefig=output\r
    )\r
    return output\r
```\r
\r
### 3. 热力图\r
```python\r
import seaborn as sns\r
import numpy as np\r
\r
def plot_heatmap(data, title, output='heatmap.png'):\r
    """热力图"""\r
    plt.figure(figsize=(12, 8))\r
    sns.heatmap(data, annot=True, fmt='.2f', cmap='YlOrRd')\r
    plt.title(title)\r
    plt.tight_layout()\r
    plt.savefig(output)\r
    plt.close()\r
    return output\r
\r
def correlation_matrix(df, output='corr.png'):\r
    """相关系数矩阵"""\r
    plt.figure(figsize=(10, 8))\r
    sns.heatmap(df.corr(), annot=True, cmap='coolwarm', center=0)\r
    plt.title('Correlation Matrix')\r
    plt.savefig(output)\r
    plt.close()\r
    return output\r
```\r
\r
---\r
\r
## 仪表盘制作\r
\r
### 1. 多图表组合\r
```python\r
from matplotlib.gridspec import GridSpec\r
\r
def create_dashboard(data, output='dashboard.png'):\r
    """创建仪表盘"""\r
    fig = plt.figure(figsize=(16, 10))\r
    gs = GridSpec(3, 2, figure=fig)\r
    \r
    # 图1：K线\r
    ax1 = fig.add_subplot(gs[0, :])\r
    mpf.plot(data['kline'], type='candle', ax=ax1, show=False)\r
    \r
    # 图2：成交量\r
    ax2 = fig.add_subplot(gs[1, 0])\r
    ax2.bar(data['volume']['date'], data['volume']['vol'])\r
    ax2.set_title('Volume')\r
    \r
    # 图3：资金流\r
    ax3 = fig.add_subplot(gs[1, 1])\r
    ax3.plot(data['money_flow'])\r
    ax3.set_title('Money Flow')\r
    \r
    # 图4：收益曲线\r
    ax4 = fig.add_subplot(gs[2, :])\r
    ax4.plot(data['equity'])\r
    ax4.set_title('Equity Curve')\r
    \r
    plt.tight_layout()\r
    plt.savefig(output, dpi=100)\r
    plt.close()\r
    return output\r
```\r
\r
### 2. 实时看板\r
```python\r
import time\r
\r
class LiveDashboard:\r
    """实时看板"""\r
    \r
    def __init__(self, refresh_interval=60):\r
        self.refresh_interval = refresh_interval\r
        self.data_sources = {}\r
    \r
    def add_source(self, name, func):\r
        """添加数据源"""\r
        self.data_sources[name] = func\r
    \r
    def update(self):\r
        """更新所有数据"""\r
        results = {}\r
        for name, func in self.data_sources.items():\r
            try:\r
                results[name] = func()\r
            except Exception as e:\r
                print(f"Failed to update {name}: {e}")\r
        return results\r
    \r
    def run(self, duration=3600):\r
        """运行看板"""\r
        start = time.time()\r
        while time.time() - start \x3C duration:\r
            data = self.update()\r
            self.render(data)\r
            time.sleep(self.refresh_interval)\r
```\r
\r
---\r
\r
## HTML看板\r
\r
### 1. Plotly交互图\r
```python\r
import plotly.express as px\r
import plotly.graph_objects as go\r
from plotly.subplots import make_subplots\r
\r
def create_html_dashboard(data):\r
    """创建HTML仪表盘"""\r
    fig = make_subplots(\r
        rows=2, cols=2,\r
        subplot_titles=('K线', '成交量', '资金流', '收益曲线')\r
    )\r
    \r
    # K线\r
    fig.add_trace(\r
        go.Candlestick(x=data['date'], open=data['open'], \r
                      high=data['high'], low=data['low'], close=data['close']),\r
        row=1, col=1\r
    )\r
    \r
    # 成交量\r
    fig.add_trace(\r
        go.Bar(x=data['date'], y=data['volume']),\r
        row=1, col=2\r
    )\r
    \r
    # 收益曲线\r
    fig.add_trace(\r
        go.Scatter(x=data['date'], y=data['equity'], name='Equity'),\r
        row=2, col=1\r
    )\r
    \r
    fig.update_layout(height=800, showlegend=True)\r
    \r
    html = fig.to_html(full_html=False)\r
    return html\r
```\r
\r
### 2. 数据表格\r
```python\r
def create_data_table(data, columns, title='数据表'):\r
    """创建数据表格HTML"""\r
    html = f'''\r
    \x3Ch3>{title}\x3C/h3>\r
    \x3Ctable style="width:100%; border-collapse: collapse;">\r
        \x3Ctr style="background:#f0f0f0;">\r
            {"".join([f"\x3Cth>{c}\x3C/th>" for c in columns])}\r
        \x3C/tr>\r
    '''\r
    \r
    for row in data:\r
        html += '\x3Ctr>' + "".join([f"\x3Ctd>{v}\x3C/td>" for v in row]) + '\x3C/tr>'\r
    \r
    html += '\x3C/table>'\r
    return html\r
```\r
\r
---\r
\r
## 核心命令\r
\r
### 1. 生成图表\r
```\r
命令：生成图表 [类型] [数据]\r
\r
示例：\r
- 生成图表 折线图 [1,2,3,4,5]\r
- 生成图表 柱状图 苹果:100,香蕉:80\r
```\r
\r
### 2. 生成K线\r
```\r
命令：生成K线 [股票代码]\r
\r
示例：\r
- 生成K线 600519\r
```\r
\r
### 3. 生成报告\r
```\r
命令：生成报告 [报告名称]\r
\r
示例：\r
- 生成报告 每日看板\r
- 生成报告 股票分析\r
```\r
\r
---\r
\r
## 应用场景\r
\r
### 1. 股票分析报告\r
```python\r
def stock_report(code):\r
    """生成股票报告"""\r
    # 获取数据\r
    data = get_stock_data(code)\r
    \r
    # 生成图表\r
    chart1 = plot_candlestick(data['kline'], f'{code} K线')\r
    chart2 = plot_bar(data['volume']['date'], data['volume']['vol'], '成交量')\r
    \r
    # 生成HTML报告\r
    html = f'''\r
    \x3Chtml>\r
    \x3Chead>\x3Ctitle>{code} 分析报告\x3C/title>\x3C/head>\r
    \x3Cbody>\r
        \x3Ch1>{code} 分析报告\x3C/h1>\r
        \x3Cimg src="{chart1}">\r
        \x3Cimg src="{chart2}">\r
    \x3C/body>\r
    \x3C/html>\r
    '''\r
    \r
    with open(f'{code}_report.html', 'w') as f:\r
        f.write(html)\r
    \r
    return f'{code}_report.html'\r
```\r
\r
### 2. 策略回测报告\r
```python\r
def backtest_report(results):\r
    """生成回测报告"""\r
    # 收益曲线\r
    equity_chart = plot_line({\r
        'x': results['dates'],\r
        'y': results['equity']\r
    }, '收益曲线', '日期', '资金')\r
    \r
    # 统计\r
    stats = calculate_stats(results)\r
    \r
    html = f'''\r
    \x3Chtml>\r
    \x3Cbody>\r
        \x3Ch1>策略回测报告\x3C/h1>\r
        \x3Cimg src="{equity_chart}">\r
        \x3Ch2>统计数据\x3C/h2>\r
        \x3Cul>\r
            \x3Cli>总收益率: {stats['total_return']:.2f}%\x3C/li>\r
            \x3Cli>年化收益: {stats['annual_return']:.2f}%\x3C/li>\r
            \x3Cli>夏普比率: {stats['sharpe']:.2f}\x3C/li>\r
            \x3Cli>最大回撤: {stats['max_drawdown']:.2f}%\x3C/li>\r
        \x3C/ul>\r
    \x3C/body>\r
    \x3C/html>\r
    '''\r
    \r
    return html\r
```\r
\r
---\r
\r
## 图表类型选择\r
\r
| 场景 | 推荐图表 |\r
|------|---------|\r
| 趋势变化 | 折线图 |\r
| 对比分析 | 柱状图 |\r
| 占比分布 | 饼图/环形图 |\r
| 相关性 | 热力图/散点图 |\r
| K线走势 | 蜡烛图 |\r
| 分布情况 | 直方图/箱线图 |\r
| 地理数据 | 地图热力图 |\r
\r
---\r
\r
## 注意事项\r
\r
1. **数据量**：大数据集要采样\r
2. **中文显示**：配置中文字体\r
3. **交互性**：需要交互用Plotly\r
4. **导出格式**：PNG清晰/HTML交互\r
\r
\r
## Code Implementation\r
\r
Python实现: chart_generator.py\r
\r
`python\r
from chart_generator import ChartGenerator, quick_chart\r
\r
# 快速图表\r
chart = quick_chart(data, 'line', 'date', ['sales', 'profit'])\r
chart.save('chart.png')\r
\r
# 或使用完整API\r
gen = ChartGenerator()\r
gen.line_chart(data, 'date', 'sales', title='Sales')\r
gen.bar_chart(data, 'category', 'value')\r
gen.pie_chart(data, 'name', 'value')\r
gen.scatter_chart(data, 'x', 'y', size='size', color='category')\r
`\r