TL;DR: Мы сделаем хороший график волатильности и доходности и встроим его в наше приложение!
Смотри последнюю историю:
Мы хотим создать несколько представлений для анализа риска и доходности различных акций по секторам и периодам. Мы хотим создать это представление ниже для нашего приложения.
Создать новый сюжетный вид
В нашем plotly_layouts.py мы определяем новую функцию, которую называем create_plotly_xy(). Для функции нам нужно импортировать plotly.express.
import plotly.express as px
# we pass our data from the database and the period length
def create_plotly_xy(data, period = "1y"):
fig = px.scatter(data, x="vola_"+ period, y=period,
color="Sector",
hover_data=["Ticker", "Name", "Sector"])
fig = fig_layout(fig, ytitle = "Return "+ period,
ytickfromat = ".0%", x
title = "Volatility "+ period, xtickfromat = ".0%",
ticker = period , legendtitle = "Sector",
type_of_plot = "Return and Risk" )
fig.update_yaxes(showgrid=True, zeroline=True)
fig.update_xaxes(showgrid=True, zeroline=False)
## just for testing
fig.show()
Измените наш fig_layout(). Нам нужно добавить форматирование для нашей процентной шкалы по оси X.
def fig_layout(fig, ytitle, ytickfromat, xtitle, xtickfromat, ticker, legendtitle, type_of_plot, yaxis_tickprefix=None):
fig.update_layout(
yaxis={
"title": ytitle,
"tickformat": ytickfromat,
"showticklabels": True,
},
## this is new
xaxis={
"title": xtitle,
"tickformat": xtickfromat,
"showticklabels" :True,
},
###################################################
yaxis_tickprefix = yaxis_tickprefix,
paper_bgcolor="#FFFFFF", # rgba(0,0,0,0)',
plot_bgcolor="#FFFFFF", # 'rgba(0,0,0,0)',
# autosize=True,
legend=dict(
title=legendtitle,
yanchor="top",
y=0.99,
xanchor="left",
x=0.01
),
title={
'text': '{} - {} <br><sup>tenxassets.com</sup>'.format(type_of_plot,ticker),
'y': 1.1,
'x': 0.5,
'xanchor': 'center',
'yanchor': 'top'},
titlefont=dict(
size=12,
color="black"),
template="simple_white",
showlegend=True,
font=dict(
# family="Courier New, monospace",
size=12,
color="black"
),
)
return fig
Подготовьте данные
В нашем plotly_layouts.py мы создаем несколько тестовых строк в разделе if __name__ == ‘__main__’. Таким образом, мы можем протестировать часть нашего кода, прежде чем поместить его в наш основной файл run.py.
if __name__ == '__main__':
import sqlite3 as sq
import pandas as pd
## Open the performance and volatility calculations
table_name = "performance_and_vola" # table and file name
conn = sq.connect('{}.sqlite'.format("database"))
df = pd.read_sql('select * from {}'.format(table_name), conn)
## Open our stock infos table
df_infos = pd.read_sql('select * from {}'.format("stock_infos"),
conn)
## We merge them to get our infos later in the diagram
df = pd.merge(df, df_infos[["Ticker", "Name", "Sector"]], on="Ticker", how="right")
create_plotly_xy(df)
conn.close()
Если вы запустите это, вы должны увидеть график выше в своем браузере.
Взаимодействие с сюжетом
Приятно то, что вы взаимодействуете с сюжетом. Например, вы можете включать и выключать элементы легенды.
Если вы отключите что-то еще, кроме энергетического сектора, вы увидите, что этот сектор показал хорошие результаты в прошлом году:
Если вы отключите что-либо еще в потребительском дискреционном секторе, вы увидите противоположную картину. Итак, из-за высокой инфляции (например, высоких цен на энергоносители) потребитель решил не покупать товары, которые на самом деле ему не нужны:
Википедия
Что такое Потребительское усмотрение? Дискреционные потребительские товары – это термин для классификации товаров и услуг, которые потребители считают второстепенными, но желательными, если их доступный доход достаточен для их покупки.
Вот почему хорошо сбалансированный портфель актуален.
Интегрировать в приложение
Мы добавляем вызов таблицы данных в начале нашего run.py.
## Database for stocks
conn = sq.connect('helpers/{}.sqlite'.format("database"),check_same_thread=False)
df = pd.read_sql('select * from {}'.format("stock_database"), conn)
stock_infos = pd.read_sql("select * from {}".format("stock_infos"), conn)
######### new ################
return_and_volatility = pd.read_sql("select * from {}".format("performance_and_vola"), conn)
###################################
Мы добавляем к нашему домашнему маршруту подготовку данных для графика и вызов графика.
@app.route("/", methods=['GET', 'POST'])
def index():
if current_user.is_authenticated:
greetings = f'Hello {current_user.email} !'
df = pd.merge(return_and_volatility, stock_infos[["Ticker", "Name", "Sector"]], on="Ticker", how="right")
plot = plt.create_plotly_xy(df, "3y")
plotly_plot = json.dumps(plot, cls=plotly.utils.PlotlyJSONEncoder)
return render_template("home.html", greetings=greetings, plotly_plot=plotly_plot)
else:
greetings = 'Hello, please login'
return render_template("home.html", greetings=greetings)
Обновить home.html
<div>
<div id="plotly-stock-candle"></div>
<script>
//Parse your Json variable here
var graphs = {{ plotly_plot | safe }};
Plotly.plot('plotly-stock-candle', graphs, {});
</script>
</div>
Мы получаем этот результат:
Мы должны скрыть легенду. В противном случае это выглядит некрасиво. Поэтому мы добавляем кнопку, чтобы скрыть легенду в наш макет графика (fig_layout).
fig.update_layout(
updatemenus=[
dict(
type="buttons",
direction="left",
buttons=list([
dict(
args=['showlegend', False],
args2=['showlegend', True],
label="≡",
method="relayout"
)
]),
pad={"r": 2, "t": 2},
showactive=True,
x=-0.1,
xanchor="left",
y=1.2,
yanchor="top"
),
])
Это лучше :)
Включить раскрывающийся селектор
Добавляем в наш home.html
<form method="get" action="/">
<label for="period">Choose a period to compare:</label>
<select id="period" name="period">
{%for i in period_tickers%}
<option value="{{i}}">{{i}}</option>
{% endfor %}
<input type="submit" value="Show Data">
</form>
чтобы получить наши значения из нашей формы, мы просто добавляем эти строки:
@app.route("/", methods=['GET', 'POST'])
def index():
if current_user.is_authenticated:
period = request.args.get("period")
if period is None:
period = "3y"
period_tickers = ["1d","7d", "1m","3m","6m","1y","2y","3y","5y"]
Это все на данный момент! Мы будем продолжать развивать это приложение дальше.
Просто измените этот пример под свои нужды и загрузите его на pythonanywhere.com*. Вот репо: https://github.com/AntonioBlago/Webpage_Tutorial_4. Проверьте ветку part3 для этой версии.
Спасибо, что прочитали мою историю. Надеюсь, вам понравилось. Пожалуйста, не стесняйтесь аплодировать, делиться и комментировать это. Подписывайтесь на меня, чтобы получать больше информации о криптовалютах, акциях, анализе данных и веб-разработке. Я размещаю свои приложения на pythonanywhere.com* (5 долларов США в месяц).
- Читайте мою другую статью о создании финансового дашборда в flask, смотрите ниже!
- Посетите мою веб-страницу и свяжитесь со мной в Linkedin: antonioblago.com
- Создайте бесплатную учетную запись в моем инструменте отслеживания акций и криптовалют: www.tenxassets.com
- Если вам нравится разрабатывать веб-приложения, я рекомендую вам pythonanywhere.com* в качестве хостинга.
Отказ от ответственности:
- *это партнерские ссылки
Сообщение от InsiderFinance
Спасибо, что являетесь частью нашего сообщества! Перед тем, как ты уйдешь:
- 👏 Хлопайте за историю и подписывайтесь на автора 👉
- 📰 Смотрите больше контента в InsiderFinance Wire
- 📚 Пройдите наш БЕСПЛАТНЫЙ мастер-класс
- 📈 Откройте для себя Мощные торговые инструменты
