缠论自动画笔,python代码

缠论是一种技术分析方法，可以用来预测股票走势。其中，自动画笔是缠论分析中的一个重要工具，可以自动识别股票走势中的笔和线段，并画出相应的趋势线。

下面是一个利用Python实现缠论自动画笔的代码示例：

import numpy as np
import pandas as pd
import tushare as ts

# 获取股票数据
df = ts.get_k_data('600519', start='2020-01-01', end='2021-12-31')

# 初始化变量
bi_list = []  # 笔列表
xd_list = []  # 线段列表
bi_start = 0  # 笔起始位置

# 循环遍历K线数据
for i in range(1, len(df)):
    # 判断是否为顶分型
    if df.iloc[i]['high'] > df.iloc[i-1]['high'] and df.iloc[i]['high'] > df.iloc[i+1]['high']:
        # 判断是否为笔
        if not bi_list or df.iloc[i]['high'] > bi_list[-1]['high']:
            bi_list.append({'start': bi_start, 'end': i, 'high': df.iloc[i]['high'], 'low': df.iloc[bi_start]['low'], 'type': '顶分型'})
            bi_start = i
        else:
            bi_list[-1] = {'start': bi_start, 'end': i, 'high': df.iloc[i]['high'], 'low': df.iloc[bi_start]['low'], 'type': '顶分型'}
    # 判断是否为底分型
    elif df.iloc[i]['low'] < df.iloc[i-1]['low'] and df.iloc[i]['low'] < df.iloc[i+1]['low']:
        # 判断是否为笔
        if not bi_list or df.iloc[i]['low'] < bi_list[-1]['low']:
            bi_list.append({'start': bi_start, 'end': i, 'high': df.iloc[bi_start]['high'], 'low': df.iloc[i]['low'], 'type': '底分型'})
            bi_start = i
        else:
            bi_list[-1] = {'start': bi_start, 'end': i, 'high': df.iloc[bi_start]['high'], 'low': df.iloc[i]['low'], 'type': '底分型'}
    # 判断是否为线段
    if len(bi_list) >= 2 and bi_list[-2]['type'] != bi_list[-1]['type']:
        xd_list.append({'start': bi_list[-2]['start'], 'end': bi_list[-1]['end'], 'high': max(bi_list[-2]['high'], bi_list[-1]['high']), 'low': min(bi_list[-2]['low'], bi_list[-1]['low'])})

# 画出线段和笔的趋势线
for xd in xd_list:
    # 画出线段的趋势线
    trend_line = np.polyfit([xd['start'], xd['end']], [xd['high'], xd['low']], 1)
    trend_line_fn = np.poly1d(trend_line)
    df.loc[xd['start']:xd['end'], 'trend_line'] = trend_line_fn(range(xd['start'], xd['end']+1))
    # 画出笔的趋势线
    trend_line = np.polyfit([bi_list[xd['start']]['start'], bi_list[xd['end']]['end']], [xd['high'], xd['low']], 1)
    trend_line_fn = np.poly1d(trend_line)
    df.loc[bi_list[xd['start']]['start']:bi_list[xd['end']]['end'], 'trend_line'] = trend_line_fn(range(bi_list[xd['start']]['start'], bi_list[xd['end']]['end']+1))

# 画出笔的实体部分
for bi in bi_list:
    df.loc[bi['start']:bi['end'], 'bi'] = bi['type']

# 画出K线图和趋势线
df.plot(y=['open', 'close', 'high', 'low', 'trend_line'])

这段代码中，我们使用了tushare库获取股票数据，然后通过循环遍历K线数据的方式，识别出每一个笔和线段，并画出相应的趋势线和实体部分。

其中，我们使用了np.polyfit函数和np.poly1d函数来计算趋势线的斜率和截距，并通过DataFrame的loc方法来画出趋势线和实体部分。

最后，我们使用DataFrame的plot方法来画出K线图和趋势线。