十一、Unix 时间

在这个 Matplotlib 教程中，我们将介绍如何处理 unix 时间戳的转换，然后在图形中绘制日期戳。 使用 Yahoo Finance API，你会注意到，如果你使用较大的时间间隔，如1y（一年），你会得到我们一直在使用的日期戳，但如果你使用10d（10 天），反之你会得到 unix 时间的时间戳。

Unix 时间是 1970 年 1 月 1 日以后的秒数，它是跨程序的标准化时间表示方法。 也就是说，Matplotlib 并不欢迎 unix 时间戳。 这里是你可以使用 Matplotlib 来处理 unix 时间的方式：

  1. import matplotlib.pyplot as plt
  2. import numpy as np
  3. import urllib
  4. import datetime as dt
  5. import matplotlib.dates as mdates
  7. def bytespdate2num(fmt, encoding='utf-8'):
  8.     strconverter = mdates.strpdate2num(fmt)
  9.     def bytesconverter(b):
  10.         s = b.decode(encoding)
  11.         return strconverter(s)
  12.     return bytesconverter
  15. def graph_data(stock):
  17.     fig = plt.figure()
  18.     ax1 = plt.subplot2grid((1,1), (0,0))
  20.     stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=10d/csv'
  21.     source_code = urllib.request.urlopen(stock_price_url).read().decode()
  22.     stock_data = []
  23.     split_source = source_code.split('\n')
  24.     for line in split_source:
  25.         split_line = line.split(',')
  26.         if len(split_line) == 6:
  27.             if 'values' not in line and 'labels' not in line:
  28.                 stock_data.append(line)
  30.     date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
  31.                                                           delimiter=',',
  32.                                                           unpack=True)
  33.     dateconv = np.vectorize(dt.datetime.fromtimestamp)
  34.     date = dateconv(date)
  36. ##    date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
  37. ##                                                          delimiter=',',
  38. ##                                                          unpack=True,
  39. ##                                                          converters={0: bytespdate2num('%Y%m%d')})
  41.     ax1.plot_date(date, closep,'-', label='Price')
  42.     for label in ax1.xaxis.get_ticklabels():
  43.         label.set_rotation(45)
  44.     ax1.grid(True)#, color='g', linestyle='-', linewidth=5)
  46.     plt.xlabel('Date')
  47.     plt.ylabel('Price')
  48.     plt.title('Interesting Graph\nCheck it out')
  49.     plt.legend()
  50.     plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)
  51.     plt.show()
  54. graph_data('TSLA')

所以在这里，我们所做的是 unix 时间的写入处理，并注释掉我们以前的代码，因为我们为之后的使用而保存它。 这里的主要区别是：

  1. dateconv = np.vectorize(dt.datetime.fromtimestamp)
  2. date = dateconv(date)

这里，我们将时间戳转换为日期戳，然后将其转换为 Matplotlib 想要的时间。

现在，由于某些原因，我的 unix 时间带有另一行包含 6 个元素的数据，并且它包含了术语label，因此，在我们解析数据的for循环中，我们为你再添加一个需要注意的检查：

  1. for line in split_source:
  2.     split_line = line.split(',')
  3.     if len(split_line) == 6:
  4.         if 'values' not in line and 'labels' not in line:
  5.             stock_data.append(line)

现在你的图表应该类似：

十一、Unix 时间 - 图1

这里的所有扁平线条的原因是市场关闭。 有了这个短期数据，我们可以得到日内数据。 所以交易开放时有很多点，然后市场关闭时就没有了，然后又是一堆，然后又是没有。