基于Python构建自定义图形和指标(三) 基于Python构建自定义图形和指

添加移动鼠标时的交互之后，相比于各个券商APP上的K线，还差拖动和放大、缩小、十字光标的交互功能。
鼠标拖动拖动K线时要做的操作是按下鼠标，然后平行移动，最后松开鼠标，因此需要绑定针对这些事件的处理。

fig.canvas.mpl_connect('button_press_event', button_press) fig.canvas.mpl_connect('button_release_event', button_release)

按下鼠标
因为是要在松开鼠标后才真正移动K线，因此需要记录鼠标按下时的坐标，并标记目前鼠标已按下。

def button_press(event): global current_x, button_flag idx = int(event.xdata) current_x = idx button_flag = True

再次移动时，各个指标的数据可以不用跟随鼠标移动而动态显示对应的数值。

def on_move(event): if button_flag: return

松开鼠标
松开鼠标时，根据拖动到的新位置与之前鼠标按下时的位置做差求得距离，然后在默认显示90天的基础上修改起止日期，重新获取数据，然后对子图和画布都做清理后重新显示。

def button_release(event): global current_x, button_flag button_flag = Falseidx = int(event.xdata) diff = idx - current_x global s_idx, e_idx, show_data s_idx -= diff e_idx -= diff if e_idx > 0: e_idx = -1 s_idx = -90 show_data = https://www.it610.com/article/data[s_idx: e_idx]for ax in axes_data.values(): ax.cla() plt.clf()show_chart()current_x = -1

放大缩小 【基于Python构建自定义图形和指标(三)】要实现放大缩小实际上就是对鼠标的滚轮事件做处理。

fig.canvas.mpl_connect('scroll_event', on_scroll)

设置默认显示90天的数据，当放大缩小时，每次在当前基础上变化10%，然后用新的起止日期获取数据，清理当前画布后重新显示新数据。

def on_scroll(event): ax = event.inaxes if ax is None: return global s_idx, e_idx, show_data diff = int(data_size * 0.1 / 2) if event.button == "down": s_idx += diff e_idx -= diff elif event.button == "up": s_idx -= diff e_idx += diff if e_idx > 0: e_idx = -1 show_data = https://www.it610.com/article/data[s_idx: e_idx] for ax in axes_data.values(): ax.cla() plt.clf() show_chart()

十字光标 matplotlib 自带有两种光标，一种是在单子图中显示，另外一种是在多子图中显示，但多子图显示时十字会出现在所有的子图中，因此这里仿照 MultiCursor 的实现方式对 motion_notify_event 的事件处理函数进行改造。
使用 dict 结构存储垂直线和水平线，它们的 key 为子图的名字，value 即为 matplotlib 中的 line 对象

vlines = {} hlines = {}

在图表显示时默认在所有子图中显示垂直线，只在K线所在的子图中显示水平线。其中垂直线的X轴坐标即为当前显示数据大小的一半，水平线的Y轴坐标即为当前显示数据中最高价的最高值与最低价的最低值做差，获取显示区域Y轴的距离，再用最低价的最低值加上其一半的值即为水平线的Y轴坐标。

def show_chart(): xmid = data_size/2 ymid = min(show_data["Low"]) + (max(show_data["High"]) - min(show_data["Low"]))/2 vlines = dict([(key, ax.axvline(xmid, color="r", lw=1, ls="dashdot")) for key, ax in axes_data.items()]) hlines = {"main": ax_main.axhline(ymid, visible=True, color="r", lw=1, ls="dashdot")}

当鼠标移动时，需要动态显示垂直线和水平线。

fig.canvas.mpl_connect('motion_notify_event', on_move) fig.canvas.mpl_connect('draw_event', clear)

在 draw_event 的处理函数中获取 background 以加速动态显示，并将垂直线和水平线都设为不可见。

def clear(event): global background background = (fig.canvas.copy_from_bbox(fig.bbox)) for line in vlines.values(): line.set_visible(False) for line in hlines.values(): line.set_visible(False)

在鼠标移动时垂直线可以直接显示，但对于水平线，要看鼠标当前移动到了哪个子图上，只显示鼠标所在子图上的水平线。

def on_move(event): # 垂直线直接显示 for line in vlines.values(): line.set_xdata(idx) line.set_visible(True)# 标记是否找到了鼠标所在的子图 find = False # 初始化时只在K线所在的子图创建了水平线, 因此需要先判断鼠标是否在具有水平线的子图上 for key, line in hlines.items(): ax = axes_data.get(key) if ax is not None and event.inaxes == ax: line.set_ydata(event.ydata) line.set_visible(True) find = True else: line.set_visible(False) # 如果没有找到说明鼠标移动到了尚未创建水平线的子图上, 需要新建水平线 if not find: for key, ax in axes_data.items(): if event.inaxes != ax: continue hlines[key] = ax.axhline(event.ydata, visible=True, color="r", lw=1, ls="dashdot") # 使用 background, draw_artist, blit 等加速动态显示 if background is not None: fig.canvas.restore_region(background) for key, ax in axes_data.items(): line = vlines.get(key) if line is not None: ax.draw_artist(line) line = hlines.get(key) if line is not None: ax.draw_artist(line) fig.canvas.blit()

最终效果