Jeśli dobrze rozumiem, jedną z głównych obaw jest różnica między danymi dziennymi. Aby się ich pozbyć, jedną z metod jest sztuczne "równomierne rozmieszczenie" danych (ale oczywiście stracisz wszelkie wskazania czasowe w ciągu dnia).
W ten sposób, w ten sposób, będziesz w stanie uzyskać wykres, który wygląda jak ten, który zaproponowałeś jako przykład.
Skomentowany kod i wynikowy wykres znajdują się poniżej.
import numpy as np
import matplotlib.pyplot as plt
import datetime
from matplotlib.finance import candlestick
from matplotlib.dates import num2date
# data in a text file, 5 columns: time, opening, close, high, low
# note that I'm using the time you formated into an ordinal float
data = np.loadtxt('finance-data.txt', delimiter=',')
# determine number of days and create a list of those days
ndays = np.unique(np.trunc(data[:,0]), return_index=True)
xdays = []
for n in np.arange(len(ndays[0])):
xdays.append(datetime.date.isoformat(num2date(data[ndays[1],0][n])))
# creation of new data by replacing the time array with equally spaced values.
# this will allow to remove the gap between the days, when plotting the data
data2 = np.hstack([np.arange(data[:,0].size)[:, np.newaxis], data[:,1:]])
# plot the data
fig = plt.figure(figsize=(10, 5))
ax = fig.add_axes([0.1, 0.2, 0.85, 0.7])
# customization of the axis
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.tick_params(axis='both', direction='out', width=2, length=8,
labelsize=12, pad=8)
ax.spines['left'].set_linewidth(2)
ax.spines['bottom'].set_linewidth(2)
# set the ticks of the x axis only when starting a new day
ax.set_xticks(data2[ndays[1],0])
ax.set_xticklabels(xdays, rotation=45, horizontalalignment='right')
ax.set_ylabel('Quote ($)', size=20)
ax.set_ylim([177, 196])
candlestick(ax, data2, width=0.5, colorup='g', colordown='r')
plt.show()
Z danych podasz, wygląda na to dane zostały zebrane codziennie codziennie codziennie 30min od 9:30 do 4:00 PM. Różnica może odzwierciedlać czas między godziną 16:00 a 9:30 między dniami, w których nie pozyskano danych. Nawiasem mówiąc, korzystając z [pandas] (http://pandas.pydata.org/) librairy możesz bezpośrednio obsługiwać i analizować swoje surowe dane, a także je nanoszyć. – gcalmettes
Pandy nie są w stanie wykreślić danych ohlc/candlestick ... – NoviceCoding
Link do pastebin nie jest już dostępny – alexandroid