广告流量投放推推蛙贴吧优化
代码：
Github：Python实现股票数据可视化代码https://github.com/magolan2000/Data-visualization/tree/master
软件环境：PyCharm 2022.3.1
数据来源：akshare
最近DeepSeek可谓是热度不断，因此想评判一下DeepSeek的编程能力到底如何。虽然最近DeepSeek的服务器并不是很稳定，大概每问2至3次就会显示服务器繁忙，不过显示内容的数量和质量还是非常不错的。
与GPT4进行比较的话，同样的问题GPT4可能会出现偷懒的情况，例如生成的代码大概率只生成一个代码的大致框架，如果不详细提问就不会生成完整的代码。即使最近几天ChatGPT也同样加入了类似于DeepSeek的深度思考（R1）与联网搜索功能，但是其效果还是欠佳，而且ChatGPT的推理过程即使你用中文提问但推理过程还是显示用英文在思考。
ChatGPT暂时的优势就是有大量的插件和优秀简约的界面，例如生成长代码时会自动进入画布模式，可以在画布模式中修改运行代码，是一个小型简约的编辑器，方便将完全优化好后的代码导入至其他编辑器运行，避免利用AI修改优化代码时需要反复在浏览器和编辑器之间跳转。
DeepSeek就不过多介绍了，它的蓝紫色小鲸鱼图标与Docker图标还蛮像的，下面展示一下生成的股票数据可视化后的代码与结果。
一、股票数据可视化
1.1代码
Python实现股票数据可视化代码——数据.pyhttps://download.csdn.net/download/m0_53095310/90339747 下面给出股票数据可视化的部分代码：
# -*- coding: utf-8 -*-
import os
import pandas as pd
import akshare as ak
from datetime import datetime
import logging
from concurrent.futures import ThreadPoolExecutor, as_completed
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm# ==================== 用户配置部分 ====================
# A股股票代码列表（示例：贵州茅台、宁德时代）
a_stock_symbols = ["600519", "300750","601899"] # 支持数字或带后缀的代码（如600519.SH）# 时间范围
start_date = "2020-01-01"
end_date = datetime.now().strftime("%Y-%m-%d")# 数据保存路径
save_dir = "./stock_data" # 数据存储主目录
a_stock_dir = os.path.join(save_dir, "A股数据") # A股数据子目录
plot_dir = os.path.join(save_dir, "可视化图表") # 可视化图表目录# 创建目录（如果不存在）
os.makedirs(a_stock_dir, exist_ok=True)
os.makedirs(plot_dir, exist_ok=True)# 配置日志
logging.basicConfig(level=logging.INFO,format="%(asctime)s - %(levelname)s - %(message)s",handlers=[logging.FileHandler(os.path.join(save_dir, "stock_data.log")), # 日志文件logging.StreamHandler() # 控制台输出]
)# 设置中文字体
try:# Windows 系统使用黑体plt.rcParams["font.sans-serif"] = ["SimHei"]# macOS 或 Linux 系统使用 Arial Unicode MS 或文泉驿字体# plt.rcParams["font.sans-serif"] = ["Arial Unicode MS"] # macOS# plt.rcParams["font.sans-serif"] = ["WenQuanYi Zen Hei"] # Linuxplt.rcParams["axes.unicode_minus"] = False # 解决负号显示问题
except Exception as e:logging.error(f"字体设置失败: {e}")# ======================================================def fetch_a_stock_data(symbol, retries=3):"""通过AKShare获取单只A股数据（后复权）"""for attempt in range(retries):try:# 去掉股票代码的后缀（如 .SH 或 .SZ）symbol_clean = symbol.split(".")[0]# 获取数据df = ak.stock_zh_a_hist(symbol=symbol_clean, period="daily", adjust="hfq")if df.empty:logging.warning(f"[A股] 数据为空（{symbol_clean}）")return None# 重命名列df.rename(columns={"日期": "Date","开盘": "Open","收盘": "Close","最高": "High","最低": "Low","成交量": "Volume"}, inplace=True)# 转换日期格式并设置为索引df["Date"] = pd.to_datetime(df["Date"])df.set_index("Date", inplace=True)logging.info(f"[A股] 数据获取成功（{symbol_clean}）")return dfexcept Exception as e:if attempt < retries - 1:logging.warning(f"[A股] 数据获取失败（{symbol_clean}），第 {attempt + 1} 次重试...")else:logging.error(f"[A股] 数据获取失败（{symbol_clean}）: {e}")return Nonedef clean_data(df):"""数据清洗：处理缺失值和异常值"""if df is None or df.empty:return None# 1. 删除完全缺失的行df_clean = df.dropna(how="all")# 2. 处理零成交量（视为停牌/无效数据）df_clean = df_clean[df_clean["Volume"] > 0]# 3. 处理价格异常值（如价格<=0或单日涨跌幅超过50%）price_columns = ["Open", "High", "Low", "Close"]for col in price_columns:df_clean = df_clean[df_clean[col] > 0] # 删除价格为负或零的异常记录# 检查清洗后的数据是否为空if df_clean.empty:logging.warning("数据清洗后为空，可能全部为异常值")return Nonereturn df_cleandef save_to_csv(df, symbol):"""保存清洗后的数据到CSV文件"""if df is None or df.empty:logging.warning(f"无有效数据可保存（{symbol}）")return# 保存路径save_path = os.path.join(a_stock_dir, f"{symbol}.csv")df.to_csv(save_path, encoding="utf-8-sig") # 兼容中文路径logging.info(f"数据已保存至：{save_path}")1.2数据可视化
1.3分析
该代码的主要功能是通过akshare库获取A股股票的历史数据，进行数据清洗、保存和可视化。
| 函数 | 解释 |
| fetch_a_stock_data | 获取单只股票的历史数据 |
| clean_data | 清洗数据，处理缺失值和异常值 |
| save_to_csv | 将清洗后的数据保存为CSV文件 |
| plot_stock_data | 绘制股票价格走势图并保存为PNG文件 |
| process_single_stock | 处理单只股票的完整流程（获取、清洗、保存、可视化） |
| batch_process_a_stocks | 批量处理所有股票代码（使用多线程） |
二、功能丰富的静态行情图
2.1代码
除了收盘价以外，行情图添加了5日均线、10日均线和20日均线，包括不同时间段的成交量数据，下面给出股票行情数据可视化的部分代码：
# ======================================================
def fetch_a_stock_data(symbol, retries=3):"""通过AKShare获取单只A股数据（后复权）"""for attempt in range(retries):try:# 去掉股票代码的后缀（如 .SH 或 .SZ）symbol_clean = symbol.split(".")[0]# 获取数据df = ak.stock_zh_a_hist(symbol=symbol_clean, period="daily", adjust="hfq")if df.empty:logging.warning(f"[A股] 数据为空（{symbol_clean}）")return None# 重命名列df.rename(columns={"日期": "Date","开盘": "Open","收盘": "Close","最高": "High","最低": "Low","成交量": "Volume"}, inplace=True)# 转换日期格式并设置为索引df["Date"] = pd.to_datetime(df["Date"])df.set_index("Date", inplace=True)logging.info(f"[A股] 数据获取成功（{symbol_clean}）")return dfexcept Exception as e:if attempt < retries - 1:logging.warning(f"[A股] 数据获取失败（{symbol_clean}），第 {attempt + 1} 次重试...")else:logging.error(f"[A股] 数据获取失败（{symbol_clean}）: {e}")return Nonedef clean_data(df):"""数据清洗：处理缺失值和异常值"""if df is None or df.empty:return None# 1. 删除完全缺失的行df_clean = df.dropna(how="all")# 2. 处理零成交量（视为停牌/无效数据）df_clean = df_clean[df_clean["Volume"] > 0]# 3. 处理价格异常值（如价格<=0或单日涨跌幅超过50%）price_columns = ["Open", "High", "Low", "Close"]for col in price_columns:df_clean = df_clean[df_clean[col] > 0] # 删除价格为负或零的异常记录# 检查清洗后的数据是否为空if df_clean.empty:logging.warning("数据清洗后为空，可能全部为异常值")return Nonereturn df_cleandef save_to_csv(df, symbol):"""保存清洗后的数据到CSV文件"""if df is None or df.empty:logging.warning(f"无有效数据可保存（{symbol}）")return# 保存路径save_path = os.path.join(a_stock_dir, f"{symbol}.csv")df.to_csv(save_path, encoding="utf-8-sig") # 兼容中文路径logging.info(f"数据已保存至：{save_path}")def plot_stock_data(df, symbol):"""专业级股票行情走势图"""if df is None or df.empty:logging.warning(f"无有效数据可绘制（{symbol}）")return2.2数据可视化
2.3分析
调用batch_process_a_stocks()函数，批量处理用户配置的A股股票数据。处理完成后，记录日志信息。
三、具有可交互界面的行情图
3.1代码
# ==================== 布局设计 ====================
app.layout = html.Div([html.Div([html.H1("专业级股票分析系统", style={'color': 'white'}),html.Div([dcc.Input(id='stock-input',type='text',value='600519',placeholder='输入股票代码',style={'width': '150px', 'margin-right': '10px'}),dcc.DatePickerRange(id='date-picker',min_date_allowed=datetime(2010, 1, 1),max_date_allowed=datetime.today(),start_date=datetime.today() - timedelta(days=365),end_date=datetime.today(),display_format='YYYY-MM-DD'),dcc.Dropdown(id='indicator-selector',options=[{'label': 'MACD', 'value': 'MACD'},{'label': 'RSI', 'value': 'RSI'},{'label': '布林线', 'value': 'BOLL'},],value=['MACD'],multi=True,style={'width': '300px', 'margin-left': '10px'})], style={'padding': '20px', 'backgroundColor': '#1a1a1a'})]),dcc.Loading(id="loading",type="circle",children=[dcc.Graph(id='main-chart', style={'height': '600px'}),dcc.Interval(id='interval-component', interval=60 * 1000, n_intervals=0)])
], style={'backgroundColor': '#1a1a1a', 'height': '100vh'})3.2数据可视化
可交互界面设计的不错，颜色搭配效果很好，不仅添加了时间区间设置功能，还可以任意选择股票代码查看股票行情的历史数据，鼠标移动至折线图上会有详细的数据展示。
