mplfinance xaxis 每 n 分钟滴答一次，但如果数据点不存在则不会答案

【问题标题】：mplfinance xaxis ticks every n minutes, but not if datapoint doesn't existmplfinance xaxis 每 n 分钟滴答一次，但如果数据点不存在则不会
【发布时间】：2025-11-27 19:45:01
【问题描述】：

检查我不是在这里重新发明*，对于 mplfinance，我希望每 15 分钟在 x 轴上显示一次刻度，但前提是数据存在。

直接绘制到 mplfinance（没有 returnfig=True），除了 xaxis 值没有时间对齐之外，该图还可以，它们取决于数据框的第一个元素，即使用的时间。

为了尝试让它每小时都有网格/刻度，我有以下代码，当我的数据集中有预期的熊猫索引时，它可以正常工作：

start_date = pd.to_datetime('2021-12-21 04:00').tz_localize('America/New_York')
end_date = pd.to_datetime('2021-12-21 19:55').tz_localize('America/New_York')
df5trimmed = df5.truncate(before=start_date, after=end_date)    
                    
ticks = pd.date_range(start_date, end_date, freq='15T')
ticklocations = [ df5trimmed.index.get_loc(tick) for tick in ticks ]
ticklabels = [ tick.time().strftime('%H:%M') for tick in ticks ]

fig, axlist = mpf.plot(df5trimmed,style='yahoo', addplot=plotsToAdd, figsize=(48,24), 
                       type='candlestick', volume=True, xrotation=0,
                       tight_layout=True, returnfig=True)

axlist[-2].xaxis.set_ticks(ticklocations)
axlist[-2].set_xticklabels(ticklabels)

然而，预期它会在迭代器 df5trimmed.index.get_loc(tick) for tick in ticks 期间使用 index not found 爆炸，而此时 pandaframe 中不存在该滴答的数据。

请注意，在17:00 密钥访问尝试期间，它下面的数据中的不连续性会爆炸，因为它在我的数据中不存在：

基本上我希望绘制与 n 分钟对齐的线（在下面的示例中为 15 分钟），但前提是它存在而不是其他情况（如果它不存在，我可以将条形放在旁边彼此）...总而言之，在流动性（会有数据点的地方）的常规交易时间内，滴答声@ 08:15, 08:30。

在 mplfinance 中是否有一个参数可以做到这一点？

我想要实现的目标

以下内容来自交易视图，请注意在正常交易时间内每 15 分钟对齐的时间刻度以及几乎整个情节。

附加信息 - 源数据和绘制的内容

下面使用this csv data，并直接绘制到mplfinance，你可以看到时间刻度与我得到04:00, 06:25, 08:10, 09:50等的小时不一致：

import mplfinance as mpf
import pandas as pd
import datetime

df5trimmed = pd.read_csv('https://pastebin.com/raw/SgpargBb', index_col=0, parse_dates=True)
fig, axlist = mpf.plot(df5trimmed,style='yahoo', figsize=(48,24), type='candlestick', volume=True, xrotation=0, tight_layout=True, returnfig=True)

# Display:
mpf.show()

【问题讨论】：

哪行代码引发了index not found 异常？另外，尝试设置show_nontrading=True（而不是自己设置set_ticks），因为这可能会使滴答声对你来说是一个很好的频率。最后，如果您可以提供您的数据的 csv 文件，以便其他人可以轻松复制，这将使其他人更容易帮助您找到解决方案。
嗨丹尼尔，谢谢你的回复，我交易 show_nontrading=True 没有区别，我已经用最后的代码和文件参考更新了我的问题，我得到了什么，并澄清了我是什么寻找。非常感谢您的帮助。

标签： python mplfinance

【解决方案1】：

我使用以下代码添加刻度，但前提是它们存在 - 我怀疑编写此代码的更好方法，因此可以将其作为替代答案重新发布。

我的下一次迭代将是使文本具有 0 度旋转，并且在标签被另一个标签覆盖时不会混乱。

import mplfinance as mpf
import pandas as pd
import datetime

def getTimestampTickFrequency(df):
    # get most common interval in minutes
    mode = df.index.to_series().diff().astype('timedelta64[m]').astype('Int64').mode()[0]
    
    if mode==5:
        return 15, 3 # for 5 minutes, tick every 15 mins
    elif mode==15:
        return 60, 12 # for 15 minute data, tick every hour
    elif mode==120:
        return 240, 48 # for hourly data, tick every 2 hours
    
    return mode

def getTickLocationsAndLabels(df):
    tickLocations = []
    tickLabels = []
    
    tickFrequencyMinutes, samplesBetweenTicks = getTimestampTickFrequency(df)
    entireTickRange = pd.date_range(start=df.index[0], end=df.index[-1], freq=f'{tickFrequencyMinutes}T')
    prevTimestamp = df.index[0]
    
    # get indexes of data frame that match the ticks, if they exist
    for tick in entireTickRange:
        print(tick)
        try:
            found = df.index.get_loc(tick)
            currentTimestamp = df.index[found] 
            timestampDifference = (currentTimestamp - prevTimestamp).total_seconds() / 60
            
            print(f'Delta last time stamp = {timestampDifference}')
            #if timestampDifference <= tickFrequencyMinutes:
            tickLocations.append(found)
            tickLabels.append(tick.time().strftime('%H:%M'))
            
            prevTimestamp = currentTimestamp
        except KeyError:            
            pass # ignore
            
    return tickLocations, tickLabels

df5trimmed = pd.read_csv('https://pastebin.com/raw/SgpargBb', index_col=0, parse_dates=True)
tickLocations, tickLabels = getTickLocationsAndLabels(df5trimmed)
fig, axlist = mpf.plot(df5trimmed,style='yahoo', figsize=(48,24), type='candlestick', volume=True, tight_layout=True, returnfig=True)
axlist[-2].xaxis.set_ticks(tickLocations)
axlist[-2].set_xticklabels(tickLabels)

# Display:
mpf.show()

【讨论】：

【解决方案2】：

因此，需要消除由于缺少条形而导致的绘图间隙。

基本上我希望绘制与 n 分钟对齐的线（在下面的例子 15 分钟），但前提是它存在而不是其他情况

从您发布的代码中尝试，但放大前 30 个柱并添加选项 show_nontrading=True：

import mplfinance as mpf
import pandas as pd
import datetime

df5trimmed = pd.read_csv('https://pastebin.com/raw/SgpargBb', index_col=0, parse_dates=True)
fig, axlist = mpf.plot(df5trimmed[0:30],
                       style='yahoo', 
                       figsize=(48,24), 
                       type='candle', 
                       volume=True, 
                       xrotation=0, 
                       tight_layout=True, 
                       returnfig=True,
                       show_nontrading=True)

# Display:
mpf.show()

我明白了，这显示了你提到的差距。

但如果我设置选项 show_nontrading=False

这将更改为下图，删除了与缺失条对应的间隙。

这不是你需要的吗？

【讨论】：

感谢 Marcello 的回复，特别是我希望每 15 分钟在 x 轴上显示一次刻度，但前提是存在数据。如果您在我的“我想要实现的目标”部分下看到来自 Tradingview 的图片，您可以看到带有规则对齐刻度的 x 轴，
@morleyc，检查我是否在同一页面中。您有一个具有频率的基础规则时间序列，例如 5 分钟，并且您希望以 15 分钟的间隔绘制它，绘制当时基础 TS 的值。例如，如果您的系列是：11:05:00、11:10:00、11:15:00、11:20:00、11:25:00、11:45:00，并且绘图频率为 15 分钟，然后您将绘制 11:15:00、11:45:00 的值。它是否正确？然后对于缺失值，您有两个选择：是否绘制间隙，后者是您喜欢的。如果是这样，解决方案可能是使用合并。确认，我会告诉你怎么做。
嗨，Marcello，是的，正确的是，只会显示 11:15 和 11:45 的刻度（所有数据点都会被绘制出来，没有间隙）

【解决方案3】：

请检查这是否解决了您的问题。我认为是的。

检查早上 6:00 到早上 7:00 之间的日期范围。在 5:00 和 6:00 之间绘制了几个条形图，并且缺少 6:30。

import mplfinance as mpf
import pandas as pd
import datetime
import matplotlib.pyplot as plt
%matplotlib inline

# DATA PREPARATION
df5 = pd.read_csv('https://pastebin.com/raw/SgpargBb', index_col=0, parse_dates=True)
start_date = pd.to_datetime('2021-12-21 1:00').tz_localize('America/New_York')
end_date = pd.to_datetime('2021-12-21 7:00').tz_localize('America/New_York')
df5trimmed = df5.truncate(before=start_date, after=end_date)

# PLOTTING 
fig,  axlist= mpf.plot(df5trimmed,
                       style='yahoo', 
                       type='candlestick', 
                       volume=True, 
                       xrotation=0, 
                       figsize=(20,10), 
                       returnfig=True,
                       show_nontrading=False)

# x-tick labeling preparation
# the frequency can be ajusted but needs to be lower than original data
idx = pd.date_range(start_date, end_date, freq='30T', tz='America/New_York')
df_label_idx = pd.DataFrame(index=idx)

# this merge does the trick: the output is the intersection between the lower frequency and the 
# higher freq time series. The inner option leaves in the output only those rows present in both TS
# dropping from the lower freq TS those missing periods in the higher freq TS.
df_label = pd.merge(df_label_idx, df5trimmed, how='inner', left_index=True, right_index=True ).tz_convert('America/New_York')

# Tick labels are generated based on df_label
tick_labels = list(df_label.index.strftime('%H:%M'))
ticklocations = [df5trimmed.index.get_loc(tick) for tick in df_label.index ]

axlist[-2].xaxis.set_ticks(ticklocations)
axlist[-2].set_xticklabels(tick_labels)

mpf.show()


print(tick_labels)

df_label

df5trimmed['2021-12-21 05:00:00-05:00':'2021-12-21 07:00:00-05:00']

【讨论】：