我最近出了一本書，《基於股票大數據分析的Python入門實戰 視頻教學版》，京東連結：https://item.jd.com/69241653952.html，在其中給出了MACD，KDJ等指標圖的繪製方法。這裡將根據KDJ的算法，計算並繪製KDJ指標線。
1 KDJ指標的計算過程
KDJ指標也叫隨機指標，是由喬治·藍恩博士（George Lane）最早提出的。該指標集中包含了強弱指標、動量概念和移動平均線的優點，可以用來衡量股價脫離正常價格範圍的偏離程度。
KDJ指標的計算過程是，首先獲取指定周期（一般是9天）內出現過的股票最高價、最低價和最後一個交易日的收盤價，隨後通過它們三者間的比例關係來算出未成熟隨機值RSV，並在此基礎上再用平滑移動平均線的方式來計算K、D和J值。計算完成後，把KDJ的值繪成曲線圖，以此來預判股票走勢，具體的算法如下所示。
第一步：計算周期內（n日、n周等，n一般是9）的RSV值，RSV也叫未成熟隨機指標值，是計算K值、D值和J值的基礎。以n日周期計算單位為例，計算公式如下所示。
n日RSV =（Cn－Ln）/（Hn－Ln）× 100
其中，Cn是第n日（一般是最後一日）的收盤價，Ln是n日範圍內的最低價，Hn是n日範圍內的最高價，根據上述公式可知，RSV值的取值範圍是1到100。如果要計算n周的 RSV值，則Cn還是最後一日的收盤價，但Ln和Hn則是n周內的最低價和最高價。
第二步：根據RSV計算K和D值，方法如下。
當日K值 = 2/3 × 前一日K值 ＋ 1/3 × 當日的RSV值
當日D值 = 2/3 × 前一日D值 ＋ 1/3 × 當日K值
在計算過程中，如果沒有前一日K 值或D值，則可以用數字50來代替。
在實際使用過程中，一般是以9日為周期來計算KD線，根據上述公式，首先是計算出最近9日的RSV值，即未成熟隨機值，計算公式是9日RSV = （C－L9）÷（H9－L9）× 100。其中各項參數含義在步驟一中已經提到，其次再按本步驟所示計算當日的K和D值。
需要說明的是，上式中的平滑因子2/3和1/3是可以更改的，不過在股市交易實踐中，這兩個值已經被默認設置為2/3和1/3。
第三步：計算J值。J指標的計算公式為：J = 3×K - 2×D。從使用角度來看，J的實質是反映K值和D值的乖離程度，它的範圍上可超過100，下可低於0。
最早的KDJ指標只有K線和D線兩條線，那個時候也被稱為KD指標，隨著分析技術的發展，KD指標逐漸演變成KDJ指標，引入J指標後，能提高KDJ指標預判行情的能力。
在按上述三個步驟計算出每天的K、D和J三個值之後，把它們連接起來，就可以看到KDJ指標線了。
2 繪製靜態的KDJ指標線
根據上節給出的KDJ算法，在下面的drawKDJ.py範例程序中將繪製股票「金石資源」（股票代碼為603505）從2018年9月到2019年5月這段時間內的KDJ走勢圖。
!/usr/bin/env python2 # coding=utf-83 import matplotlib.pyplot as plt4 import pandas as pd5 # 計算KDJ6 def calKDJ(df):7 df['MinLow'] = df['Low'].rolling(9, min_periods=9).min()8 # 填充NaN數據9 df['MinLow'].fillna(value = df['Low'].expanding().min(), inplace = True)10 df['MaxHigh'] = df['High'].rolling(9, min_periods=9).max()11 df['MaxHigh'].fillna(value = df['High'].expanding().max(), inplace = True)12 df['RSV'] = (df['Close'] - df['MinLow']) / (df['MaxHigh'] - df['MinLow']) * 10013 # 通過for循環依次計算每個交易日的KDJ值14for i in range(len(df)):15if i==0: # 第一天16 df.ix[i,'K']=5017 df.ix[i,'D']=5018if i>0:19 df.ix[i,'K']=df.ix[i-1,'K']*2/3 + 1/3*df.ix[i,'RSV']20 df.ix[i,'D']=df.ix[i-1,'D']*2/3 + 1/3*df.ix[i,'K']21 df.ix[i,'J']=3*df.ix[i,'K']-2*df.ix[i,'D']22return df
從第6行到第22行程序語句定義的calKDJ方法中，將根據輸入參數df，計算指定時間範圍內的KDJ值。
具體的計算步驟是，在第8行中通過df['Low'].rolling(9, min_periods=9).min()，把每一行（即每個交易日）的 'MinLow' 屬性值設置為9天內收盤價（Low）的最小值。
如果只執行這句，第1到第8個交易日的MinLow屬性值將會是NaN，所以要通過第9行的程序代碼，把這些交易日的MinLow屬性值設置為9天內收盤價（Low）的最小值。同理，通過第10行的程序代碼，把每個交易日的 'MaxHigh' 屬性值設置為9天內的最高價，同樣通過第11行的fillna方法，填充前8天的 'MaxHigh' 屬性值。隨後在第12行中根據算法計算每個交易日的RSV值。
在算完RSV值後，通過第14行的for循環，依次遍歷每個交易日，在遍歷時根據KDJ的算法分別計算出每個交易日對應的KDJ值。
請注意，如果是第1個交易日，則在第16行和第17行的程序代碼中把 K值和D值設置為默認的50，如果不是第1交易日，則通過第19行和第20行的算法計算K值和D值。計算完K和D的值以後，再通過第21行的程序代碼計算出每個交易日的J值。
從上述代碼中，可以看到關於DataFrame對象的三個操作技巧：
第一，如第9行所示，如果要把修改後的數據寫回到DataFrame中，必須加上inplace = True的參數；
第二，在第12行中，df['Close']等變量值是以列為單位，也就是說，在DataFrame中，可以直接以列為單位進行操作；
第三，在第16行的代碼df.ix[i,'K']=50，這裡用到的是ix通過索引值和標籤值來訪問對象，而實現類似功能的loc和iloc方法只能通過索引值來訪問。
繪製KDJ線24 def drawKDJ():25 df = pd.read_csv('D:/stockData/ch8/6035052018-09-012019-05-31.csv',encoding='gbk')26 stockDataFrame = calKDJ(df)27 print(stockDataFrame)28 # 開始繪圖29 plt.figure()30 stockDataFrame['K'].plot(color="blue",label='K')31 stockDataFrame['D'].plot(color="green",label='D')32 stockDataFrame['J'].plot(color="purple",label='J')33 plt.legend(loc='best') # 繪製圖例34 # 設置x軸坐標的標籤和旋轉角度 major_index=stockDataFrame.index[stockDataFrame.index%10==0]35 major_xtics=stockDataFrame['Date'][stockDataFrame.index%10==0]36 plt.xticks(major_index,major_xtics)37 plt.setp(plt.gca().get_xticklabels(), rotation=30)38 # 帶網格線，且設置了網格樣式39 plt.grid(linestyle='-.')40 plt.title("金石資源的KDJ圖")41 plt.rcParams['font.sans-serif']=['SimHei']42 plt.show()43 # 調用方法44 drawKDJ()
在第24行的drawKDJ方法中實現了繪製KDJ的操作。其中的關鍵步驟是，通過第25行的程序代碼從指定的csv文件中讀取股票交易數據，隨後在第30行到第32行的程序代碼中，調用plot方法分別用三種不同的顏色繪製了KDJ線，因為在繪製時通過label參數設置了標籤，所以可以執行第33行的程序代碼來繪製圖例。
在第34行到第37行的代碼中設置了x軸的文字標籤和旋轉角度，這部分代碼與之前繪製MACD指標線的代碼很相似，為了不在x軸上過多地顯示日期，於是用stockDataFrame.index%10 == 0的方式，只顯示索引值是10的倍數的日期。
在第44行調用了drawKDJ方法將KDJ繪製出來。運行這個範例程序之後，即可看到如圖所示的結果，其中KDJ三根曲線分別用藍色、綠色和紫色繪製出來（因為本書採用黑白印刷而看不出彩色，請讀者在自己的計算機上運行這個範例程序）。
下圖是從股票軟體中得到的股票「金石資源」在同時間段內的KDJ走勢圖，兩者的變化趨勢基本一致。
本文可以轉載，轉載時請全文轉載，別有刪節，並用連結的形式給出原文連結。否則的話，可能會遇到出版社的維權。
文本相關連結:
用Python的Pandas和Matplotlib繪製股票唐奇安通道，布林帶通道和鱷魚組線
用Python爬取股票數據，繪製K線和均線並用機器學習預測股價（來自我出的書）
用Python語言繪製股市OBV指標效果
程式設計師如何高效學Python，如何高效用Python掙錢
用matplotlib和pandas繪製股票MACD指標圖，並驗證化交易策略
向大家介紹我的新書：《基於股票大數據分析的Python入門實戰》
通過機器學習的線性回歸算法預測股票走勢（用Python實現）
在我的新書裡，嘗試著用股票案例講述Python爬蟲大數據可視化等知識
以股票RSI指標為例，學習Python發送郵件功能（含RSI指標確定賣點策略）
以預測股票漲跌案例入門基於SVM的機器學習
用python的matplotlib和numpy庫繪製股票K線均線和成交量的整合效果（含量化驗證交易策略代碼）
用python的matplotlib和numpy庫繪製股票K線均線的整合效果（含從網絡接口爬取數據和驗證交易策略代碼）