用pandas

对于回测结果，我们需要对其进行风险、收益分析，并把结果进行表格化，图形化的呈现。

matplotlib和seaborn的优点是与pandas天然结合，上手很容易。

缺点是不能绘表格，另外结果是静态的，不能动态看数据。

现代的数据分析都转向web js框架，常用的有bokeh和plotly，当然百度的echarts也可以。bokeh的python生态做得不错，上手比plotly也简单不少。

先看下简单的效果吧：

这是沪深300指数近十年“买入并持有”的可视化结果。

下图是“恒定市值定投”的结果：

年化收益率与最大回撤都有提升。

代码比较简单：

import pandas_bokeh

from bokeh.models.widgets import DataTable, TableColumn
from bokeh.models import ColumnDataSource


class BokehUtils:

    def plot_line(self, df, y_col, **kwargs):
        df.plot_bokeh(kind="line", y=[y_col, 'open'], **kwargs)

    def show(self, df_ratio, df_equity):
        table_ratio = DataTable(
            columns=[TableColumn(field=Ci, title=Ci) for Ci in df_ratio.columns],
            source=ColumnDataSource(df_ratio),
            height=300,
        )

        # 创建散点图:
        line_equity = df_equity.plot_bokeh.line(
            # x="petal length(cm)",
            y="equity",
            # category="species",
            title="000300_equity曲线",
            show_figure=False,
            rangetool=True,
        )
        pandas_bokeh.plot_grid([[table_ratio, line_equity], []], plot_width=400, plot_height=350)

代码已经更新到gitee上。