API 參考

finlab.plot

本頁內容8

finlab.plot 用 plotly 畫出 K 線、板塊圖、雷達圖、河流圖和策略圖表。每個繪圖函式都回傳 plotly.graph_objects.Figure，呼叫 .show() 就會顯示，也能再用 plotly 的方法調整。plot_candles() 接受任何價格序列、plot_tw_stock_radar() 能比較任何 FinLab 資料集；其餘的 plot_tw_stock_* 讀台股資料，只適用台股。

選哪個函式

你想做的事	用這個
畫台股 K 線與技術指標	`plot_tw_stock_candles()`
用自己給的價格畫 K 線（美股或自訂資料）	`plot_candles()`
看全市場各產業的漲跌、成交或估值（台股）	`plot_tw_stock_treemap()`
在板塊圖加上自己的指標	`create_treemap_data()`
比較幾檔股票的財務指標排名	`plot_tw_stock_radar()`
看股價落在本益比或股價淨值比的哪個位階（台股）	`plot_tw_stock_river()`
看雲端策略持股的產業分布	`StrategySunburst`
比較雲端策略與大盤的報酬	`StrategyReturnStats`

這些圖都需要 plotly 套件（pip install plotly）。

畫 K 線與技術指標

plot_tw_stock_candles() 讀入一檔台股的開高低收與成交量，畫出 K 線、成交量、主圖上的輔助線（預設布林通道）和技術指標子圖（預設一組 KD）：

from finlab.plot import plot_tw_stock_candles

# 繪製台積電最近 200 個交易日的 K 線圖
plot_tw_stock_candles(stock_id='2330', recent_days=200).show()

用 overlay_func 換主圖的輔助線、用 technical_func 換子圖，technical_func 裡每個字典是一張子圖：

from finlab.data import indicator
from finlab.plot import plot_tw_stock_candles

overlay_func = {
    'ema_5': indicator('EMA', timeperiod=5),
    'ema_10': indicator('EMA', timeperiod=10),
    'ema_20': indicator('EMA', timeperiod=20),
    'ema_60': indicator('EMA', timeperiod=60),
}
k, d = indicator('STOCH')
rsi = indicator('RSI')
technical_func = [{'K': k, 'D': d}, {'RSI': rsi}]

plot_tw_stock_candles(
    symbol='2330',
    recent_days=600,
    adjust_price=False,
    overlay_func=overlay_func,
    technical_func=technical_func,
).show()

股票代號用字串，stock_id 是 symbol 的別名；recent_days 是顯示最近幾天的資料。
K 線圖顯示開盤價、最高價、最低價、收盤價。
回傳的 Figure 可以再用 fig.add_trace() 加上自訂指標。

函式

finlab.plot.plot_tw_stock_candles

plot_tw_stock_candles(symbol, recent_days, adjust_price, resample, overlay_func, technical_func) -> go.Figure

繪製台股技術線圖圖組

參數

symbol str

台股股號，ex:'2330'。

recent_days int 預設 400

取近n個交易日資料。

adjust_price bool 預設 False

是否使用還原股價計算。

resample str 預設 'D'

技術指標價格週期，ex: D 代表日線, W 代表週線, M 代表月線。

overlay_func dict

K線圖輔助線，預設使用布林通道。

from finlab.data import indicator

overlay_func={
             'ema_5':indicator('EMA',timeperiod=5),
             'ema_10':indicator('EMA',timeperiod=10),
             'ema_20':indicator('EMA',timeperiod=20),
             'ema_60':indicator('EMA',timeperiod=60),
            }

technical_func list

技術指標子圖，預設使用KD技術指標單組子圖。

設定多組技術指標：

from finlab.data import indicator

k,d = indicator('STOCH')
rsi = indicator('RSI')
technical_func = [{'K':k,'D':d},{'RSI':rsi}]

回傳

plotly.graph_objects.Figure: 技術線圖

範例

from finlab.plot import plot_tw_stock_candles
from finlab.data import indicator

overlay_func={
              'ema_5':indicator('EMA',timeperiod=5),
              'ema_10':indicator('EMA',timeperiod=10),
              'ema_20':indicator('EMA',timeperiod=20),
              'ema_60':indicator('EMA',timeperiod=60),
             }
k,d = indicator('STOCH')
rsi = indicator('RSI')
technical_func = [{'K':k,'D':d},{'RSI':rsi}]
plot_tw_stock_candles(symbol='2330',recent_days=600,adjust_price=False,overlay_func=overlay_func,technical_func=technical_func)

plot_candles()

用你提供的價格序列畫 K 線，plot_tw_stock_candles() 就是讀好台股價格後呼叫它，所以美股或自訂資料都能用。

from finlab import data
from finlab.plot import plot_candles

symbol = '2330'

plot_candles(
    symbol,
    close=data.get('price:收盤價')[symbol],
    open_=data.get('price:開盤價')[symbol],
    high=data.get('price:最高價')[symbol],
    low=data.get('price:最低價')[symbol],
    volume=data.get('price:成交股數')[symbol],
    recent_days=200,
).show()

from finlab import data
from finlab.plot import plot_candles

data.set_market('us')
symbol = 'AAPL'

plot_candles(
    symbol,
    close=data.get('price:close')[symbol],
    open_=data.get('price:open')[symbol],
    high=data.get('price:high')[symbol],
    low=data.get('price:low')[symbol],
    volume=data.get('price:volume')[symbol],
    recent_days=200,
).show()

參數	型別	預設	說明
`symbol`	`str`	必填	顯示在標題；指標回傳 DataFrame 時，也用它挑出這檔股票的欄位。`stock_id` 是別名。
`close`、`open_`、`high`、`low`、`volume`	`pd.Series`	必填	單一股票以日期為索引的價格與成交量。
`recent_days`	`int`	`250`	畫最近幾列資料。
`resample`	`str`	`'D'`	K 棒週期：`'D'` 日線、`'W'` 週線、`'M'` 月線。
`overlay_func`	`dict` 或 `list[dict]`	`None`	主圖上的線，`{名稱: 指標}`。不指定時用 `data.indicator('BBANDS')` 的布林通道。
`technical_func`	`dict` 或 `list[dict]`	`None`	技術指標子圖，每個字典一張子圖。不指定時用 `data.indicator('STOCH')` 的 KD。

回傳 plotly.graph_objects.Figure。

指標可以是 DataFrame（data.indicator() 的結果）、Series、NumPy 陣列、接收 OHLCV DataFrame 的函式，或 TA-Lib 函式名稱字串，例如 'RSI(timeperiod=14)'；用函式名稱要先安裝 ta-lib。data.indicator() 預設用未還原的價格計算，所以請傳入未還原的開高低收，輔助線才會和 K 棒對齊。

看全市場的產業板塊圖

plot_tw_stock_treemap() 把台股依市場別與產業分層排成板塊，方塊大小和顏色各代表一個指標：

from finlab.plot import plot_tw_stock_treemap

# 範例 1：視覺化期間報酬率（起訖日要是交易日）
plot_tw_stock_treemap(
    start='2024-01-02',
    end='2024-01-31',
    area_ind='market_value',  # 方塊大小：市值
    item='return_ratio',  # 顏色：報酬率
).show()

# 範例 2：方塊大小改用成交金額
plot_tw_stock_treemap(
    start='2024-01-02',
    end='2024-01-31',
    area_ind='turnover',  # 方塊大小：期間成交金額（億元）
    item='return_ratio',  # 顏色：報酬率
).show()

# 範例 3：視覺化本益比分布
plot_tw_stock_treemap(
    start='2024-01-02',
    end='2024-01-31',
    area_ind='market_value',
    item='price_earning_ratio:本益比',
    clip=(0, 50),  # 限制本益比範圍 0-50
    color_continuous_scale='RdBu_r',  # 紅藍配色
).show()

start 和 end 都要是交易日。return_ratio 是兩日之間的報酬率，設成同一天會全部是 0。
用資料集當 item 時，顯示的是期間內最後一筆的值。
資料或 area_ind 拿不到時回傳 None。

函式

finlab.plot.plot_tw_stock_treemap

plot_tw_stock_treemap(start, end, area_ind, item, clip, color_continuous_scale, treemap_data) -> go.Figure | None

繪製台股板塊圖資料

巢狀樹狀圖可以顯示多維度資料，將依照產業分類的台股資料絢麗顯示。

參數

start str: 資料開始日，ex:'2021-01-02'。
end str: 資料結束日，ex:'2021-01-05'。
area_ind str 預設 'market_value': 決定板塊面積數值的指標。可選擇["market_value","turnover"]，數值代表含義分別為市值、成交金額。
item str 預設 'return_ratio': 決定板塊顏色深淺的指標。除了可選擇依照 start 與 end 計算的"return_ratio"(報酬率)，亦可選擇FinLab資料庫內的指標顯示近一期資料。 example:

'price_earning_ratio:本益比' - 顯示近日產業的本益比高低。

'monthly_revenue:去年同月增減(%)' - 顯示近月的單月營收年增率。
clip tuple: 將 item 邊界外的值分配給邊界值，防止資料上限值過大或過小，造成顏色深淺變化不明顯。 ex:(0,100)，將數值低高界線，設為 0~100，超過的數值。

Note

參考pandas文件更了解pd.clip細節。
color_continuous_scale str 預設 'Temps': 顏色變化序列的樣式名稱
treemap_data pd.DataFrame: 客製化資料，格式參照 create_treemap_data() 返回值。

回傳

plotly.graph_objects.Figure: 樹狀板塊圖

範例

ex1: 板塊面積顯示成交金額，顏色顯示'2021-07-01'～'2021-07-02'的報酬率變化，可以觀察市場資金集中的產業與漲跌強弱。

from finlab.plot import plot_tw_stock_treemap
plot_tw_stock_treemap(start= '2021-07-01',end = '2021-07-02',area_ind="turnover",item="return_ratio")

成交佔比/報酬率板塊圖 ex2: 板塊面積顯示市值(股本*收盤價)，顏色顯示近期本益比，可以觀察全市場哪些是權值股？哪些產業本益比評價高？限制數值範圍在(0,50)，將過高本益比的數值壓在50，不讓顏色變化突兀，能分出高低階層即可。

from finlab.plot import plot_tw_stock_treemap
plot_tw_stock_treemap(area_ind="market_value",item="price_earning_ratio:本益比",clip=(0,50), color_continuous_scale='RdBu_r')

想放進資料庫以外的指標，先用 create_treemap_data() 取得板塊圖用的資料表（每檔台股一列，含 symbol、close、turnover、return_ratio、category、market、market_value、country 等欄位，item 是資料集名稱時再多一欄），加上自己的欄位後傳給 plot_tw_stock_treemap(treemap_data=...)：

from finlab.plot import create_treemap_data

treemap = create_treemap_data(start='2024-01-02', end='2024-01-31', item='return_ratio')

# 可進一步處理資料或使用其他繪圖工具
print(treemap.head())

item 在期間內沒有資料時回傳 None。

函式

finlab.plot.create_treemap_data

create_treemap_data(start, end, item, clip) -> pd.DataFrame | None

產生台股板塊圖資料

產生繪製樹狀圖所用的資料，可再外加FinLab資料庫以外的指標製作客製化DataFrame，並傳入plot_tw_stock_treemap(treemap_data=treemap_data)。

Examples

欲下載所有上市上櫃之價量歷史資料與產業分類，只需執行此函式:

from finlab.plot import create_treemap_data
create_treemap_data(start= '2021-07-01',end = '2021-07-02')

stock_id	close	turnover	category	market	market_value	return_ratio	country
1101	20	57.85	水泥工業	sii	111	0.1	TW-Stock
1102	20	58.1	水泥工業	sii	111	-0.1	TW-Stock

參數

start str: 資料開始日，ex:"2021-01-02"。
end str: 資料結束日，ex:"2021-01-05"。
item str 預設 'return_ratio': 決定板塊顏色深淺的指標。除了可選擇依照 start 與 end 計算的"return_ratio"(報酬率)，亦可選擇FinLab資料庫內的指標顯示近一期資料。 example:

'price_earning_ratio:本益比' - 顯示近日產業的本益比高低。

'monthly_revenue:去年同月增減(%)' - 顯示近月的單月營收年增率。
clip tuple: 將item邊界外的值分配給邊界值，防止資料上限值過大或過小，造成顏色深淺變化不明顯。 ex:(0,100)，將數值低高界線，設為0~100，超過的數值。

Note

參考pandas文件更了解pd.clip細節。

回傳

pd.DataFrame: 台股個股指標

比較多檔股票的財務指標

plot_tw_stock_radar() 把每個指標在全部股票中的排名切成 cut_bins 個等級，畫成雷達圖比較；數值是空值的股票不顯示等級。feats 不指定時用 18 項台股財務指標，軸的名稱是資料集名稱 : 後面那段。

from finlab.plot import plot_tw_stock_radar

# 範例 1：對比三檔股票的獲利能力
plot_tw_stock_radar(
    portfolio=['2330', '2454', '2317'],
    feats=[
        'fundamental_features:營業毛利率',
        'fundamental_features:營業利益率',
        'fundamental_features:稅後淨利率',
        'fundamental_features:ROE稅後',
    ],
    mode='bar_polar',  # 柱狀雷達圖
).show()

# 範例 2：分析單一股票的多維度指標
plot_tw_stock_radar(
    portfolio=['9939'],
    feats=[
        'fundamental_features:營業毛利率',
        'fundamental_features:營業利益率',
        'fundamental_features:稅後淨利率',
        'fundamental_features:現金流量比率',
        'fundamental_features:負債比率',
    ],
    mode='line_polar',  # 線狀雷達圖
    cut_bins=8,  # 將指標值切分為 8 個等級
).show()

mode 怎麼選：

'bar_polar'：柱狀雷達圖，適合 2 到 5 檔股票對比。
'line_polar'：線狀雷達圖，適合單一股票多指標展示；line_polar_fill='toself' 會把線圍成封閉區塊。
'scatter_polar'：散點雷達圖，適合查看原始數據點。

所有股票都沒有資料時回傳 None，並記錄錯誤訊息。

函式

finlab.plot.plot_tw_stock_radar

plot_tw_stock_radar(portfolio, feats, mode, line_polar_fill, period, cut_bins, title, custom_data) -> go.Figure | None

繪製台股雷達圖

比較持股組合的指標分級特性。若數值為nan，則不顯示分級。

參數

portfolio list: 持股組合，ex:['1101','1102']。
feats list: 選定FinLab資料庫內的指標組成資料集。預設為18項財務指標。 ex:['fundamental_features:營業毛利率','fundamental_features:營業利益率']
mode str 預設 'line_polar': 雷達圖模式，ex:'bar_polar','scatter_polar','line_polar'`。

Note

參考不同模式的差異
line_polar_fill str: 將區域設置為用純色填充。ex:None,'toself','tonext' 'toself'將跡線的端點（或跡線的每一段，如果它有間隙）連接成一個封閉的形狀。如果一條完全包圍另一條（例如連續的等高線），則'tonext'填充兩條跡線之間的空間，如果之前沒有跡線，則其行為類似於'toself'。如果一條跡線不包含另一條跡線，則不應使用'tonext'。欲使用 line_polar，請將pandas版本降至 1.4.4。

Note

參考plotly.graph_objects.Scatterpolar.fill
period str: 選擇第幾期的特徵資料，預設為近一季。 ex: 設定數值為'2020-Q2，取得2020年第二季資料比較。
cut_bins int 預設 10: 特徵分級級距。
title str: 圖片標題名稱。
custom_data pd.DataFrame: 客製化指標分級，欄名為特徵格式範例:

stock_id 營業毛利率營業利益率稅後淨利率
1101 2 5 3
1102 1 8 4

stock_id	營業毛利率	營業利益率	稅後淨利率
1101	2	5	3
1102	1	8	4

回傳

plotly.graph_objects.Figure: 雷達圖

範例

ex1:比較持股組合累計分數，看持股組合偏重哪像特徵。

from finlab.plot import plot_tw_stock_radar
plot_tw_stock_radar(portfolio=["1101", "2330", "8942", "6263"], mode="bar_polar", line_polar_fill='None')

持股組合雷達圖 ex2:看單一個股特徵分級落點。

from finlab.plot import plot_tw_stock_radar
feats = ['fundamental_features:營業毛利率', 'fundamental_features:營業利益率', 'fundamental_features:稅後淨利率',
         'fundamental_features:現金流量比率', 'fundamental_features:負債比率']
plot_tw_stock_radar(portfolio=["9939"], feats=feats, mode="line_polar", line_polar_fill='toself', cut_bins=8)

看估值位階的河流圖

plot_tw_stock_river() 取一檔台股在期間內本益比（或股價淨值比）的最低到最高值，等距切成幾個倍數，畫出各倍數對應的股價帶，再疊上收盤價，看目前的估值落在哪一層：

from finlab.plot import plot_tw_stock_river

# 範例 1：觀察台積電的本益比河流圖
plot_tw_stock_river(
    stock_id='2330',
    start='2015-01-01',
    end='2024-01-01',
    mode='pe',  # 本益比模式
    split_range=10,  # 將本益比分為 10 個區間
).show()

# 範例 2：觀察股價淨值比河流圖
plot_tw_stock_river(
    stock_id='2330',
    start='2015-01-01',
    end='2024-01-01',
    mode='pb',  # 股價淨值比模式
    split_range=8,
).show()

mode='pe' 是本益比河流圖（Price-to-Earnings Ratio），'pb' 是股價淨值比河流圖（Price-to-Book Ratio）。
split_range 越大，顏色分級越細。
symbol 的預設值只是範例代號，請傳入你要看的股票。mode 或股票代號不正確時回傳 None。
需要足夠長的歷史資料，建議至少 2 年；財報資料有延遲，最新一季可能還沒有數據。

函式

finlab.plot.plot_tw_stock_river

plot_tw_stock_river(symbol, start, end, mode, split_range) -> go.Figure | None

繪製台股河流圖

使用 PE or PB 的最高與最低值繪製河流圖，判斷指標所處位階。

參數

symbol str 預設 '2330': 台股股號，ex:'2330'。
start str: 資料開始日，ex:'2020-01-02'。
end str: 資料結束日，ex:'2022-01-05'。
mode str 預設 'pe': 'pe' or 'pb' (本益比或股價淨值比)。
split_range int 預設 8: 河流階層數。

回傳

plotly.graph_objects.Figure: 河流圖

範例

from finlab.plot import plot_tw_stock_river
plot_tw_stock_river(symbol='2330', start='2015-1-1', end='2022-7-1', mode='pe', split_range=10)

看雲端策略的持股與報酬

StrategySunburst 把各策略的持股依產業類別畫成旭日圖，一次監控多個策略：

from finlab.plot import StrategySunburst

# 實例化並繪製策略持倉分布
strategies = StrategySunburst()
strategies.plot().show()

# 看每檔持股被哪些策略選到
strategies.plot(path=['market', 'category', 'stock_id', 's_name']).show()

select_strategy 可以挑策略並設定資金權重，例如 {'策略 A': 0.6, '策略 B': 0.4}；不指定時取全部策略、平分資金。get_strategy_df() 回傳套用權重後的合併持股，沒有任何策略時回傳 None。持股依台股產業分類，其他市場的持股都歸到 other_securities，所以不適合美股策略。

類別

finlab.plot.StrategySunburst

StrategySunburst()

繪製策略部位旭日圖

監控多策略。

方法與屬性

get_strategy_df

函式

get_strategy_df

get_strategy_df(select_strategy) -> pd.DataFrame | None

獲取策略部位與分配權重後計算的資料

參數

select_strategy dict: 選擇策略名稱並設定權重，預設是抓取權策略並平分資金比例到各策略。 ex:{'低波動本益成長比':0.5,'研發魔人':0.2, '現金':0.2}

回傳

pd.DataFrame: strategies data

plot

函式

plot

plot(select_strategy, path, color_continuous_scale) -> go.Figure | None

繪圖

ex1:策略選到哪些標的? 市值/本益比板塊圖

ex2:部位被哪些策略選到，標的若被不同策略選到，可能有獨特之處喔！市值/本益比板塊圖

參數

select_strategy dict: 選擇策略名稱並設定權重，預設是抓取權策略並平分資金比例到各策略。 ex:{'低波動本益成長比':0.5,'研發魔人':0.2, '現金':0.2}
path list: 旭日圖由裡到外的顯示路徑，預設為['s_name', 'market', 'category', 'stock_id']。 ['market', 'category','stock_id','s_name']也是常用選項。
color_continuous_scale str 預設 'RdBu_r': 顏色變化序列的樣式名稱

回傳

plotly.graph_objects.Figure: 策略部位旭日圖

範例

from finlab.plot import StrategySunburst

# 實例化物件
strategies = StrategySunburst()
strategies.plot().show()
strategies.plot(select_strategy={'高殖利率烏龜':0.4,'營收強勢動能瘋狗':0.25,'低波動本益成長比':0.2,'現金':0.15},path =  ['market', 'category','stock_id','s_name']).show()

StrategyReturnStats 比較一段期間內各策略與大盤的報酬，大盤預設為台股加權報酬指數，可用 benchmark_return 換成其他價格序列：

from finlab.plot import StrategyReturnStats

# 比較期間內各策略與大盤（預設為台股加權報酬指數）的報酬
stats = StrategyReturnStats('2025-01-01', '2025-12-31')
stats.plot_strategy_last_return().show()  # 各策略期間報酬長條圖
stats.plot_strategy_creturn().show()  # 各策略累積報酬

plot_strategy_last_return() 畫各策略期間報酬的橫條圖，並標出大盤與策略平均；plot_strategy_creturn() 畫各策略與大盤的累積報酬。strategy_names 不指定時納入全部已上傳的策略，只能填你自己的策略。

類別

finlab.plot.StrategyReturnStats

StrategyReturnStats(start_date, end_date, strategy_names, benchmark_return)

繪製策略報酬率統計比較圖

監控策略群體相對對標指數的表現。

Examples

統計2022-12-31~2023-07-31的報酬率數據

# 回測起始時間
start_date = '2022-12-31'
end_date  = '2023-07-31'

# 選定策略範圍
strategy_names = ['膽小貓','三頻率RSI策略', '二次創高股票', '低波動本益成長比', '合約負債建築工', '多產業價投', '小蝦米跟大鯨魚', '小資族資優生策略', '本益成長比', '營收股價雙渦輪', '現金流價值成長', '研發魔人', '股價淨值比策略', '藏獒', '高殖利率烏龜','監獄兔', '財報指標20大']

report = StrategyReturnStats(start_date ,end_date, strategy_names)
# 繪製策略報酬率近期報酬率長條圖
report.plot_strategy_last_return().show()
# 繪製策略累積報酬率時間序列
report.plot_strategy_creturn().show()

參數

start_date str: 報酬率計算開始日
end_date str: 報酬率計算結束日
strategy_names list: 用戶本人的策略集設定，填入欲納入統計的策略名稱，只限定自己的策略。ex:['膽小貓','三頻率RSI策略', '二次創高股票',...]，預設為全部已上傳的策略。
benchmark_return pandas.Series: 策略比對基準序列，預設為台股加權報酬指數。

方法與屬性

get_benchmark_return

函式

get_benchmark_return

get_benchmark_return() -> pd.Series

設定對標指數

回傳

pandas.Series: 對標指數時間序列

plot_strategy_last_return

函式

plot_strategy_last_return

plot_strategy_last_return() -> go.Figure

繪製策略報酬率近期報酬率長條圖

回傳

plotly.graph_objects.Figure: 圖表物件
go.Figure: 繪製策略報酬率近期報酬率長條圖

plot_strategy_creturn

函式

plot_strategy_creturn

plot_strategy_creturn() -> go.Figure

繪製策略累積報酬率時間序列

回傳

plotly.graph_objects.Figure: 圖表物件
go.Figure: 繪製策略累積報酬率時間序列

常見問題

圖表無法顯示怎麼辦？

from finlab.plot import plot_tw_stock_candles

# 原因 1：忘記呼叫 .show()
fig = plot_tw_stock_candles('2330')
# ❌ 沒有顯示

fig = plot_tw_stock_candles('2330')
fig.show()  # ✅ 正確

# 原因 2：缺少 plotly 套件
# 解決：pip install plotly

# 原因 3：Jupyter Notebook 環境問題
# 在 notebook 開頭加入：
import plotly.io as pio

pio.renderers.default = 'notebook'

如何匯出圖表為圖片？

from finlab.plot import plot_tw_stock_candles

fig = plot_tw_stock_candles('2330', recent_days=200)

# 匯出為 HTML（可互動）
fig.write_html('chart.html')

# 匯出為 PNG
fig.write_image('chart.png', width=1200, height=800)

匯出 PNG 需要安裝 Kaleido（pip install kaleido），它還需要電腦上有 Chrome 瀏覽器。

如何客製化圖表樣式？

from finlab.plot import plot_tw_stock_candles

fig = plot_tw_stock_candles('2330', recent_days=200)

# 修改標題
fig.update_layout(title='台積電股價走勢')

# 修改顏色主題
fig.update_layout(template='plotly_dark')  # 深色主題

# 調整圖表大小
fig.update_layout(width=1200, height=600)

fig.show()

板塊圖的 item 和雷達圖的 feats 可以用哪些欄位？

所有 data.get() 拿得到、每檔股票一個值的欄位都可以，常用的有：

'return_ratio'：報酬率（只有板塊圖的 item 能用）
'price_earning_ratio:本益比'：本益比
'price_earning_ratio:股價淨值比'：股價淨值比
'fundamental_features:營業毛利率'：營業毛利率

from finlab import data

data.search('fundamental')  # 搜尋基本面欄位

雷達圖的指標數值差異很大怎麼辦？

雷達圖已經把數值換成排名等級，單位不同的指標（毛利率 0 到 100、負債比率可能到 300）也能放在一起比較。想調整等級的粗細，改 cut_bins：

from finlab.plot import plot_tw_stock_radar

plot_tw_stock_radar(
    portfolio=['2330', '2454'],
    feats=[
        'fundamental_features:營業毛利率',
        'fundamental_features:ROE稅後',
        'fundamental_features:負債比率',
    ],
    cut_bins=10,  # 將所有指標切分為 10 個等級
).show()

下一步

資料視覺化每種圖的完整範例與實際畫出來的樣子。
finlab.report 回測報告物件內建的績效圖表。
技術指標用 data.indicator() 算出要疊在 K 線上的指標。

進階的樣式調整可以查 Plotly 官方文件。

這一頁有幫到你嗎？