Python+Streamlit+Plotly做一个金/白银近 5 年价格走势看板(代码自取)
目录
专栏导读
❤️ 欢迎各位佬关注！ ❤️
文章作者技术和水平有限，如果文中出现错误，希望大家能指正🙏
📕 此外还有python基础专栏：请点击——>Python基础学习专栏 求订阅
🕷 此外还有爬虫专栏：请点击——>Python爬虫基础专栏 求订阅
👍 该系列文章专栏：请点击——>Python办公自动化专栏 求订阅
🏳️🌈 ZEEKLOG博客主页：请点击——> ZEEKLOG的博客主页 求关注
🏳️🌈 知乎主页：请点击——> 知乎主页 求关注
🏳️🌈 Github主页：请点击——> Github主页 求Star⭐
🏳️🌈 个人博客主页：请点击——> 个人的博客主页 求收藏
🌸 欢迎来到Python办公自动化专栏—Python处理办公问题，解放您的双手
从零做一个黄金/白银近 5 年价格走势看板（自动抓取 + 可视化）
这篇文章记录一个小而完整的数据可视化项目：自动抓取黄金/白银历史价格（近 5 年），落盘缓存，并用一个网页看板展示趋势、区间涨跌、最高/最低和明细数据。
项目代码在本地目录：111-黄金白银价格趋势，核心文件：
- [app.py](file:///d:/测试/daily-code/111-黄金白银价格趋势/app.py)：Streamlit 看板入口
- [prices.py](file:///d:/测试/daily-code/111-黄金白银价格趋势/prices.py)：数据抓取 + 缓存 + 统计
- [requirements.txt](file:///d:/测试/daily-code/111-黄金白银价格趋势/requirements.txt)：依赖
代码自取：Python+Streamlit+Plotly做一个金/白银近 5 年价格走势看板(代码自取)
1. 需求拆解
需求一句话：过去 5 年黄金/白银价格走势自动抓取，并有看板展示。
拆成 4 个可交付点：
- 数据源：能拿到黄金、白银的历史日线（或至少是按天频率的收盘价）。
- 自动抓取：启动时自动拉取数据；重复启动不应每次都全量请求。
- 缓存与复用：本地缓存避免频繁请求；支持配置刷新周期。
- 看板展示：
- 折线趋势图（可选品种、可选日期范围）
- 区间概览（最新价、区间涨跌、区间最高/最低）
- 明细表（便于对账和导出前的数据检查）
2. 技术选型
为了“做得快、跑得稳、交互友好”，选了下面这组组合：
- Python + Pandas：数据处理最省事（读 CSV、日期筛选、统计）。
- Requests：简单可靠的 HTTP 拉取。
- Streamlit：用很少的前端代码就能做交互式看板（侧边栏、滑块、表格、指标卡）。
- Plotly：图表交互体验好（hover、缩放、图例开关）。
依赖列表见 [requirements.txt](file:///d:/测试/daily-code/111-黄金白银价格趋势/requirements.txt)。
3. 数据源选择与坑：为什么不用 FRED
最开始我们尝试用 FRED（圣路易斯联储）提供的 fredgraph.csv 下载方式（很多教程都这么写），但在当前环境里：
https://fred.stlouisfed.org/graph/fredgraph.csv?id=...对部分 series 返回 404。
为了做到“开箱即用、无需申请 API Key”，最终改用 Stooq 公共历史行情 CSV：
- 黄金：
xauusd - 白银：
xagusd - 下载地址形如：
https://stooq.com/q/d/l/?s=xauusd&i=d
这个接口的优点：
- 无需登录/无需 key
- 直接给 CSV
- 历史跨度足够长（我们只取近 5 年）
4. 项目结构
项目结构保持极简（小项目最重要的是可读）：
111-黄金白银价格趋势/ app.py prices.py requirements.txt run.ps1 README.md data/ cache/ xauusd.csv xagusd.csv 其中 data/cache 会被 .gitignore 忽略，避免把缓存数据提交进仓库。
5. 数据抓取与缓存设计（prices.py）
5.1 拉取逻辑
Stooq 的 CSV 格式是：
Date,Open,High,Low,Close ... 我们只关心两列：
date：日期close：收盘价（作为当天价格代表）
在 [prices.py](file:///d:/测试/daily-code/111-黄金白银价格趋势/prices.py) 里，核心步骤是：
requests.get(url)拉取 CSV 文本pd.read_csv(StringIO(text))转为 DataFrame- 规范列名为小写
- 输出统一的数据结构：
date+value
这样上层看板不需要关心“数据源具体是什么字段”。
5.2 缓存策略（TTL）
我们做了一个很轻量的 TTL 缓存：
- 缓存文件：
data/cache/{symbol}.csv - 判断是否过期：用文件
mtime（修改时间）与ttl_seconds比较
默认 TTL 12 小时（看板侧边栏可改），逻辑是：
- 缓存新鲜：直接读缓存 CSV
- 缓存过期/不存在：重新下载并覆盖缓存
这个设计适合个人看板场景：
- 简单
- 不引入数据库
- 跨平台（Windows/Mac/Linux 都能用）
6. 近 5 年筛选与统计
6.1 近 N 年截取
在 [prices.py](file:///d:/测试/daily-code/111-黄金白银价格趋势/prices.py) 里 last_n_years(df, years) 的思路：
- 以数据最后一天
end为基准 start = end - timedelta(days=365*years)- 过滤
date >= start
这样不会遇到“2 月 29 日”这种日期构造问题（相比 date(end.year - years, end.month, end.day) 更稳）。
6.2 区间概览指标
summarize(df) 输出四个指标：
- latest：最新价
- change_pct：区间首尾涨跌百分比
- min：区间最低
- max：区间最高
注意点：
- 先
dropna(value)，避免空值影响统计 first == 0时避免除零错误
7. 看板实现（app.py）
看板用 Streamlit 实现，整体是“侧边栏控制 + 主区图表 + 右侧指标 + 底部表格”：
7.1 侧边栏交互
在 [app.py](file:///d:/测试/daily-code/111-黄金白银价格趋势/app.py) 侧边栏提供：
- 选择品种：黄金/白银多选
- 展示最近 N 年：默认 5
- 缓存刷新间隔（小时）：默认 12
这些控件的输出会直接影响数据加载与筛选。
7.2 趋势折线图
使用 Plotly Express：
- x：日期
- y：价格
- color：品种
- hovermode：统一 x 轴提示（横向对比更直观）
并且额外提供一个“日期范围滑块”做二次筛选：
- 一次筛选：取近 N 年
- 二次筛选：用户手动拖动选择时间段
7.3 区间指标卡
右侧区域循环每个品种，输出：
- 最新价
- 区间涨跌
- 区间最低
- 区间最高
指标的视觉效果是“卡片 + 分组”，浏览速度很快。
7.4 明细表
底部用 st.dataframe 展示明细，默认显示最近 200 行，可调：
- 日期
- 品种
- 价格
明细表的作用：
- 校验异常值（例如突然跳变）
- 便于后续加入“导出 CSV”按钮
8. 运行方式
8.1 安装依赖
python -m pip install -r requirements.txt 8.2 启动
python -m streamlit run app.py 或一键启动：
.\run.ps1 启动后打开：
http://localhost:8501
9. 常见问题与排查
9.1 页面打开慢 / 首次加载慢
首次会触发：
- 安装依赖（第一次）
- 下载 CSV（首次或缓存过期）
建议：
- 保持默认缓存 12 小时，减少下载次数
- 网络波动时可稍等重试
9.2 数据看起来“不像美元金价/银价”
不同数据源对符号的定义、报价方式可能不同（点差、合约、汇率因素等）。当前项目使用 Stooq 的 xauusd/xagusd 历史行情。
如果你想换成：
- 上海黄金交易所（CNY）
- COMEX 期货主连
- 伦敦金现
可以把 prices.py 的下载函数替换为对应数据源即可（看板层不需要大改）。
10. 可以继续扩展的方向
这个版本偏“最小可用”。如果要更像“正式看板”，下一步建议：
- 币种切换：USD ↔ CNY（自动抓 USD/CNY 并换算）
- 收益曲线：基准归一化（起点=100），更直观比较两条曲线
- 均线与波动率：MA(20/60)、rolling std
- 导出按钮：一键导出当前筛选区间 CSV
- 异常值处理：对离群点做标注或过滤
11. 小结
这个项目的关键点不是“图画得多漂亮”，而是把链路打通：
- 数据源可用（无需 Key）
- 自动抓取 + TTL 缓存（可长期运行）
- 看板交互完整（筛选、指标、表格齐全）
如果你希望我把“USD→CNY 自动换算 + 导出 CSV + 基准归一化对比”这三项也做进去，我可以直接在现有代码上补齐。
