Comment Créer un Graphique en Chandelier (Candlestick) en Python ?

Introduction

Créer un graphique en chandelier (candlestick chart) en Python est simple grâce à des bibliothèques comme Plotly, Matplotlib, ou mplfinance (spécialement conçue pour la visualisation de données financières).

Un graphique en chandelier est un type de visualisation financière utilisé pour représenter les variations de prix d’un actif — tel qu’une action, une cryptomonnaie ou une matière première — sur une période donnée.
Chaque chandelier représente un intervalle de temps (par exemple une journée ou une heure) et affiche quatre valeurs clés :

Open (Ouverture) – le prix au début de l’intervalle
High (Haut) – le prix le plus élevé atteint
Low (Bas) – le prix le plus bas atteint
Close (Fermeture) – le prix à la fin de l’intervalle

Ces valeurs sont représentées sous forme de « bougie » :

Le corps (rectangle) montre la différence entre les prix d’ouverture et de fermeture.
Les mèches (traits fins) indiquent les prix maximum et minimum.
Une bougie verte (ou blanche) signifie généralement une hausse (close > open), tandis qu’une bougie rouge (ou noire) indique une baisse (close < open).

Les graphiques en chandelier sont largement utilisés en analyse financière et en trading, car ils permettent de visualiser facilement le sentiment du marché, les tendances et la volatilité.
Ils aident les analystes à identifier des motifs tels que les retournements haussiers ou baissiers, les changements de momentum ou les niveaux de support et de résistance.

Table des matières

Introduction
Option 1 : Utiliser Plotly (Interactif et Moderne)
Option 2 : Utiliser mplfinance (basé sur Matplotlib)
Option 3 : Utiliser Matplotlib (version manuelle, éducative)
Amélioration du graphique en chandelier
Tableau comparatif
Références

En Python, plusieurs bibliothèques — comme Matplotlib, Plotly et mplfinance — permettent de créer et de personnaliser facilement des graphiques en chandelier, que ce soit pour la recherche ou la présentation.

Option 1 : Utiliser Plotly (Interactif et Moderne)

import plotly.graph_objects as go
import pandas as pd

# Exemple de jeu de données
data = {
    'Date': pd.date_range(start='2024-01-01', periods=10, freq='D'),
    'Open': [100, 102, 101, 105, 107, 108, 110, 112, 111, 113],
    'High': [103, 104, 106, 108, 109, 111, 113, 114, 115, 116],
    'Low': [99, 100, 100, 102, 105, 106, 107, 109, 110, 111],
    'Close': [102, 101, 105, 107, 108, 110, 112, 111, 113, 115],
}
df = pd.DataFrame(data)

# Création du graphique en chandelier
fig = go.Figure(data=[go.Candlestick(
    x=df['Date'],
    open=df['Open'],
    high=df['High'],
    low=df['Low'],
    close=df['Close']
)])

fig.update_layout(
    title='Exemple de graphique en chandelier',
    xaxis_title='Date',
    yaxis_title='Prix',
    xaxis_rangeslider_visible=False  # Masquer la barre de défilement
)

fig.show()

Comment Créer un Graphique en Chandelier (Candlestick) en Python ?

Idéal pour : tableaux de bord interactifs, info-bulles, zoom et navigation
Bibliothèque requise : plotly (pip install plotly)

Option 2 : Utiliser `mplfinance` (basé sur Matplotlib)

import pandas as pd
import mplfinance as mpf

# Exemple de données
data = {
    'Date': pd.date_range(start='2024-01-01', periods=10, freq='D'),
    'Open': [100, 102, 101, 105, 107, 108, 110, 112, 111, 113],
    'High': [103, 104, 106, 108, 109, 111, 113, 114, 115, 116],
    'Low': [99, 100, 100, 102, 105, 106, 107, 109, 110, 111],
    'Close': [102, 101, 105, 107, 108, 110, 112, 111, 113, 115],
}
df = pd.DataFrame(data).set_index('Date')

# Tracé avec mplfinance
mpf.plot(df, type='candle', style='charles', title='Graphique en chandelier', ylabel='Prix')

Idéal pour : graphiques statiques de qualité publication
Bibliothèque requise : mplfinance (pip install mplfinance)

Option 3 : Utiliser Matplotlib (version manuelle, éducative)

Si vous ne souhaitez pas utiliser de dépendances supplémentaires, vous pouvez créer le graphique à la main avec Matplotlib :

import matplotlib.pyplot as plt
import pandas as pd

# Exemple de données
df = pd.DataFrame({
    'Date': pd.date_range(start='2024-01-01', periods=10),
    'Open': [100, 102, 101, 105, 107, 108, 110, 112, 111, 113],
    'High': [103, 104, 106, 108, 109, 111, 113, 114, 115, 116],
    'Low': [99, 100, 100, 102, 105, 106, 107, 109, 110, 111],
    'Close': [102, 101, 105, 107, 108, 110, 112, 111, 113, 115],
})

fig, ax = plt.subplots(figsize=(10, 5))
width = 0.6

for i, row in df.iterrows():
    color = 'green' if row['Close'] >= row['Open'] else 'red'
    ax.plot([i, i], [row['Low'], row['High']], color='black')
    ax.add_patch(plt.Rectangle(
        (i - width/2, min(row['Open'], row['Close'])),
        width,
        abs(row['Close'] - row['Open']),
        color=color
    ))

ax.set_xticks(range(len(df)))
ax.set_xticklabels(df['Date'].dt.strftime('%Y-%m-%d'), rotation=45)
ax.set_title('Graphique en chandelier manuel')
ax.set_ylabel('Prix')
plt.tight_layout()
plt.show()

Idéal pour : comprendre le fonctionnement interne des chandeliers
Aucune bibliothèque externe requise

Amélioration du graphique en chandelier

Génération de données boursières simulées

import numpy as np
import pandas as pd

np.random.seed(42)
n_days = 60
dates = pd.date_range(start="2025-01-01", periods=n_days, freq="D")

price = np.cumsum(np.random.normal(0, 1, n_days)) + 100
open_ = price + np.random.normal(0, 0.5, n_days)
close = open_ + np.random.normal(0, 1, n_days)
high = np.maximum(open_, close) + np.random.uniform(0.5, 1.5, n_days)
low = np.minimum(open_, close) - np.random.uniform(0.5, 1.5, n_days)
volume = np.random.randint(1000, 5000, n_days)

df = pd.DataFrame({
    "Date": dates,
    "Open": open_,
    "High": high,
    "Low": low,
    "Close": close,
    "Volume": volume
}).set_index("Date")

df["MA5"] = df["Close"].rolling(5).mean()
df["MA10"] = df["Close"].rolling(10).mean()

Version Matplotlib

fig, ax = plt.subplots(figsize=(12, 6))

width = 0.6
colors = ['green' if c >= o else 'red' for c, o in zip(df['Close'], df['Open'])]

for i, (o, h, l, c, color) in enumerate(zip(df['Open'], df['High'], df['Low'], df['Close'], colors)):
    ax.plot([i, i], [l, h], color='black', linewidth=1)
    ax.add_patch(plt.Rectangle((i - width / 2, min(o, c)),
                               width, abs(o - c),
                               color=color, alpha=0.8, linewidth=0.5))

ax.plot(df.index, df["MA5"], label="MA5", linewidth=1.5, color="blue")
ax.plot(df.index, df["MA10"], label="MA10", linewidth=1.5, color="orange")

tick_positions = np.arange(0, len(df), 5)
tick_labels = df.index.strftime('%b %d').iloc[tick_positions]
ax.set_xticks(tick_positions)
ax.set_xticklabels(tick_labels, rotation=45, ha='right')

ax.set_title("Graphique en chandelier simulé", fontsize=16, fontweight='bold', pad=15)
ax.set_ylabel("Prix ($)")
ax.legend()
ax.grid(alpha=0.3)
plt.tight_layout()
plt.show()

Version Plotly (Interactive)

import plotly.graph_objects as go

fig = go.Figure()
fig.add_trace(go.Candlestick(
    x=df.index,
    open=df["Open"],
    high=df["High"],
    low=df["Low"],
    close=df["Close"],
    name="Prix"
))
fig.add_trace(go.Scatter(
    x=df.index, y=df["MA5"], mode='lines', name='MA5', line=dict(color='blue', width=1.5)
))
fig.add_trace(go.Scatter(
    x=df.index, y=df["MA10"], mode='lines', name='MA10', line=dict(color='orange', width=1.5)
))
fig.update_layout(
    title="📈 Simulation de prix d’action (Plotly)",
    yaxis_title="Prix ($)",
    xaxis_title="Date",
    xaxis_rangeslider_visible=False,
    template="plotly_white",
    legend=dict(orientation="h", yanchor="bottom", y=1.02, xanchor="right", x=1)
)
fig.show()

Caractéristiques :

Zoom et survol interactifs
Moyennes mobiles superposées
Style moderne et épuré

Version mplfinance

import mplfinance as mpf

mpf.plot(
    df,
    type='candle',
    mav=(5, 10),
    volume=True,
    title="📊 Simulation de prix d’action (mplfinance)",
    ylabel="Prix ($)",
    ylabel_lower="Volume",
    style='yahoo',
    figratio=(14, 8),
    figscale=1.2
)

Caractéristiques :

Calcule automatiquement les moyennes mobiles
Sous-graphe du volume intégré
Styles financiers intégrés (charles, yahoo, nightclouds, etc.)

Tableau comparatif

Bibliothèque	Points forts	Interactivité	Volume	Style personnalisé
Plotly	Moderne, interactif, web	✅	Manuel	Élevé
mplfinance	Spécialisée pour la finance, simple à utiliser	❌	Intégré	Moyen
Matplotlib	Flexible et éducative	❌	Manuel	Très élevé

Références

Liens	Site
https://matplotlib.org/stable/gallery/lines_bars_and_markers/candlestick_chart.html	Galerie officielle Matplotlib – Exemple de graphique en chandelier
https://plotly.com/python/candlestick-charts/	Documentation officielle Plotly – Graphiques en chandelier en Python
https://github.com/matplotlib/mplfinance	Dépôt GitHub officiel mplfinance – Documentation et code source

Développeur à mes heures perdues, je m’intéresse à la télédétection terrestre et à la détection des incendies par satellite. Passionné par Python, le machine learning et la science ouverte.

Comment Créer un Graphique en Chandelier (Candlestick) en Python ?

Introduction

Option 1 : Utiliser Plotly (Interactif et Moderne)

Option 2 : Utiliser `mplfinance` (basé sur Matplotlib)

Option 3 : Utiliser Matplotlib (version manuelle, éducative)

Amélioration du graphique en chandelier

Génération de données boursières simulées

Version Matplotlib

Version Plotly (Interactive)

Version mplfinance

Tableau comparatif

Références

Benjamin

Skills

Comment Créer un Graphique en Chandelier (Candlestick) en Python ?

Introduction

Option 1 : Utiliser Plotly (Interactif et Moderne)

Option 2 : Utiliser mplfinance (basé sur Matplotlib)

Option 3 : Utiliser Matplotlib (version manuelle, éducative)

Amélioration du graphique en chandelier

Génération de données boursières simulées

Version Matplotlib

Version Plotly (Interactive)

Version mplfinance

Tableau comparatif

Références

Benjamin

Skills

Option 2 : Utiliser `mplfinance` (basé sur Matplotlib)