大家好，我是早起。

在使用 Python 進(jìn)行金融數(shù)據(jù)分析時(shí)，繪制 K線圖 是很常見的需求。

但如果使用 matplotlib 從 0 開始繪制，一步一步添加日線、均線、MACD、成交量等指標(biāo)時(shí)，則會顯得十分麻煩，且代碼很難復(fù)用。

幸運(yùn)的是在 matplotlib 中提供接口（matplotlib.finance）直接繪制K線，現(xiàn)在 matplotlib.finance 已經(jīng)獨(dú)立成庫 mplfinance，更方便的讓我們使用。

本文就將介紹如何使用 mplfinance 快速繪制專業(yè)的K線圖，文末也有完整的數(shù)據(jù)與源碼下載。

上面已經(jīng)說到，mplfinance 是一個(gè)獨(dú)立的庫，所以直接使用 pip 安裝即可，沒有任何難度

pip?install?mplfinance

至于在數(shù)據(jù)準(zhǔn)備上，根據(jù)我的開發(fā)經(jīng)驗(yàn)，越懶人版的繪圖庫對數(shù)據(jù)要求則越嚴(yán)格，所以在使用之前，我們需要將數(shù)據(jù)整理成指定的格式，下面是某股票（平安銀行000001.sz）的對應(yīng)數(shù)據(jù)

如上圖所示，數(shù)據(jù)必須是Pandas DataFrame格式，且必須按照順序包含開盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)以及成交量，同時(shí)索引需要是pandas支持的時(shí)間類型。

關(guān)于如何獲得、清洗得到這樣的數(shù)據(jù)將不是本文的分享內(nèi)容，下面僅介紹如何基于這樣的數(shù)據(jù)進(jìn)行繪圖。

基礎(chǔ)使用

首先需要導(dǎo)入

import?mplfinance?as?mpf

接下來，在上述數(shù)據(jù)基礎(chǔ)上一行代碼即可生成簡易價(jià)格走勢圖

mpf.plot(df_new,?type='line')

添加移動均線

通過設(shè)置 mav 參數(shù)可以添加對應(yīng)的移動均線，例如添加5日、10日、30日移動均線

mpf.plot(df_new,?type='line',mav=(5,10,30))

需要注意的是，這里的x日移動均線并不是通過我們數(shù)據(jù)的時(shí)間索引計(jì)算而來，僅是移動x個(gè)索引位置而來，由于我們數(shù)據(jù)時(shí)間精度為1天，所以恰好是對應(yīng)的x天移動均線。

如果索引是分鐘級數(shù)據(jù)，那么設(shè)置 mav 得到的就是x分鐘均線！

添加成交量

通過設(shè)置 volume 參數(shù)，可以進(jìn)一步添加成交量

mpf.plot(df_new,?type='line',mav=(5,10,30),?volume=True)

制作蠟燭圖

通過設(shè)置 type 參數(shù)可以繪制更專業(yè)的蠟燭圖，由于上面的數(shù)據(jù)時(shí)間維度過長，繪制蠟燭圖會導(dǎo)致很難看清細(xì)節(jié)。

所以下面繪制最后 40 個(gè)交易日的蠟燭圖，并添加成交量與 3、6、9 日均線

mpf.plot(df_new.tail(40),?type='candle',mav=(3,6,9),?volume=True)

展示非交易時(shí)間

上面的圖是連續(xù)的，但交易日并不是天天都是，每天也有指定時(shí)間，通過設(shè)置 show_nontrading 參數(shù)，可以按照交易時(shí)間繪制，將非交易時(shí)間添加為空白

mpf.plot(df_new,type='candle',mav?=?(3),show_nontrading=True,?volume=True)

至此 mplfinance 的基本使用就介紹完畢，相比來說還是比較容易上手使用的。

?pyecharts

雖然 matplotlib 也可以繪制動態(tài)圖，但是由于 matplotlib 的特性，展示起來并不是很方便。

如果需要能交互式操作數(shù)據(jù)，拖動時(shí)間軸等功能，可以嘗試使用 pyecharts，但由于不像 mplfinance 封裝好開箱即用，代碼寫起來還是需要相當(dāng)一定時(shí)間的，大家可以自行選擇