大家好，我是早起。

在使用 Python 進行金融數據分析時，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、成交量等指標時，則會顯得十分麻煩，且代碼很難復用。

幸運的是在 matplotlib 中提供接口（matplotlib.finance）直接繪制K線，現在 matplotlib.finance 已經獨立成庫 mplfinance，更方便的讓我們使用。

本文就將介紹如何使用 mplfinance 快速繪制專業的K線圖，文末也有完整的數據與源碼下載。

01

安裝與數據準備

上面已經說到，mplfinance 是一個獨立的庫，所以直接使用 pip 安裝即可，沒有任何難度

pip?install?mplfinance

至于在數據準備上，根據我的開發經驗，越懶人版的繪圖庫對數據要求則越嚴格，所以在使用之前，我們需要將數據整理成指定的格式，下面是某股票（平安銀行000001.sz）的對應數據

如上圖所示，數據必須是Pandas DataFrame格式，且必須按照順序包含開盤價、最高價、最低價、收盤價以及成交量，同時索引需要是pandas支持的時間類型。

關于如何獲得、清洗得到這樣的數據將不是本文的分享內容，下面僅介紹如何基于這樣的數據進行繪圖。

02

mplfinance常見用法

基礎使用

首先需要導入

import?mplfinance?as?mpf

接下來，在上述數據基礎上一行代碼即可生成簡易價格走勢圖

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

添加移動均線

通過設置 mav 參數可以添加對應的移動均線，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據的時間索引計算而來，僅是移動x個索引位置而來，由于我們數據時間精度為1天，所以恰好是對應的x天移動均線。

如果索引是分鐘級數據，那么設置 mav 得到的就是x分鐘均線！

添加成交量

通過設置 volume 參數，可以進一步添加成交量

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

制作蠟燭圖

通過設置 type 參數可以繪制更專業的蠟燭圖，由于上面的數據時間維度過長，繪制蠟燭圖會導致很難看清細節。

所以下面繪制最后 40 個交易日的蠟燭圖，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)

展示非交易時間

上面的圖是連續的，但交易日并不是天天都是，每天也有指定時間，通過設置 show_nontrading 參數，可以按照交易時間繪制，將非交易時間添加為空白

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據，拖動時間軸等功能，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一定時間的，大家可以自行選擇

推薦閱讀

牛逼！Python常用數據類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環和各種表達式（長文系列第②篇）

牛逼！Python函數和文件操作（長文系列第③篇）

牛逼！Python錯誤、異常和模塊（長文系列第④篇）

總結

以上是生活随笔為你收集整理的用 pandas + matplotlib 绘制精美的K线图的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。