大家好，我是早起。

在使用 Python 进行金融数据分析时，绘制 K线图 是很常见的需求。

但如果使用 matplotlib 从 0 开始绘制，一步一步添加日线、均线、MACD、成交量等指标时，则会显得十分麻烦，且代码很难复用。

幸运的是在 matplotlib 中提供接口（matplotlib.finance）直接绘制K线，现在 matplotlib.finance 已经独立成库 mplfinance，更方便的让我们使用。

本文就将介绍如何使用 mplfinance 快速绘制专业的K线图，文末也有完整的数据与源码下载。

01

安装与数据准备

上面已经说到，mplfinance 是一个独立的库，所以直接使用 pip 安装即可，没有任何难度

pip install mplfinance

至于在数据准备上，根据我的开发经验，越懒人版的绘图库对数据要求则越严格，所以在使用之前，我们需要将数据整理成指定的格式，下面是某股票（平安银行000001.sz）的对应数据

如上图所示，数据必须是Pandas DataFrame格式，且必须按照顺序包含开盘价、最高价、最低价、收盘价以及成交量，同时索引需要是pandas支持的时间类型。

关于如何获得、清洗得到这样的数据将不是本文的分享内容，下面仅介绍如何基于这样的数据进行绘图。

02

mplfinance常见用法

基础使用

首先需要导入

import mplfinance as mpf

接下来，在上述数据基础上一行代码即可生成简易价格走势图

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

添加移动均线

通过设置 mav 参数可以添加对应的移动均线，例如添加5日、10日、30日移动均线

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

需要注意的是，这里的x日移动均线并不是通过我们数据的时间索引计算而来，仅是移动x个索引位置而来，由于我们数据时间精度为1天，所以恰好是对应的x天移动均线。

如果索引是分钟级数据，那么设置 mav 得到的就是x分钟均线！

添加成交量

通过设置 volume 参数，可以进一步添加成交量

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

制作蜡烛图

通过设置 type 参数可以绘制更专业的蜡烛图，由于上面的数据时间维度过长，绘制蜡烛图会导致很难看清细节。

所以下面绘制最后 40 个交易日的蜡烛图，并添加成交量与 3、6、9 日均线

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

展示非交易时间

上面的图是连续的，但交易日并不是天天都是，每天也有指定时间，通过设置 show_nontrading 参数，可以按照交易时间绘制，将非交易时间添加为空白

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

至此 mplfinance 的基本使用就介绍完毕，相比来说还是比较容易上手使用的。

pyecharts

虽然 matplotlib 也可以绘制动态图，但是由于 matplotlib 的特性，展示起来并不是很方便。

如果需要能交互式操作数据，拖动时间轴等功能，可以尝试使用 pyecharts，但由于不像 mplfinance 封装好开箱即用，代码写起来还是需要相当一定时间的，大家可以自行选择

推荐阅读

牛逼！Python常用数据类型的基本操作（长文系列第①篇）

牛逼！Python的判断、循环和各种表达式（长文系列第②篇）

牛逼！Python函数和文件操作（长文系列第③篇）

牛逼！Python错误、异常和模块（长文系列第④篇）