Python mplfinance实战教程：从获取数据到绘制专业K线图

在Python数据分析领域，金融数据的可视化是重要的一环。mplfinance是一个基于matplotlib、专用于金融数据可视化的模块，它简化了K线图、成交量图等的绘制流程。本文将详细介绍如何从mpl-finance迁移到mplfinance，并通过在线和本地两种数据源，逐步讲解绘制专业K线图的完整过程。

1. 从 mpl-finance 迁移到 mplfinance

由于mpl-finance（带短横线）模块已停止维护，官方推荐使用其替代品mplfinance。

1.1 安装 mpl-finance 模块（已废弃）

早期的教程可能会要求安装旧模块，执行以下命令：

pip install mpl-finance

安装过程命令行输出示例如下：

图1：使用 pip 安装旧版 mpl-finance 模块

1.2 导入 mpl_finance 模块出现警告

如果仍尝试导入旧模块，会收到明确的废弃警告。

import mpl_finance as mpf

图2：导入 mpl_finance 时产生的弃用警告
警告信息明确指出：mpl_finance 已被废弃，请使用 mplfinance（无短横线和下划线）。

1.3 安装正确的 mplfinance 模块

因此，我们应该安装并使用新的mplfinance模块。

pip install mplfinance

1.4 安装 pandas_datareader 模块

为了获取在线金融数据，我们同时安装pandas-datareader。

pip install pandas-datareader

2. 获取在线数据并绘制K线图

2.1 利用 datareader 读取在线股市数据

我们以雅虎财经为例，获取IBM公司股票在2020年8月的数据。

import pandas_datareader.data as web
import datetime

start = datetime.datetime(2020, 8, 1)
end = datetime.datetime(2020, 8, 31)
df = web.DataReader('IBM', 'yahoo', start, end)
print(df.head())

2.2 利用 mplfinance 的 plot() 绘制K线图

使用mplfinance的plot函数可以轻松绘制基础的K线图。

import mplfinance as mpf
mpf.plot(df, type='candle')

2.3 修改绘图类型

type参数支持多种图表类型，如‘line’（折线）、‘ohlc’（美国线）、‘renko’（砖形图）等。

mpf.plot(df, type='line') # 绘制收盘价折线图

2.4 增加绘制移动平均线

通过mav参数可以快速添加移动平均线。

# 添加5日和10日简单移动平均线
mpf.plot(df, type='candle', mav=(5, 10), volume=True)

2.5 绘制成交量

设置volume=True即可在主图下方显示成交量柱状图。

mpf.plot(df, type='candle', volume=True)

2.6 自动剔除非交易日空白

默认情况下，show_nontrading为False，会自动压缩非交易日（如周末）的空白区域，使图表更紧凑。

2.7 绘制IBM公司股票2020年9月K线图

综合以上参数，绘制一个带均线和成交量的完整K线图。

start_sep = datetime.datetime(2020, 9, 1)
end_sep = datetime.datetime(2020, 9, 30)
df_sep = web.DataReader('IBM', 'yahoo', start_sep, end_sep)

mpf.plot(df_sep, type='candle', mav=(3,6,9), volume=True, title='IBM Sep 2020', ylabel='Price($)')

3. 读取本地数据并绘制K线图

3.1 查看本地数据

假设本地有一个CSV文件stock_data.csv，包含Date、Open、High、Low、Close、Volume等标准列。

3.2 读取本地数据

使用pandas读取CSV文件。

import pandas as pd
df_local = pd.read_csv('stock_data.csv')
df_local.head()

3.3 将索引类型更改为 DatetimeIndex

mplfinance要求数据的索引必须是DatetimeIndex类型。

df_local['Date'] = pd.to_datetime(df_local['Date'])
df_local.set_index('Date', inplace=True)

3.4 绘制K线图并剔除非交易时段

mpf.plot(df_local, type='candle', volume=True)

3.5 绘制K线图并显示非交易时段

设置show_nontrading=True可以保留时间序列中的空白（如周末）。

mpf.plot(df_local, type='candle', volume=True, show_nontrading=True)

4. 设置 plot() 函数的 addplot 参数

addplot参数允许我们在主K线图上叠加自定义的图表，实现更复杂的分析可视化。

4.1 读取IBM公司2020年10月部分数据

start_oct = datetime.datetime(2020, 10, 1)
end_oct = datetime.datetime(2020, 10, 23)
df_oct = web.DataReader('IBM', 'yahoo', start_oct, end_oct)

4.2 利用 make_addplot() 函数定义 addplot 参数值

假设我们计算一个“中值”（最高价与最低价的平均值）并希望将其绘制在图上。

df_oct['MidValue'] = (df_oct['High'] + df_oct['Low']) / 2
ap = mpf.make_addplot(df_oct['MidValue'])

4.3 绘制K线图并增加MidValue列对应的曲线

mpf.plot(df_oct, type='candle', addplot=ap, volume=True)

4.4 绘制K线图并添加多条曲线

可以同时叠加最高价、中值和最低价曲线。

ap_multi = mpf.make_addplot(df_oct[['High', 'MidValue', 'Low']])
mpf.plot(df_oct, type='candle', addplot=ap_multi, volume=True)

4.5 在结果图上添加标记

make_addplot支持scatter（散点）、marker（标记）等类型，用于高亮特定点。

# 标记出收盘价高于中值的日期
df_oct['Signal'] = df_oct['Close'] > df_oct['MidValue']
markers = df_oct[df_oct['Signal']].index
ap_marker = mpf.make_addplot(df_oct.loc[markers, 'High'], type='scatter', markersize=50)
mpf.plot(df_oct, type='candle', addplot=[ap, ap_marker], volume=True)

5. pandas_datareader 补充说明

pandas_datareader是数据分析与人工智能领域获取金融数据的强大工具，其数据源不仅限于雅虎财经。

5.1 可访问的公司与机构

除了‘yahoo’，它还支持‘fred’（美联储经济数据）、‘iex’（IEX Cloud）、‘stooq’等众多数据源。

5.2 访问谷歌金融数据（注：谷歌金融接口已不稳定）

# df_google = web.DataReader('IBM', 'google', start, end) # 可能已失效

5.3 访问纳斯达克交易符号定义

可以获取股票代码与公司名的对应列表。

import pandas_datareader.nasdaq_trader as nasdaq
sym = nasdaq.get_nasdaq_symbols()
print(sym.head())

5.4 访问世界银行数据（如人均GDP）

from pandas_datareader import wb
indicator = wb.download(indicator='NY.GDP.PCAP.KD', country=['US', 'CN'], start=2000, end=2020)
print(indicator.head())

6. 实战总结

本文系统介绍了使用mplfinance模块绘制专业金融K线图的完整流程。关键步骤包括：

1. 正确安装：弃用mpl-finance，安装mplfinance和pandas-datareader。
2. 数据准备：掌握从在线API（如雅虎财经）和本地CSV文件读取并格式化数据的方法。
3. 基础绘图：使用plot()函数绘制不同样式的K线图，并添加移动平均线、成交量。
4. 高级定制：利用addplot参数叠加自定义指标曲线或标记，实现个性化分析图表。

通过掌握这些技巧，你可以基于算法与数据结构分析得出的结论，轻松地将金融数据转化为直观、专业的可视化图表，有效提升数据分析报告的质量与说服力。