最近做数据分析的时候，我总想把行情数据可视化看看，K线图是最直观的一种方式。我最开始只是想看看历史价格的变化，没想到慢慢弄下来，画K线成了一件挺有意思的事情。Python里其实有挺多方式可以做，操作简单，但能把数据“活”起来那种感觉挺让人上瘾的。

数据准备

我平时会先把历史行情数据整理成CSV，结构简单：日期、开盘、收盘、最高、最低、成交量。大概像这样：

date	open	high	low	close	volume
2026-05-01	100.5	102.0	99.8	101.2	50000
2026-05-02	101.2	103.5	100.0	102.8	45000

读取和处理数据很直接，用pandas就够了：

import pandas as pd df = pd.read_csv("data.csv", parse_dates=['date']) df.set_index('date', inplace=True) print(df.head())

这里要注意，K线绘图库通常需要日期作为索引，否则图会画不出来或者显示异常。

基础K线图

最初我只想看看开盘价和收盘价的变化，使用绘图库画出来就行：

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

几行代码就能得到完整K线，下面还有成交量柱状图，红绿颜色默认对应涨跌，非常直观。看到图那一刻，感觉数据真的“动”起来了。

增加均线观察趋势

观察数据的时候，我喜欢加均线，这样趋势一眼就看得清楚。比如5日和20日均线：

mpf.plot(df, type='candle', volume=True, mav=(5,20))

均线交叉、短期与中期趋势都一目了然。图表风格也可以调整，让可视化更舒服：

mpf.plot(df, type='candle', volume=True, mav=(5,20), style='yahoo')

风格多了，挑自己喜欢的就行。颜色、线条粗细都可以自定义，完全可以按照需求调整。

不同时间周期对比

有时候想同时看日线和周线，就要先处理数据。pandas的resample非常方便：

weekly = df.resample('W').agg({     'open':'first',     'high':'max',     'low':'min',     'close':'last',     'volume':'sum' }) mpf.plot(weekly, type='candle', volume=True, mav=(5,20))

这样就能看到周线K线走势，对比日线变化，做趋势分析会更直观。

小技巧

我发现K线图不仅能看涨跌，还能顺便观察成交量变化、均线交叉情况，对策略或分析非常有帮助。最关键的是数据要干净，列名、索引一定要对齐，否则图画不出来或者结果乱。

我一般习惯在分析前先看看历史数据图，再结合均线和成交量做判断。K线图出来的那一刻，总觉得数据有了生命，比单看数字直观多了，也更容易发现规律。