来自：
https://www.cnblogs.com/liutongqing/p/6985805.html
经典：http://www.jdon.com/idea/matplotlib.html
https://www.tuicool.com/articles/jmQzUzy
一、前言
matplotlib【1】是著名的python绘图库，它提供了一整套绘图API，十分适合交互式绘图。本人在工作过程中涉及到股票数据的处理如绘制K线等，因此将matplotlib的使用心得进行整理，与大家共同分享。
另外，在数据处理过程中会用到numpy【2】，matplotlib网站的示例也有不少用到了numpy，读者可以参考这篇文章【3】有基本的了解。
本系列文章主要分为两部分：（1）matplotlib基本使用；（2）结合股票走势、技术指标等信息通过matplotlib进行绘制，学习其用法，个人觉得matplotlib博大精深，二八定理，20%的功能完成80%的图表需求。
最后，matplotlib作者英年早逝，感谢他所做出的贡献。John Hunter will be missed！
二、matplotlib基本使用
matplotlib中通过pyplot模块进行图表的绘制。所绘制的图表称为一个绘图对象，在绘图对象之上绘制各种图形。由于K线图主要是基于日期和股票价格的X-Y坐标轴结构，因此本系列文章也主要针对axes坐标轴绘制进行分析。
通过如下语句导入需要绘图的库：
import matplotlib.pyplot as plt
1. figure对象
figure对象可以看成整个图表。在figure图表之上增加多个子图，然后在子图之上绘制点和线。
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
得到fig对象之后，通过add_subplot增加子图（返回了一个axes坐标轴），该方法需要三个参数，分别为：numrows, numcols, fignum。其中，一共有numrows*numcols个子图，即：将图表分为N行*M列，fignum标识了该子图的顺序，其范围从1到numrows*numcols。在上例中1,1,1表示了该绘图对象仅有1个子图，也就是1*1类型。
2. plot方法绘图
创建子图之后，通过plot方法在子图上绘制。plot方法可以传入两个list，分别表示X和Y坐标，因此x和y的长度要一致。需要注意的是，plot也可以接受一个list参数作为Y坐标的值，默认X坐标的值从0开始到Y的长度。
plt.plot([1,2,3,4])
其中X坐标为0到3，个数与Y坐标值的数目相同。
plt.plot([1,2,3,4], [1,2,3,4])
设置了X坐标的值。然后通过plot.show()显示该图，示例代码如下：
def PlotDemo1():
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot([1,2,3,4],[2,3,4,5])
plt.show()
图表如下所示：
上述图表作为基础，以后我们都是围绕这个基础图表不断添加元素，直到达到我们想要的效果。
2.1 增加标题和坐标轴说明
如果需要给绘图对象增加标题，可以通过suptitle方法设置，其中可以设置参数：标题、标题字体大小、字体类型等。代码示例如下：
fig.suptitle('figure title demo', fontsize = 14, fontweight='bold')
如果需要对给定子图的坐标轴设置标题，可以通过刚才返回的axes对象的set_title进行设置，代码示例如下：
ax.set_title("axes title")
如果需要对于X和Y坐标设置标签，可以通过set_xlabel和set_ylabel方法设置。代码示例如下：
ax.set_xlabel("x label") ax.set_ylabel("y label")
图表如下所示：
通过上述的示例，我们绘制了一个基本的X和Y坐标轴，并增加了针对坐标轴的说明。
三、股价基本走势图
股票的K线图（以日K为例）由日期和价格组成，形成X-Y坐标轴，按照前面的绘图方案，需要传入日期数组和价格数组即可。
1.numpy数组
numpy是常用的数据处理库，我将000001.SZ的股价数据（时间范围从20150101到20150930）导入到csv中，然后通过numpy读取得到日期和价格数组。csv文件中包含了两列，日期和价格，分割符号为","，读取过程代码如下：
dates, close = np.loadtxt(filename,delimiter=",", unpack= True, converters={0:mdates.strpdate2num('%Y-%m-%d')})
numpy的loadtxt方法：设定了文件中的分隔符号为“，”，unpack是否将数组拆分，True为拆分，即：得到两个数组分别表示日期和收盘价格，converters是将日期类型的字符串转为数组，因为numpy规定其数组中的类型需要一致。
2.绘制基础走势图
通过numpy得到日期和收盘价格之后，参照先前的示例，通过plot方法进行绘制：
ax1.plot(dates,close)
图表如下所示：
在上图中，x轴通过数值标识，而不是日期类型。因为我们通过numpy构造数组时，日期按照数值类型存储，可以通过如下方法转换为日期类型：
ax1.xaxis.set_major_locator(mdates.DayLocator(bymonthday=range(1,32), interval=15))
ax1.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d"))
for label in ax1.xaxis.get_ticklabels():
label.set_rotation(45)
X-轴设置主要刻度locator为每日刻度，格式为：DateFormatter("%Y-%m-%d")，每日刻度从第1日到第31日，间隔为15日。图表如下所示：
其中，对于X-轴上面的每个ticker标签都向右倾斜45度，这样标签不会重叠在一起便于查看。
也可以按照每月进行显示，X-轴设置主要刻度为每月刻度，格式为：DateFormatter("%Y-%m")，转换代码如下：
ax1.xaxis.set_major_locator(mdates.MonthLocator())
ax1.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m"))
图表如下所示：
3.图形边框调整
细心的读者可能会发现，在上图中底部（bottom）处的日期标签，显示不完整。此时可以点击【configure subplots】按钮，调整左右和上下边框，然后保存即可。图表如下所示：
也可以通过subplots_adjust方法对于边框进行调整：
plt.subplots_adjust(bottom=0.13,top=0.95)
4.绘制价格平均线
在前面的示例中绘制了基本的股票走势图，本节我们利用ta-lib【4】证券技术指标库，绘制5日和10日价格平均线。
ta-lib中提供了方法talib.SMA得到价格简单平均线，timeperiod为时间参数，timeperiod=5为五日均线，基于上图增加五日和十日均线，代码如下：
sma5 = talib.SMA(close, timeperiod = 5)
ax1.plot(dates,sma5)
sma10 = talib.SMA(close, timeperiod = 10)
ax1.plot(dates,sma10)
其中，sma5和sma10均为numpy数组。
图表如下所示：
在坐标轴中有三条曲线，matplotlib会自动改变线条颜色，此时如果没有说明并不方便使用，可以在右上角增加图例，表明各线条所代表的含义，并增加图表的网格效果，代码如下：
plt.legend(('daily', 'SMA5', 'SMA10'))
plt.grid(True)
图表如下所示：
四、总结
本章对于matplotlib的基本使用方法进行了介绍，并绘制了基本的股票价格和均线走势图。在后面的章节中对于上述图表增加成交量、MACD值等数据。
Title为标题。Axis为坐标轴，Label为坐标轴标注。Tick为刻度线，Tick Label为刻度注释。
五、程序
data.csv文件内容如下：
2018-06-19,58
2018-06-20,59
2018-06-21,60
2018-06-22,68
2018-06-23,69
2018-06-24,70
2018-06-25,71
2018-06-26,72
2018-06-27,66
2018-06-28,67
2018-06-29,68
2018-06-30,69
2018-07-1,70
Matplot5.py
# -*- coding: UTF-8 -*-
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.dates as mdates
from matplotlib.dates import bytespdate2num
import pandas as pd
def PlotDemo1():
fig = plt.figure()
fig.suptitle('figure title demo', fontsize = 14, fontweight='bold')
ax = fig.add_subplot(1,1,1)
ax.set_title("axes title")
ax.set_xlabel("x label")
ax.set_ylabel("y label")
dates, close = np.loadtxt('D:\knowledge\language\python\src\data.csv',delimiter=",",usecols=(0,1), unpack= True, converters={0:bytespdate2num('%Y-%m-%d')})
ax.xaxis.set_major_locator(mdates.DayLocator(bymonthday=range(1,32), interval=3))
ax.xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d"))
plt.xticks(pd.date_range('2018-06-19','2018-07-1',freq='3D'),rotation=25)
ax.plot(dates,close)
plt.show()
def getData():
dates, close = np.loadtxt('D:\knowledge\language\python\src\data.csv',delimiter=",",usecols=(0,1), unpack= True )
#dates = (2,3,4,55,66)
print( dates )
PlotDemo1()
六、查看函数参考
xx\src>python
Python 3.6.5 (v3.6.5:f59c0932b4, Mar 28 2018, 16:07:46) [MSC v.1900 32 bit (Intel)]
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas as pd
>>> help (pd.date_range)