仅做整理以及基本用法，没有任何奇淫巧技，没有美观度要求。
import matplotlib.pyplot as plt import pandas as pd
df=pd.read_csv('/home/timo/PycharmProjects/BTC_quant/daily_price_btc.csv') #其实就是上一篇BTC-CNY的数据
1. 折线图
plt.figure(figsize=(16,8)) #定义图的大小 plt.plot(df['volume']) #定义数据，可以是一个数据，也可以是两个数据，可以是dataframe或者series格式，也可以是list或者numpy.array格式
plt.xlabel("xxx") #所有种类的图都可以添加x、y轴标签和名称，没有也没关系
plt.ylabel("xxx")
plt.title("xxx")
plt.show() #显示图
plt.plot（）内还可以定义一些函数细节，包括线的颜色、线型、标记字符，可以参考此文：plt.plot()函数细节
当你在一个图上画多条折现时，函数会自动分配颜色，可以在plt.plot()里用label=‘xxx’定义线的名称
在同一张图表里绘制两张子图：
plt.subplot(211) #括号里的（mnp）：m表示是图排成m行，n表示图排成n列，p表示位置 plt.plot(df['volume']) plt.subplot(212) plt.plot(df['close']) plt.show()
2.点状图
点状图内必须有x，y两个参数，函数内也可以定义颜色、标记字符
plt.figure(figsize=(16,8)) plt.scatter(buy_time,buy_dot,c='r') plt.scatter(sell_time,sell_dot,c='k') plt.show()
3.直方图
plt.hist(x, bins= 10, range= None, normed= False, weights= None, cumulative= False, bottom= None, histtype= 'bar', align= 'mid', orientation= 'vertical', rwidth= None, log= False, color= None, label= None, stacked= False)
-
bins：指定直方图条形的个数，默认为10 ；
-
range：指定直方图数据的上下界，默认包含绘图数据的最大值和最小值；
-
normed：是否将直方图的频数转换成频率；默认为0，代表不归一化，显示频数，normed=1，表示归一化，显示频率
-
weights：该参数可为每一个数据点设置权重；
-
cumulative：是否需要计算累计频数或频率；
-
bottom：可以为直方图的每个条形添加基准线，默认为0；
-
histtype：指定直方图的类型，默认为bar，除此还有’barstacked’, ‘step’, ‘stepfilled’；
-
align：设置条形边界值的对其方式，默认为mid，除此还有’left’和’right’；
-
orientation：设置直方图的摆放方向，默认为垂直方向；
-
rwidth：设置直方图条形宽度的百分比；
-
log：是否需要对绘图数据进行log变换；
-
color：设置直方图的填充色；facecolor:长条形的颜色 edgecolor:长条形边框的颜色
-
label：设置直方图的标签，可通过legend展示其图例；
-
stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放
- alpha:透明度
plt.figure(figsize=(16,8)) plt.hist(df['volume'])
plt.show()
4.k线图
k线图的历史价格data数据列的顺序,从左至右是,开盘,收盘,最高,最低,成交量
import matplotlib as mpl import mpl_finance as mpf
fig,ax=plt.subplots(figsize=(15,6))
fig.subplots_adjust(bottom=0.5)
mpf.candlestick_ochl(ax,data,width=0.6,colorup='r',colordown='g',alpha=1.0) # ax 绘图Axes的实例，data价格历史数据 width 图像中红绿矩形的宽度,代表天数,colorup 收盘价格大于开盘价格时的颜色,colordown 低于开盘价格时矩形的颜色,alpha 矩形的颜色的透明度
# plt.grid(True) 是否显示格子
# plt.title('k线图')
# plt.xlabel('date')
# plt.ylabel('price')
ax.xaxis_date() # x轴的刻度为日期
ax.autoscale_view()
plt.setp(plt.gca().get_xticklabels(),rotation=30)
plt.show()
5.未完待续