摘要：注意，虽然我们用的是windows，用反斜杠来代表目录结构，但反斜杠在Python及一些计算机语言里通常用作转义符，所以这里统一改成正斜杠，或者用双反斜杠\\来代替。读取文本文件后输出表格内容如下：
今天我们使用Python来读取一份文本文件，并针对文件中的数据来画图。文本文件我们从交易软件下载，例如某ETF的开盘收盘价格数据，存成csv文件。
然后用pandas来读取该文件，并输出表格：
df = pd.read_csv("C:/Learnings/Investment/ETF_Price.csv")print("\nCSV 原始数据：")print(df)注意，虽然我们用的是windows，用反斜杠来代表目录结构，但反斜杠在Python及一些计算机语言里通常用作转义符，所以这里统一改成正斜杠，或者用双反斜杠\\来代替。读取文本文件后输出表格内容如下：
我们把日期类型的字段处理成索引，可以加快处理速度：
df['date'] = pd.to_datetime(df['date']) # 转换日期列为 datetime 类型df.set_index('date', inplace=True)接下来，调用matplotlib库来进行简单的画图，代码如下：
import matplotlib.pyplot as pltplt.figure(figsize=(10, 6)) #设置图表的宽度和高度，单位英寸plt.plot(df.index, df["open"], label="Open", marker="o")plt.plot(df.index, df["close"], label="Close", marker="o")plt.plot(df.index, df["high"], label="High", marker="o")plt.plot(df.index, df["low"], label="Low", marker="o")同样，import库的时候如果报错，需要用pip命令来安装一下：pip install matplotlib。安装成功后继续运行，并使用plt库的函数来画图，得到如下散点图，显示了ETF的走势。
这个图缺少标题，缺少坐标轴名称，也缺少图例，我们进行一些修正，在原来的代码下面添加一些代码，并重新运行（注意不是另起一段程序，而是把这些代码附在刚才的五行代码后面，并一起执行）：
plt.title("xx ETF") #添加标题plt.xlabel("Date") #添加横坐标名称plt.ylabel("Price") #添加纵坐标名称plt.legend #添加图例plt.grid(True) #添加网格线plt.tight_layout #自动调整布局plt.show得到如下图形，这下有了标题、图例、横纵坐标轴、以及网格，可读性提高了不少：
但是，本质上这张图还是四个指标独立产生的折线图叠在一起，不像K线图能展示开盘收盘最高最低价，我们尝试用专门画K线图的库来试试，找到一个金融画图包mplfinance，这个库在调用的时候需要数据里必须包含开盘价、收盘价、最高价、最低价四个字段，如果有交易量数据也可以作为可选。我们看看效果：
mpf.plot(df, type='ohlc', style='yahoo', title='K plot', ylabel='Price', mav=(5, 10), # 添加移动平均线（5日和10日均线） tight_layout=True)看起来好多了，但仍然挤在一起，注意到有一条warning：
WARNING: YOU ARE PLOTTING SO MUCH DATA THAT IT MAY NOT BE POSSIBLE TO SEE DETAILS (Candles, Ohlc-Bars, Etc.)应该是要展示的数据行数太多导致图上的点挤在了一起。我们的csv文件包含了从2018年5月22日至2023年5月22日这5年的数据，确实有点多，让我们改一下日期范围。
用什么操作来筛选日期范围？df本质上是一个对象，你可以把它想象成一张数据库表，如果是用SQL来写程序进行筛选操作，你可以直接执行语句select * from df where date between ...这样来操作，而在面向对象的程序里，你直接调用df.query这个方法，括号里加上where条件即可，我们试试：
start_date = '2023-01-01'end_date = '2023-05-22'filtered_df = df.query("index >= @start_date and index这里我们定义两个变量分别代表起始日期和结束日期，分别为2023年1月1日和2023年5月22日，然后把这两个变量用在query方法里，并将筛选出来的结果集赋给一个新的对象叫filtered_df。然后我们对新的对象进行画图，看看效果：
mpf.plot(filtered_df, type='ohlc', style='yahoo', title='K plot', ylabel='Price', mav=(5, 10), # 添加移动平均线（5日和10日均线） tight_layout=True)确实是数据太多导致的问题，限制了时间范围为5个月后，我们就能清晰的看到日K线图，以及对应的5日和10日均线图。
小结一下：
pandas文件读取和变换：我们使用pandas库里面的read_csv方法从csv文件读取数据，生成了一个对象df，对象里是一张表格，除了原有的字段之外，另外有一个从0开始逐一递增的索引字段，我们可以用df的set_index方法把日期字段变成索引，这样就不再需要原始的那个，再设置索引之前需要先将date这一列用to_datetime方法处理成真正的日期类型（原始导入的类型是字符串）matplotlib作图：用对象的plot方法来作图，横轴为索引字段（日期），纵轴为其他的指定的字段，可以用相应的方法来添加标题、横纵坐标名称、图例、网格等元素使用mplfinance库来画K线图，需要原始数据里有开盘价、收盘价、最高价、最低价等四个元素（交易量字段可选），可以生成K线图，以及对应的均线，均线周期可配置筛选数据范围，把df看作一个对象，query方法相当于SQL里的查询语句，条件写在方法传入的参数里先摸索到这里，具体的每一个库的详细内容，在使用的时候，利用搜索引擎去搜索各自的官网文档即可。
来源：散文随风想
