如何用Python绘制A股股指走势图？

📅 2026-09-08 12:12👁️ 3833 阅读💬 0 评论

企业微信

数据获取

绘制A股股指走势图，首要任务是获取准确的行情数据。常用数据源包括akshare、tushare、baostock等库，它们提供免费或付费的历史数据接口。以akshare为例，通过ak.index_zh_a_hist可获取上证指数、深证成指等数据，返回DataFrame格式，包含日期、开盘、收盘、最高、最低、成交量等字段。若需实时数据，可用ak.stock_zh_a_spot等接口。数据获取需注意时段，避免非交易时间段请求导致数据缺失。

数据预处理

获取原始数据后，必须进行清洗与整理。检查缺失值、异常值，按日期排序，并设置日期为索引。对于走势图，常用收盘价作为主要绘图数据，若需绘制K线图，则需整理开盘、收盘、最高、最低四列。使用pandas可方便地处理：df['date'] = pd.to_datetime(df['date'])，df.set_index('date', inplace=True)。若数据量过大，可降采样至周或月，减少绘图负担。

核心绘图基础

使用matplotlib是绘制走势图的核心。基础折线图通过plt.plot(df.index, df['close'])实现，但需调整图形参数。设置图形大小plt.figure(figsize=(12,6))，坐标轴标签、网格线、标题等增强可读性。为显示中文，需配置中文字体，如plt.rcParams['font.sans-serif'] = ['SimHei']。折线图能直观体现走势，但对波动细节展示有限。

如何用Python绘制A股股指走势图？

进阶：K线图与均线

除折线图外，K线图是金融分析常用工具。matplotlib的mpl_finance模块或plotly可绘制蜡烛图。需将日期转换为数值坐标，使用mpf.candlestick_ohlc。增加移动平均线（如MA5、MA20）辅助趋势判断，通过df['MA5'] = df['close'].rolling(5).mean()计算并在同一图中绘制。结合成交量子图，使用plt.subplots，共享x轴，完整展示量价关系。

交互式与多图布局

静态图无法交互查看细节，可引入plotly生成交互式图表，缩放、悬停显示数值。plotly.graph_objects.Candlestick直接支持K线。多图布局用于对比多股指，如将上证、深成指、创业板指分别绘制在子图中，用plt.subplot(1,3,1)等创建。每个子图需独立设置轴范围，配色统一，颜色区分各指数。

实战代码示例

以下代码演示获取数据并绘制上证指数收盘价折线图及均线：


import akshare as ak

import pandas as pd

import matplotlib.pyplot as plt

# 设置中文

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# 获取上证指数数据

df = ak.index_zh_a_hist(symbol="000001", period="daily", start_date="20230101", end_date="20231231")

df = df[['日期', '收盘']]

df.columns = ['date', 'close']

df['date'] = pd.to_datetime(df['date'])

df.set_index('date', inplace=True)

# 计算均线

df['MA20'] = df['close'].rolling(20).mean()

# 绘图

plt.figure(figsize=(12,6))

plt.plot(df.index, df['close'], label='收盘价', color='black')

plt.plot(df.index, df['MA20'], label='MA20', color='orange')

plt.legend()

plt.title('上证指数走势')

plt.xlabel('日期')

plt.ylabel('收盘点位')

plt.grid(True)

plt.show()

上述步骤涵盖了从数据获取到图形绘制的全流程。掌握这些基础，即可根据需求定制更复杂的图形，如添加技术指标、区间高亮等。绘图时注意性能优化，大数据量时使用plt.plot的linewidth参数或数据抽样。