1.mplfinance安装

使用清华源快速安装mplfinance库，执行以下命令即可：

pip install mplfinance -i https://pypi.tuna.tsinghua.edu.cn/simple

2.获取数据（从tushare接口）

使用tushare的接口获取金融数据，将数据格式化后，并保存为csv文件。
从tushare获取数据需要密匙，具体可以去tushare官网注册账号获取。
我们获取数据后，需要将其索引设置为时间序列的数据，并将列名更改为mplfinance库适用的格式，即下边的’trade_date’, ‘open’, ‘high’, ‘low’, ‘close’, ‘vol’。
最后将时间倒序排列。
获取数据需要传入的参数是股票代码，此外为了便于识别数据文件对应的上市公司，我们也获取了股票列表以根据股票代码匹配上市公司名字。考虑到文件命名不能存在星号*，但是被警告或将退市的上市公司的名字前边可以冠以*ST或**ST。当遇到这样的情况时，将星号改为汉字“星之”即可。
以平安银行的数据为例，平安银行对应的股票代码为"000001.SZ"。获取其数据并保存为csv文件。
现新建一个get_data.py文件，并编辑代码如下:

import tushare as ts
import pandas as pd

tokenn = 'Your token'
pro = ts.pro_api(tokenn)
# 获取股票列表，以便提取股票名称
stock_list = pro.stock_basic()


def get_data(tscode):
    df = pro.daily(ts_code=tscode)
    df = df.loc[:, ['trade_date', 'open', 'high', 'low', 'close', 'vol']]
    df.rename(columns={
        'trade_date': 'Date',
        'open': 'Open',
        'high': 'High',
        'low': 'Low',
        'close': 'Close',
        'vol': 'Volume'
    },
        inplace=True)       # 重定义列名，方便统一规范操作。
    df['Date'] = pd.to_datetime(df['Date'])  # 转换日期列的格式，便于作图
    df.set_index(['Date'], inplace=True)  # 将日期列作为行索引
    df = df.sort_index()
    return df


def get_name(ts_code):
    name = stock_list.name[stock_list['ts_code'] == ts_code].values[0]
    if name[0] == '*':
        name = '星之' + name[1:]
    return name


ts_code = '000001.SZ'
data = get_data(ts_code)
name = get_name(ts_code)
data.to_csv(name + '日线行情.csv')

保存好的数据如下图所示：
     

3. 获取数据（从本地csv）

读取完数据后，如果直接对上边的变量data进行操作也是可以的，data已经满足mplfinance对数据要求的规范。
但是考虑到代码不断调试的过程，我们还是新建一个demo.py文件对上边获取到的'平安银行日线行情.csv'文件进行重新读取。
且读取后的数据，需要再对索引稍微做一点格式化。（即将时间列转换为时间序列数据格式，并设置为索引）

import mplfinance as mpf
import pandas as pd


def read_data(filename):
    df = pd.read_csv(filename)
    df['Date'] = pd.to_datetime(df['Date'])
    df.set_index(['Date'], inplace=True)
    return df

# 此时的数据，才满足mplfinance的数据的使用规范
df = read_data('平安银行日线行情.csv')
print(df)

符合规范的数据格式如下图所示
（不论你是怎么获取数据的，只要数据格式规范如此，即可继续随文章向下进行）：
         

4. mplfinance可视化

使用mplfinance库绘图，所有命令浓缩于mpf.plot()接口。故只需了解该接口的参数即可。
现将mpf.plot()接口主要参数示例如下。
 

其中参数type可以的取值有

（如果对图像有疑问可以百度了解，也可以自行测试）

其中参数style可以的取值有

这些参数值分别对应着不同的风格。此外还可以自定义风格，具体方法会在下边说到。

以 对平安银行2022年6-8月份行情数据，绘制一幅简单的蜡烛图 为例。使用蓝天风格(“blueskies”)。
并使用mav参数添加上5日均线和10日均线，以及附带上量柱图。

mpf.plot(df.loc['2022-6':'2022-8'],
         type='candle',
         ylabel="price",
         style='blueskies',
         title='PINGANBank from 2022-6-1 to 2022-8-31',
         mav=(5, 10),
         volume=True,
         figratio=(5, 3),
         ylabel_lower="Volume")

图像输出效果如下：
 
一幅美观的图表就这样绘制出来了。

5. 自定义风格样式

我们也可以使用mpf.make_mpf_style()方法来生成新的自定义风格。
 
mpf.make_mpf_style()方法可以使用的参数有
 

其中，关于颜色的参数，也可以是rgb的格式，不过要求把元组变为字符串写入，形如figcolor=‘(107, 195, 224)’

下边绘制

import mplfinance as mpf
import pandas as pd


def read_data(filename):
    df = pd.read_csv(filename)
    df['Date'] = pd.to_datetime(df['Date'])
    df.set_index(['Date'], inplace=True)
    return df

# 获取数据
df = read_data('平安银行日线行情.csv')

# 设置线元素的颜色
my_color = mpf.make_marketcolors(
    up="red",  # 上涨K线的颜色
    down="green",  # 下跌K线的颜色
    edge="black",  # 蜡烛图箱体的颜色
    volume="purple",  # 成交量柱子的颜色
    wick="black"  # 蜡烛图影线的颜色
)


# 自定义风格
my_style = mpf.make_mpf_style(
    base_mpf_style='nightclouds',
    # base_mpl_style='seaborn',  # 也可以试试matplotlib的seaborn等风格。
    marketcolors=my_color,
    figcolor='(0, 0.8, 0.85)',
    gridcolor='(0.9, 0.9, 0.9)',
    rc={'font.family': 'SimHei', 'axes.unicode_minus': 'False'}
)


# 选择平安银行2022年8月的数据进行绘图
mpf.plot(df.loc['2022-6':'2022-8'],
         type='candle',
         ylabel="price",
         style=my_style,
         title='平安银行6-8月 日线行情',
         mav=(5, 10),
         volume=True,
         figratio=(5, 3),
         ylabel_lower="Volume")

图像输出效果如下：
   

6. 添加其他线条

mplfinance提供了添加多条线的方式。即通过mpf.plot()接口的addplot参数。
以添加唐奇安通道(20日唐奇安)的三条线为例，代码如下：

import mplfinance as mpf
import pandas as pd


def read_data(filename):
    df = pd.read_csv(filename)
    df['Date'] = pd.to_datetime(df['Date'])
    df.set_index(['Date'], inplace=True)
    return df


df = read_data('平安银行日线行情.csv')

# 设定上、下、中通道线初始值
upboundDC = pd.Series(0.0, index=df.Close.index)
downboundDC = pd.Series(0.0, index=df.Close.index)
midboundDC = pd.Series(0.0, index=df.Close.index)

# 求唐奇安上、中、下通道
for i in range(20, len(df.Close)):
    upboundDC[i] = max(df.High[(i-20):i])
    downboundDC[i] = min(df.Low[(i-20):i])
    midboundDC[i] = 0.5 * (upboundDC[i] + downboundDC[i])


df['upboundDC'] = upboundDC
df['downboundDC'] = downboundDC
df['midboundDC'] = midboundDC
data = df.loc['2022-5':'2022-8']


my_color = mpf.make_marketcolors(
    up="red",  # 上涨K线的颜色
    down="green",  # 下跌K线的颜色
    edge="black",  # 蜡烛图箱体的颜色
    wick="black",  # 蜡烛图影线的颜色
    volume="inherit"  # 继承up和down的颜色
)

# 设置图表的背景色 
my_style = mpf.make_mpf_style(
    base_mpl_style='seaborn',
    marketcolors=my_color,
    rc={'font.family': 'SimHei', 'axes.unicode_minus': 'False'}
)


add_plot = [
    mpf.make_addplot(data['upboundDC']),
    mpf.make_addplot(data['midboundDC']),
    mpf.make_addplot(data['downboundDC'])]

mpf.plot(data,
         type='candle',
         ylabel="price",
         style=my_style,
         title='平安银行5-8月 日线行情',
         addplot=add_plot,
         mav=(5, 10),
         volume=True,
         figratio=(5, 3),
         ylabel_lower="Volume")

输出图像效果如下：