1.工具
matplotlib
numpy
2.matplotlib使用
import matplotlib.pyplot as plt #plt用于显示图片
import matplotlib.image as mping #mping用于读取图片
import datetime as dt
import matplotlib.dates as mdates
from pylab import *
def draw_trend_chart(dates,y):
mpl.rcParams['font.sans-serif'] = ['SimHei'] #指定默认字体
mpl.rcParams['axes.unicode_minus'] = False #解决保存图像是负号'-'显示为方块的问题
x = [dt.datetime.strptime(d,'%Y/%m/%d').date() for d in dates]
#plt.figure(figsize=(8,8))
plt.figure()
#plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m/%d/%Y'))
#plt.gca().xaxis.set_major_locator(mdates.DayLocator())
#plt.plot(x,y,"r--",linewidth=2)
plt.plot(x,y,"r",linewidth=1)
#plt.gcf().autofmt_xdate()
#plt.xlabel("DATE") #x轴标签
plt.ylabel("WEIGHT") #y轴标签
plt.title("MY HEALTH TRACKING")#标题
plt.savefig("liuyang.png") #保存图片名称
lena = mping.imread('liuyang.png') #读取图片文件信息
lena.shape #（512,512,3）
plt.imshow(lena) #显示图片
plt.axis('off') #不显示坐标轴
plt.title("")
plt.show() #显示
def get_weight_data(filename):
time = []
weight = []
fileContent=open(filename,"r")
for eachline in fileContent:
eachData = eachline.strip('
').split(",")
if eachData[-1].strip() =='':
continue
else:
time.append(eachData[0])
weight.append(eachData[1])
return [time, weight]
data = get_weight_data("data.csv")
draw_trend_chart(data[0],data[1])
3.numpy
.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：
4.http://www.cnblogs.com/bradleon/p/6832867.html