📊 从数据到图表
matplotlib 静态图 vs ECharts 交互图 · 同一份豆粕数据，两种画法 · 2026-06-30
Python 负责拿数据，浏览器负责画交互图，HTML 是中间的载体
1一个关键误区
很多人以为"Python 画图"是 Python 自己把图显示出来。其实要分两种情况：
静态图：matplotlib 把图画成一张图片文件（PNG），你看的是图片。
交互图：Python 只是生成一个 HTML 文件，真正把图画到屏幕、还能让你缩放悬停的，是浏览器里的 JavaScript（ECharts）。
交互图：Python 只是生成一个 HTML 文件，真正把图画到屏幕、还能让你缩放悬停的，是浏览器里的 JavaScript（ECharts）。
所以你上次看到"最终产物是个 HTML"——这不是多此一举，而是交互图的必然载体：能交互的图只能活在浏览器里。
2整条链路
不管哪种画法，前半段都一样（Python 拿数据、算指标），区别只在最后"画"这一步交给谁：
取数akshare 拉行情Python
→
算指标MA5/MA20、信号Python
→
生成文件PNG 或 HTMLPython
→
画出来看图片 / 浏览器渲染你 / 浏览器
关键转折在第 3 步：交互图这里写出的是 HTML，里面同时装着数据和给 ECharts 的画图指令。Python 写完文件就"退场"了，后面是浏览器接手。
3同一份豆粕数据，两种画法
下面两张图用的是完全相同的豆粕(M0)最近 150 个交易日数据，只是画法不同。先感受差别：
🖼️ 静态图 · matplotlib / mplfinance一张图片，不能交互
👆 这是一张 PNG 图片。优点：截图就能发、写报告直接贴、加载快。缺点：死的——不能放大局部、不能悬停看某天数值、不能切换品种。
🖱️ 交互图 · ECharts可缩放 / 悬停 / 拖动
👆 这是浏览器现场画的。把鼠标移上去看某天数值，用底部滑块或滚轮缩放局部——同样的数据，活了。代价是需要浏览器、需要加载 ECharts 库。
4这些名字都是啥
| 名字 | 是什么 | 用什么语言写 | 产物 |
|---|---|---|---|
| matplotlib | Python 最经典的画图库，万能但偏静态 | Python | 图片 / 窗口 |
| mplfinance | 基于 matplotlib，专画金融 K 线的封装，一行画蜡烛+均线+成交量 | Python | 图片 |
| ECharts | 浏览器里的交互图表库（Apache 开源，原百度） | JavaScript | 网页里的图 |
| pyecharts | ECharts 的"Python 包装"，纯写 Python 就能生成 ECharts 的 HTML，不用碰 JS | Python | HTML |
关系记一句话：mplfinance 是 matplotlib 的 K 线版；pyecharts 是 ECharts 的 Python 版。上次的交互图我手写了 JavaScript（为了让你看清原理），实际项目里多数人直接用 pyecharts，纯 Python 出活。
5三种写法的代码对照
假设数据已经在 df 里（akshare 取的豆粕），画同样一张 K 线图：
A. mplfinance —— 出静态图片（最省事）
# df 需要 Open/High/Low/Close 列，索引是日期
import mplfinance as mpf
mpf.plot(df, type="candle", mav=(5, 20), volume=True,
savefig="豆粕.png") # 直接存成图片
B. pyecharts —— 纯 Python 出交互 HTML（推荐进阶）
from pyecharts.charts import Kline
from pyecharts import options as opts
k = (Kline()
.add_xaxis(df["日期"].tolist())
.add_yaxis("豆粕", df[["开盘价","收盘价","最低价","最高价"]].values.tolist())
.set_global_opts(datazoom_opts=[opts.DataZoomOpts()]))
k.render("豆粕.html") # 生成可交互的 HTML
C. 手写 ECharts —— 自由度最高（我上次用的）
// 在 HTML 里，把数据塞给 ECharts
const chart = echarts.init(document.getElementById('chart'));
chart.setOption({
xAxis:{type:'category', data:dates},
yAxis:{scale:true},
series:[{type:'candlestick', data:kline}]
});
给你的建议：学习阶段先用 A（mplfinance）——两行出图，专注看走势和信号，别被画图细节拖住。等你想要"看盘式"地缩放探索、或想把图嵌进这个 HTML 知识库，再上 B（pyecharts）。手写 JS（C）等以后真有定制需求再说。
6该用哪个？
| 你的场景 | 选它 |
|---|---|
| 在终端/Jupyter 里快速瞄一眼走势、跑策略时看结果 | mplfinance（静态） |
| 写复盘报告、发给别人、贴进文档 | mplfinance 存 PNG |
| 想缩放、悬停、切换品种，"看盘式"探索 | pyecharts / ECharts（交互） |
| 要把图嵌进这个 HTML 学习库 | pyecharts / ECharts |
一句话：akshare 管"拿数据"，画图库管"画成图"，HTML 是交互图必然的载体。静态看得快，交互玩得深，按需要选。
7工具选型路线（给你的建议）
别被这么多名字吓到。按"现在该用哪个"排一下，照着走就行：
| 工具 | 定位 | 对你的建议 |
|---|---|---|
| mplfinance | matplotlib 的 K线版，两行出静态图 | ✅ 现在用，学习期主力，专注看走势和信号 |
| ECharts（已就绪） | 浏览器里的交互图 | 🟦 模板我已帮你搭好，想"玩着看"时打开 |
| pyecharts | 纯 Python 生成 ECharts 的 HTML | ⏳ 缓一缓，等你要批量产交互页、不想碰 JS 时再学，半小时上手 |
| TradingView 图表库 | 交易级专业看盘图表（实时、画线） | 🚩 专业级，现在用不上，知道它是"专业看盘那种"即可 |
纠正一个常见误解：专业看盘软件（文华、同花顺、币安、TradingView 网页版）的 K 线，多数不是 ECharts，而是为"tick 级实时、海量K线流畅缩放"专门优化的引擎（行业标准是 TradingView 系）。ECharts 能画 K 线、适合学习和展示，但和"交易级看盘图"是两类东西。
一句话路线：现在 mplfinance 快速看图 → 想交互探索用 ECharts（已就绪）→ 以后批量产页再学 pyecharts → TradingView 是专业级，放最远。重心永远是"看懂趋势和信号"，不是画图技术。