请用Python（Matplotlib或Plotly）绘制某只股票近一年的日K线图，并添加移动平均线（5日和20日），说明代码实现步骤，以及如何优化图表的可读性（如添加标题、坐标轴标签、图例）。
答案
1) 【一句话结论】用Python（以Matplotlib结合mplfinance为例）绘制股票日K线图并添加5日和20日移动平均线，需通过数据获取（yfinance）、计算移动平均线（rolling）、绘制K线（基于开盘/收盘/最高/最低价的实体与影线）、图表优化（标题/标签/图例）实现，核心是确保K线图符合金融标准（包含实体和影线）。
2) 【原理/概念讲解】
K线图是金融核心图表，通过“实体”（开盘价-收盘价）和“影线”（最高价-最低价）展示价格波动：实体越长表示涨跌幅度越大，影线越长表示当日价格波动范围越广；移动平均线（MA）是价格的平均值序列，用于平滑短期波动，辅助判断趋势（5日均线反映短期趋势，20日均线反映中期趋势）。
Matplotlib是Python底层绘图库，可通过mplfinance插件实现标准K线图绘制（candlestick_ohlc函数），步骤包括：导入库→加载数据→计算均线→绘制K线（实体+影线）→添加均线→优化图表。类比：K线像“蜡烛”，实体长表示涨跌，影线表示波动；移动平均线像“平滑的均线”，过滤短期噪音，显示趋势方向。
3) 【对比与适用场景】
| 特性 | Matplotlib (静态) | Plotly (交互式) |
|---|---|---|
| 定义 | Python底层绘图库，功能全面 | 基于Web的交互式图表库 |
| 特性 | 代码简洁，适合固定布局图表 | 支持缩放、悬停提示、数据点交互 |
| 使用场景 | 学术报告、静态分析图表 | 实时监控、数据探索、演示 |
| 注意点 | 需手动设置交互，图表不可交互 | 代码稍复杂，可生成HTML文件 |
4) 【示例】
import pandas as pd
import yfinance as yf
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
from mplfinance.original_flavor import candlestick_ohlc
# 1. 数据获取
data = yf.download('000001.SZ', start='2023-01-01', end='2023-12-31')
data['Date'] = data.index
data['Date'] = data['Date'].apply(mdates.date2num) # 转换日期为数值格式
# 2. 计算移动平均线
data['MA5'] = data['Close'].rolling(window=5).mean()
data['MA20'] = data['Close'].rolling(window=20).mean()
# 3. 绘制K线图
fig, ax = plt.subplots(figsize=(12, 6))
candlestick_ohlc(ax, data[['Date', 'Open', 'High', 'Low', 'Close']].values, width=0.6, colorup='green', colordown='red')
ax.plot(data['Date'], data['MA5'], color='r', label='5日均线')
ax.plot(data['Date'], data['MA20'], color='g', label='20日均线')
# 4. 优化图表
ax.set_title('股票日K线图（近一年）')
ax.set_xlabel('日期')
ax.set_ylabel('价格')
ax.legend()
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
5) 【面试口播版答案】
面试官您好，我来回答绘制股票日K线图并添加移动平均线的问题。首先，核心步骤是数据获取、计算移动平均线、绘制K线（包含实体和影线）、图表优化。具体来说，先用yfinance下载股票数据（假设股票代码是000001.SZ，获取2023年1月到12月的日数据），然后计算5日和20日移动平均线（用rolling函数对收盘价求均值），接着用mplfinance的candlestick_ohlc函数绘制K线（该函数会根据开盘、收盘、最高、最低价绘制实体和影线），最后优化图表：添加标题“股票日K线图（近一年）”，坐标轴标签“日期”和“价格”，图例标注5日和20日均线，调整日期刻度格式（如%Y-%m-%d），让图表更易读。这样就能得到包含K线和移动平均线的图表，辅助分析趋势。
6) 【追问清单】
- 问：数据来源如何选择？比如用yfinance是否可靠？
回答要点：yfinance是常用的金融数据库，支持多种股票/指数，数据更新及时，适合实习场景，但需注意数据延迟或缺失情况。 - 问：移动平均线的计算方法是否正确？比如是否用收盘价？
回答要点：移动平均线通常用收盘价计算（反映市场收盘时的价格），5日和20日均线是常见周期，用于判断短期和中期趋势。 - 问：如何处理数据中的缺失值？比如跳市或数据错误？
回答要点：用pandas的fillna方法填充（如前向填充或均值填充），确保绘图时数据连续，避免图表断裂。 - 问：如果用Plotly，如何实现交互式功能？比如悬停显示数据？
回答要点：Plotly的candlestick图支持交互，通过go.Candlestick组件添加hover_data参数显示开盘、收盘等数据，并设置layout.hovermode='x unified'实现缩放和悬停提示。 - 问：图表的优化细节，比如颜色选择、刻度调整？
回答要点：颜色选择应对比明显（如K线用红/绿表示涨跌，均线用不同颜色区分）；刻度调整可通过设置xlim、ylim或日期格式化器，确保日期标签不重叠，提高可读性。
7) 【常见坑/雷区】
- 数据获取错误：股票代码或时间范围设置不当，导致数据为空或错误。
- 移动平均线计算错误：窗口大小设置错误（如用开盘价而非收盘价），或
rolling函数参数错误。 - K线图绘制错误：未使用ohlc数据或自定义绘制实体/影线，仅用plot收盘价模拟K线。
- 图表元素缺失：缺少标题、坐标轴标签、图例，导致信息不完整。
- 坐标轴刻度问题：日期刻度旋转角度不当导致标签重叠；价格刻度范围不合理导致趋势不明显。