4、资金流向图绘制基础：Matplotlib与Plotly入门

各位同学，今天咱们来聊聊资金流向图绘制的基础工具。说实话，我做了这么多年量化分析，最深的体会就是：数据再漂亮，画不出来也是白搭。你想想看，一堆数字堆在那儿，谁能一眼看出资金是进是出？

所以这一章，我带你入门两个最常用的绘图库——Matplotlib和Plotly。一个偏静态，一个偏交互。咱们先画最简单的柱状图和折线图，把基本功打扎实。

4.1 为什么先学这两个库？

我个人习惯是：快速探索用Plotly，正式输出用Matplotlib。为什么？

• Matplotlib：老牌库，稳定可靠。我早期做量化回测报告，所有图表都用它。导出PDF、PNG，清晰度没得挑。
• Plotly：交互式，鼠标悬停能看到数值。我在做资金流向监控Dashboard时，必用Plotly。客户喜欢能拖拽、能放大的图表。

4.2 环境准备

先装库。打开终端，一行搞定：

pip install matplotlib plotly pandas

嗯，这里要注意。如果你用的是Jupyter Notebook，Plotly需要额外配置才能显示。我踩过这个坑，后来发现加一行代码就行：

import plotly.io as pio
pio.renderers.default = 'notebook'  # 或者 'iframe'

4.3 用Matplotlib画柱状图——资金流入流出对比

咱们先模拟一组数据。假设有5只股票，今天的主力资金净流入情况：

import matplotlib.pyplot as plt
import numpy as np

# 模拟数据
stocks = ['贵州茅台', '宁德时代', '招商银行', '中国平安', '五粮液']
inflow = [2.3, 1.8, -0.5, 0.9, -1.2]  # 单位：亿元

# 设置颜色：流入为红，流出为绿
colors = ['#ff4d4f' if v > 0 else '#52c41a' for v in inflow]

# 绘制柱状图
plt.figure(figsize=(10, 6))
bars = plt.bar(stocks, inflow, color=colors, alpha=0.8)

# 添加数值标签
for bar, val in zip(bars, inflow):
    plt.text(bar.get_x() + bar.get_width()/2, 
             bar.get_height() + 0.1 if val > 0 else bar.get_height() - 0.3,
             f'{val:.1f}亿', ha='center', fontsize=11)

plt.title('主力资金净流入（亿元）', fontsize=14, fontweight='bold')
plt.axhline(y=0, color='gray', linestyle='--', linewidth=0.8)
plt.ylabel('净流入金额（亿元）')
plt.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.show()

这段代码我用了好多年。核心就几点：

• 颜色区分：流入用红色，流出用绿色。这是行业惯例，别搞反了。
• 零线参考：axhline画一条虚线，一眼看出谁在净流入谁在净流出。
• 数值标签：柱子上方标数字，省得读者去猜。

4.4 用Matplotlib画折线图——资金流向趋势

柱状图看的是某个时间点的截面数据。那如果要看某只股票连续5天的资金流向变化呢？折线图上场。

# 模拟5天的资金流向数据
days = ['周一', '周二', '周三', '周四', '周五']
net_flow = [0.5, 1.2, -0.3, 0.8, 1.5]  # 单位：亿元

plt.figure(figsize=(10, 5))
plt.plot(days, net_flow, marker='o', linewidth=2, color='#1890ff', markersize=8)

# 填充面积
plt.fill_between(range(len(days)), net_flow, alpha=0.15, color='#1890ff')

# 标注关键点
for i, val in enumerate(net_flow):
    plt.text(i, val + 0.1, f'{val:.1f}亿', ha='center', fontsize=10)

plt.title('贵州茅台本周资金净流入趋势', fontsize=14, fontweight='bold')
plt.axhline(y=0, color='gray', linestyle='--', linewidth=0.8)
plt.ylabel('净流入金额（亿元）')
plt.grid(alpha=0.3)
plt.tight_layout()
plt.show()

这里我加了个小技巧——fill_between填充面积。为什么？因为视觉上更直观，资金流入的「势能」一眼就能看出来。我在做周报时经常用这个手法，领导反馈说「看着舒服」。

4.5 用Plotly画交互式柱状图

好，静态的看完了。咱们来点动态的。Plotly的柱状图，鼠标悬停就能看到数值，还能缩放、拖拽。

import plotly.graph_objects as go

# 同样的数据
stocks = ['贵州茅台', '宁德时代', '招商银行', '中国平安', '五粮液']
inflow = [2.3, 1.8, -0.5, 0.9, -1.2]

# 颜色映射
colors = ['#ff4d4f' if v > 0 else '#52c41a' for v in inflow]

fig = go.Figure(data=[
    go.Bar(x=stocks, y=inflow, marker_color=colors,
           text=[f'{v:.1f}亿' for v in inflow],
           textposition='outside')
])

fig.update_layout(
    title='主力资金净流入（亿元）——交互版',
    yaxis_title='净流入金额（亿元）',
    showlegend=False,
    height=500,
    width=800
)

fig.show()

你看，代码量其实差不多。但Plotly多了一个好处：交互。鼠标移到柱子上，自动显示数值。这在做演示时特别有用——你不用提前标注所有数字，观众自己看就行。

4.6 用Plotly画交互式折线图

最后，咱们把折线图也做成交互的。还是那5天的数据：

days = ['周一', '周二', '周三', '周四', '周五']
net_flow = [0.5, 1.2, -0.3, 0.8, 1.5]

fig = go.Figure(data=[
    go.Scatter(x=days, y=net_flow, mode='lines+markers',
               line=dict(color='#1890ff', width=3),
               marker=dict(size=10, color='#1890ff'),
               fill='tozeroy', fillcolor='rgba(24,144,255,0.15)',
               name='净流入')
])

fig.update_layout(
    title='贵州茅台本周资金净流入趋势——交互版',
    yaxis_title='净流入金额（亿元）',
    hovermode='x unified',
    height=500,
    width=800
)

fig.show()

这里我特别推荐 hovermode='x unified'。什么意思？就是鼠标在图表上移动时，同一x轴位置的所有数据点一起显示。做资金流向分析时，你经常需要对比不同时间点的数据，这个模式省事很多。

4.7 两个库的对比总结

说了这么多，咱们用一张表收个尾：

对比维度	Matplotlib	Plotly
输出格式	静态图片（PNG/PDF/SVG）	交互式HTML
交互能力	无	悬停、缩放、拖拽
学习曲线	中等（API较底层）	较平缓（高层封装）
适合场景	论文、报告、印刷品	网页、Dashboard、演示
数据量支持	适合中小规模	适合大规模（WebGL加速）
我的使用频率	60%	40%

说白了，两个都是好工具。我个人的工作流是：先用Plotly快速探索数据，找到规律后，再用Matplotlib精修图表，放到报告里。你也不妨试试这个套路。

---

公众号:蓝海资料掘金营，微信deep3321