从零创建带正方形网格的K线图，适配江恩工具的库选型咨询

一、从零创建带正方形网格的K线图 #

用Matplotlib+Pandas就能从零实现，核心是让坐标轴比例为1:1，这样网格自然就是正方形。以下是完整代码：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle

# 生成示例K线数据（实际使用时可替换为真实行情数据）
data = pd.DataFrame({
    'Open': [30, 32, 31, 33, 35],
    'High': [32, 33, 32, 36, 37],
    'Low': [29, 31, 30, 32, 34],
    'Close': [32, 31, 33, 35, 36],
}, index=pd.date_range('2024-01-01', periods=5))

# 创建画布，关键设置：坐标轴比例为1:1
fig, ax = plt.subplots(figsize=(10, 10))
ax.set_aspect('equal')  # 让x、y轴单位长度一致，保证网格是正方形

# 逐根绘制K线
for idx_pos, (date, bar) in enumerate(data.iterrows()):
    # 确定K线颜色：收涨红，收跌绿
    color = 'crimson' if bar['Close'] >= bar['Open'] else 'forestgreen'
    # 绘制K线实体
    body_height = abs(bar['Close'] - bar['Open'])
    body_y = min(bar['Open'], bar['Close'])
    ax.add_patch(Rectangle((idx_pos - 0.3, body_y), 0.6, body_height, 
                          facecolor=color, edgecolor='black'))
    # 绘制上下影线
    ax.plot([idx_pos, idx_pos], [bar['Low'], bar['High']], color='black')

# 配置坐标轴
ax.set_xticks(range(len(data)))
ax.set_xticklabels(data.index.strftime('%Y-%m-%d'), rotation=45)
ax.set_ylabel('Price')
ax.set_title('K线图（正方形网格）')

# 添加正方形网格
ax.grid(True, linestyle='--', alpha=0.7)

plt.tight_layout()
plt.show()

如果用真实行情数据，建议把x轴换成交易日的序号（而非日期对象），这样更容易控制1:1的比例——因为日期轴的单位是时间，和价格轴的数值单位不好直接对齐，用序号作为x轴能更精准地实现正方形网格。

二、适合实现江恩工具的库选择 #

江恩45度角（时间=价格）、江恩正方形需要精准的坐标控制和自定义图形绘制能力，各库的适配性如下：

Bokeh → 最优选择 #

Bokeh的底层绘图API非常灵活，完全支持自定义直线、多边形、圆形等几何图形，能精准绘制江恩角度线、正方形网格。同时它的交互式特性（缩放、拖拽）很适合调整江恩工具的位置，而且可以轻松设置1:1的坐标轴比例，完美匹配江恩“时间=价格”的核心逻辑。

Plotly → 次优选择 #

Plotly支持添加自定义形状（直线、矩形），能快速实现江恩工具的绘制，也支持坐标轴比例调整。它的优势是自带丰富的交互功能，文档和社区资源也很充足，但自定义程度略逊于Bokeh。

mplfinance → 不推荐 #

mplfinance是专门做K线快速绘制的封装库，内置功能都是针对标准K线的，自定义几何图形的能力极差，很难精准控制江恩工具的位置和比例，不适合做这类需求。

bqplot → 仅限Jupyter环境 #

bqplot是Jupyter生态下的交互式绘图库，支持自定义标记和线条，也能控制坐标轴比例，但生态成熟度远不如Bokeh和Plotly，文档和案例较少，遇到问题很难找到解决方案。

cufflinks → 不推荐 #

cufflinks是Plotly的上层封装，主打简化金融绘图，但进一步限制了自定义能力，几乎无法实现复杂的江恩几何工具。

总结：优先选Bokeh；如果追求快速上手的交互式效果，选Plotly；静态绘图的话，用Matplotlib也能实现，但交互性差。

内容的提问来源于stack exchange，提问作者Alan Wong