我们引入了，允许我们修改图表底部的ticker信息。 然后我们从matplotlib.finance模块中引入candlestick_ohlc功能。

    现在，我们需要组织我们的数据来和 matplotlib 协作。 如果你刚刚加入我们，我们得到的数据如下：

    1. stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=1m/csv'
    2. source_code = urllib.request.urlopen(stock_price_url).read().decode()
    3. stock_data = []
    4. split_source = source_code.split('\n')
    5. for line in split_source:
    6.     split_line = line.split(',')
    7.     if len(split_line) == 6:
    8.         if 'values' not in line and 'labels' not in line:
    9.             stock_data.append(line)
    12. date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
    13.                                                       delimiter=',',
    14.                                                       unpack=True,
    15.                                                       converters={0: bytespdate2num('%Y%m%d')})

    现在，我们需要构建一个 Python 列表，其中每个元素都是数据。 我们可以修改我们的loadtxt函数，使其不解构，但随后我们还是希望引用特定的数据点。 我们可以解决这个问题，但是我们最后可能只拥有两个单独的数据集。 为此，我们执行以下操作：

    1. candlestick_ohlc(ax1, ohlc)

    图表应该是这样：

    不幸的是，x轴上的datetime数据不是日期戳的形式。 我们可以处理它：

    1. candlestick_ohlc(ax1, ohlc, width=0.4, colorup='#77d879', colordown='#db3f3f')

    最后，我们可以将x标签设置为我们想要的数量，像这样：

    现在，完整代码现在是这样：

    1. import matplotlib.pyplot as plt
    2. import matplotlib.dates as mdates
    3. import matplotlib.ticker as mticker
    4. from matplotlib.finance import candlestick_ohlc
    7. import urllib
    8. import datetime as dt
    11.     strconverter = mdates.strpdate2num(fmt)
    12.     def bytesconverter(b):
    13.         s = b.decode(encoding)
    14.         return strconverter(s)
    15.     return bytesconverter
    18. def graph_data(stock):
    20.     fig = plt.figure()
    21.     ax1 = plt.subplot2grid((1,1), (0,0))
    23.     stock_price_url = 'http://chartapi.finance.yahoo.com/instrument/1.0/'+stock+'/chartdata;type=quote;range=1m/csv'
    24.     source_code = urllib.request.urlopen(stock_price_url).read().decode()
    25.     stock_data = []
    26.     split_source = source_code.split('\n')
    27.     for line in split_source:
    28.         split_line = line.split(',')
    29.         if len(split_line) == 6:
    30.             if 'values' not in line and 'labels' not in line:
    31.                 stock_data.append(line)
    34.     date, closep, highp, lowp, openp, volume = np.loadtxt(stock_data,
    35.                                                           delimiter=',',
    37.                                                           converters={0: bytespdate2num('%Y%m%d')})
    38.     x = 0
    39.     y = len(date)
    40.     ohlc = []
    42.     while x < y:
    43.         append_me = date[x], openp[x], highp[x], lowp[x], closep[x], volume[x]
    44.         ohlc.append(append_me)
    45.         x+=1
    48.     candlestick_ohlc(ax1, ohlc, width=0.4, colorup='#77d879', colordown='#db3f3f')
    50.     for label in ax1.xaxis.get_ticklabels():
    51.         label.set_rotation(45)
    53.     ax1.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
    54.     ax1.xaxis.set_major_locator(mticker.MaxNLocator(10))
    55.     ax1.grid(True)
    58.     plt.xlabel('Date')
    59.     plt.ylabel('Price')
    60.     plt.title(stock)
    61.     plt.legend()
    62.     plt.subplots_adjust(left=0.09, bottom=0.20, right=0.94, top=0.90, wspace=0.2, hspace=0)
    63.     plt.show()

    结果为：

    还要注意，我们从前面的教程中删除了大部分ax1的修改。