读入一张股价数据表，把第一列日期变成计算机认识的"时间索引"，然后把每只股票的走势画出来。我用的数据长这样：第一列是日期，从 2026 年 9 月 1 日到 10 月 28 日共 36 个交易日，后面 10 列是 10 只 A 股的收盘价——华天科技、峨眉山A、美能能源、国科军工、大洋电机、华尔泰、山煤国际、中谷物流、中国石油、湖南天雁。
数据有了，接下来就是课程开头那段固定代码。以前我都是直接抄，这次决定逐行搞懂。
pythonimport warningswarnings.filterwarnings("ignore")import numpy as npimport pandas as pdimport matplotlib.pyplot as pltplt.style.use('seaborn')%matplotlib inline
翻译成大白话：前两行是让 Python"别唠叨"，运行警告不弹出来，对结果没有任何影响；`import numpy as np` 是搬来一台计算器，专门做数字运算；`import pandas as pd` 是搬来一位 Excel 高手，专门处理表格；`import matplotlib.pyplot as plt` 是搬来一支画笔，负责画图；`plt.style.use('seaborn')` 只是给图选个好看的皮肤；最后的 `%matplotlib inline` 是让图直接贴在代码下方显示。所谓"导入安装包"，其实就是开工前把工具箱搬上桌，并没有那么神秘。
不过，真正让我学到东西的，是照抄过程中踩的四个坑。费曼学习法有个说法：讲不清楚、做不顺利的地方，就是你知识的漏洞。我把它们全记下来了。
第一个坑是 `plt.style.use('seaborn')` 直接报错。查了一下，新版 matplotlib 把这个样式名改了，要写成 `'seaborn-v0_8'`；如果还报错，干脆删掉这行，不影响分析。第二个坑是 `%matplotlib inline` 在 PyCharm 里报 SyntaxError——这一行根本不是 Python 语言，而是 Jupyter 专属的魔法命令，换到 PyCharm 必须删掉。第三个坑更隐蔽：图弹不出来、数据也不显示。原来 Jupyter 很"贴心"，写个变量名就显示表格，写完 plot 就出图；而 PyCharm 里一切都要明说，看数据要写 `print(data.head())`，画图结尾必须加 `plt.show()`。第四个坑是 FileNotFoundError，找不到表格文件。代码里只写文件名时，Python 只会在脚本所在的文件夹里找，所以最简单的办法就是把 Excel 和 .py 文件放进同一个文件夹；不确定脚本在哪，就加一行 `import os; print(os.getcwd())` 让它自己告诉你。
踩完这四个坑，就有了下面这份最终版代码，PyCharm 里复制即可运行：
pythonimport warningswarnings.filterwarnings("ignore")import numpy as npimport pandas as pdimport matplotlib.pyplot as pltplt.style.use('seaborn-v0_8')plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = Falsedata = pd.read_excel('A股收盘价_20260901-20261028.xlsx', index_col='日期')
data.index = pd.to_datetime(data.index)
print(data.head())print(data.info())
data.plot(figsize=(12, 6))plt.title('A股收盘价走势（2026-09-01 至 2026-10-28）')plt.ylabel('收盘价（元）')plt.show()
data.plot(subplots=True, layout=(5, 2), figsize=(14, 16), legend=False)plt.suptitle('各股票收盘价走势')plt.tight_layout()plt.show()
代码跑通只是开始，先读图，再谈分析。第一张合并图一出来，立刻暴露了一个典型问题：
国科军工股价在 40 到 52 元，其余 9 只大多在 6 到 16 元。画在同一个坐标系里，低价股全被压成了"地板上的直线"，什么波动都看不出来。这正是数据可视化里的常见陷阱：量纲差异太大的东西，不要硬画在一起。解决办法也简单，让每只股票单独占一个小图。
如果想要表格信息在工作台输出，只需要一行，加上print前缀，保留两位小数，就能统计出多少数据，平均股价，最大最小值等重要数据
print(data.describe().round(2))
如果只想要最小值和最大值，可以采用aggregate，具体写法如下：
print(data.aggregate([min, max]))
接下来要分享的是显示每一天收盘价的差值，其中head()表示只显示前5行
print(data.diff().head())
当然，运用mean去求出平均差价也是可以的，加个后缀就行
print(data.diff().mean())
当然，实战中我们更多聊的是个股收益率，也就是当日收盘价-昨日收盘价，再除以昨日收盘价，python中也有现成的函数，pct_change，同样只看前5行的，这里留个3位小数，具体代码如下：
print(data.pct_change().head().round(3))
可以看到第一个圈住的是-0.028，实际运算就是（16.05-16.52）/16.52
接下来把10只个股涨幅一平均，再画张图，以柱状图的形式输出，代码如下：
(data.pct_change().mean() * 100).plot(kind='bar', figsize=(10, 6))plt.ylabel('日均收益率（%）')plt.show()
如果觉得自己画的颜色太单调，可以加点参数，在第二行中用条件去区分red和green两种情况，变更后如下：
mean_ret = data.pct_change().mean() * 100colors = ['red' if v > 0 else 'green' for v in mean_ret]mean_ret.plot(kind='bar', figsize=(10, 6), color=colors)plt.ylabel('日均收益率（%）')plt.show()
接下来的一段代码是统计1元起始资金到如今的含金量，apply(np.exp)负责对解压还原。
rets = np.log(data / data.shift(1))rets.cumsum().apply(np.exp).plot(figsize=(10, 6))plt.ylabel('净值（元）')plt.title('1元钱持有到现在的净值')plt.show()
从这图中可以看到最后是天洋电机更值钱！
刚才更新了我的原始表格，这次从2024年开始统计
需要这个原始表格赞赏任意金额，一起探讨，我们下期继续分享！
