把一只股票画成第一张 K 线图

上一课结束时，AI 已经读过教学数据包里的四张表，还汇报了每张表装着什么。

蛙兄听完，只问了一句：

“既然数据已经能读了，那我们画张图看看？”

蛙博士伸手按住了回车键。

“可以。不过先别急。坏数据也能画出一张很好看的图。”

蛙兄想了想：

“所以，画图以前还要先问问，数据有没有明显问题？”

“对。但我们今天不做一场数据大体检，只做几项最基本的检查。”

这一次，我们只完成一件事：从教学数据里选择一家虚拟公司，让 AI 检查它的日线数据，再生成一张 K 线图。

我们不研究图形，不寻找买点，也不猜它接下来会涨还是会跌。

这一次，先统一使用教学数据

如果你已经接通自己的外部数据源，那条路线可以继续保留。

不过，不同平台的字段名称、复权方法和返回格式可能不一样。为了不让第一次画图变成一场接口排错大会，这一课先使用已经解压到实验室里的 Hoppy 教学数据。

我们会直接读取：

hoppy-teaching-dataset/
├── companies.parquet
└── stock_daily.parquet

前一张表负责告诉我们“它是谁”，后一张表负责告诉我们“它每天怎样变化”。

AI 可以直接从这两张 Parquet 表里筛选我们选中的公司，不需要再制作另一份数据文件。

如果你还没有成功读取教学数据包，先回到上一课完成下载、解压和第一次读取。缺少原料时，画图程序再努力也只能对着空气比划。

先挑一家虚拟公司

教学数据里有 300 家虚拟公司。它们的代码、中文名和英文名都是为了课程编造的，与现实公司没有对应关系。

我们先让 AI 列出几家公司，再由你挑一家顺眼的。

交给 AI 研究助手

复制

请读取当前项目中 Hoppy 教学数据的 companies.parquet，列出 5 家虚拟公司的代码、中文名和所属教学行业，让我选择其中一家。

现在先不要写绘图程序，也不要分析哪家公司更值得研究。列出候选后停下来等我选择。

这一步没有正确答案。

名字好听、行业看着有趣，甚至只是排在第一位，都可以成为这次选择它的理由。我们选的不是投资标的，只是第一张 K 线图的练习对象。

选好以后，直接用普通话告诉 AI：

我选“晨塔绿境”（003382）这家，请继续。

请把例子里的名字和代码换成你刚刚选中的公司。只写名称或只写代码也可以，重要的是不要只说“这家”，让 AI 能够明确知道你选的是谁。

不需要重新写一份长提示词。AI 已经看得到刚才的对话，我们只需要把这次选择说清楚。

不做全面体检，只看三个地方

AI 找到这家公司的日线数据以后，不要马上画图。

我们先请它检查三个最容易理解的问题。

第一，真的找到数据了吗

至少要知道：

• 一共有多少行；
• 最早和最晚分别是哪一天；
• 读到的数据是不是刚才选择的公司。

如果筛选以后只剩下零行，问题通常不是“这家公司没有人生经历”，而是代码、字段名称或者筛选条件没有对上。

第二，日期有没有乱

日线数据要按照日期从早到晚排列，同一天也不应该无缘无故出现两次。

日期乱序，图可能会左右乱跳；重复日期，则可能让同一天在图上出现两根蜡烛。

所以我们只检查两件事：日期是否排好，是否存在重复日期。

第三，开高低收有没有明显矛盾

一根 K 线至少需要四个价格：开盘、最高、最低和收盘。

它们不能缺失，彼此之间也要说得通：

• 最高价不应该低于当天的开盘价或收盘价；
• 最低价不应该高于当天的开盘价或收盘价；
• 最高价不应该低于最低价。

这些检查并不能证明数据百分之百正确。它们只是先拦住几种特别明显的问题。

现在可以把任务交给 AI 了

确定公司以后，可以把检查和绘图任务一起说明：

交给 AI 研究助手

复制

请使用我刚刚明确选定的虚拟公司，直接从 companies.parquet 和 stock_daily.parquet 读取数据，不要另外制作一份重复的数据文件。

先检查并向我汇报：数据行数和日期范围、日期是否已经从早到晚排列、是否存在重复日期、前复权的开盘价、最高价、最低价和收盘价是否有缺失，以及它们之间是否存在明显矛盾。

如果发现问题，请先停下来解释，不要偷偷删除、填补或修改数据。

如果这些基本检查没有发现问题，请使用 mplfinance 绘制最近 120 个交易日的静态 K 线图，并在下方保留成交量。请先检查当前项目是否已经安装 mplfinance；如果缺少，通过 uv 将它安装到当前项目环境，不要装进整台电脑共用的 Python。

中文版采用 A 股常见配色：收盘价高于开盘价的 K 线使用红色，收盘价低于开盘价的 K 线使用绿色，同时在图中写明颜色含义。

图中请写清虚拟公司的名称和代码、展示日期范围、使用的是前复权价格，以及数据来自 Hoppy 教学样本。只生成这一张图，不添加均线、技术指标、买卖标记或涨跌预测。

请把图片保存到当前项目的输出目录。完成后实际运行程序，并告诉我图片保存在哪里。

这一次统一使用 mplfinance，避免不同绘图库带来额外的安装和调用差异。不过，AI 创建的程序结构和文件名仍然不要求与课程完全相同。

我们关心的是结果有没有做到三件事：实际读取数据、先做检查、再保存一张能够打开的图。

一根 K 线到底装了什么

等待 AI 工作时，我们顺便认识一下即将出现的图。

一根 K 线负责装下一天的四个价格：

最高价
  │
收盘价 ┐
       │  K 线实体
开盘价 ┘
  │
最低价

开盘价和收盘价之间的部分叫作实体。上下伸出去的细线，负责告诉我们当天还到过多高、跌到过多低。

如果收盘价高于开盘价，这根 K 线表示价格从开盘到收盘走高，常被叫作阳线；如果收盘价低于开盘价，它表示价格从开盘到收盘走低，常被叫作阴线。两者相等时，还可能出现实体很薄的平盘 K 线。

这里比较的是当天开盘价与收盘价，不是收盘价与前一天收盘价。一只股票可能低开以后有所回升，收盘仍然低于昨天，却画出一根收盘高于开盘的 K 线。要判断它相对前一天究竟涨了还是跌了，还要比较今天收盘价和前收盘价。

中国市场常见的图表习惯是红色表示上涨、绿色表示下跌。许多欧美行情图正好相反，常用绿色表示上涨、红色表示下跌。

颜色只是显示习惯，不会改变数据本身。后面制作英文版课程时，我们会采用英文读者更熟悉的绿涨红跌，并明确写出图例。

图的下方还会出现成交量。它告诉我们当天交易了多少，但这一课不分析“放量”“缩量”意味着什么。我们只是把日线数据里已经存在的信息如实画出来。

为什么只画最近 120 个交易日

教学数据包含三年日线。如果把全部蜡烛一次塞进一张普通图片里，每根 K 线都会细得像一根头发。

所以，我们先检查完整数据，再只展示最近 120 个交易日。

这个数字不是投资参数，也没有预测意义。它只是让第一张图保持清楚，方便我们看见每根蜡烛。

检查范围和展示范围不是一回事：

完整数据：负责接受基本检查
最近 120 个交易日：负责出现在第一张图里

我们没有为了让走势好看而删除前面的数据，只是没有把全部日期挤进同一张图片。

图生成了，也要亲眼打开看看

AI 说“图片已经保存”，还不等于我们已经看到了图片。

打开它，先看最普通的几件事：

• 图片是不是确实存在；
• K 线和成交量是不是都能看到；
• 日期是不是从左到右前进；
• 标题和坐标有没有挤在一起；
• 红色和绿色的含义有没有写清楚。

有时程序已经成功运行，只是标题太长、文字被裁掉，或者 120 根蜡烛挤得不舒服。这时不需要推翻程序，更不需要修改数据。

把你看到的问题直接告诉 AI，例如：

图已经生成了，但标题和坐标挤在一起。请只调整图表布局，让文字能够完整显示，不要修改数据和检查逻辑。

这仍然是我们一直在练习的协作方式：先看真实结果，再只处理眼前的问题。

第一张图不负责告诉我们该不该买

蛙兄终于打开了图片。

红红绿绿的蜡烛排在屏幕上，他盯着最后几根看了一会儿：

“它最近跌了不少，是不是快该涨了？”

蛙博士摇了摇头。

“我们刚刚只证明了这份数据能够被读取、检查和画出来。至于跌过以后会不会涨，那是另一个需要定义和验证的问题。”

一张 K 线图很容易让人产生故事，但故事还不是证据。

到这里，我们已经让本地实验室真正碰到了市场数据：AI 能够读取 Parquet 文件，找到一家公司，完成几项最基本的检查，并保存第一张 K 线图。

如果你觉得有趣，可以继续和 AI 聊聊，换一家虚拟公司，或者换一段时间再画一次。这里没有标准玩法，也不属于本课必须完成的任务。

下一次，我们不再只看一家公司。我们会把视线扩展到许多虚拟股票，并研究一个听起来有点不靠谱、却可以被认真测一测的问题：虚构股票代码里的数字 8，真的会和后来的表现有关吗？