正文
折线图是很不错，但是每个日期都至少包含四个变量（开盘价、最高价、最低价、收盘价），我们希望有一些可视化的方法能够同时展示这四个变量，而不是简单地画四条折线。金融数据通常以日本蜡烛图（即K线图）的形式绘制，这种图表最早在18世纪由日本米市商人命名。matplotlib可以绘制这样的图表，但操作起来比较复杂。
我实现了一个函数，你可以更容易地在pandas数据框架中创建蜡烛图，并使用它绘制我们的股票数据。（代码基于这个例子，你可以在这里找到相关函数的文档）
在蜡烛图中，黑色蜡烛表示交易日当天收盘价高于开盘价（盈利），而红色蜡烛表示交易日当天开盘价高于收盘价（亏损）。烛芯表示最高价与最低价，蜡烛体则表示开盘价与收盘价（颜色用来区分哪一侧为开盘价，哪一侧为收盘价）。蜡烛图在金融领域很受欢迎，根据图表中蜡烛的形状、颜色以及位置，技术分析中的一些策略可以使用它来制定交易策略。但在这里我不会介绍有关这类策略的内容。
我们可能希望在同一张图表中绘制多个金融商品的数据；我们可能想要对比股票，将它们与市场进行比较，或者看看其他证券，比如交易所交易基金（ETFs）。之后，我们可能还想看看如何根据一些指标，如移动均线，来绘制金融商品。对于这种情况，你最好使用折线图而不是蜡烛图。（如何将多个蜡烛图相互叠加在一起而不使图表混乱？）
在下面的代码中，我获取了一些其他科技公司的股票数据，并把它们的调整收盘价格绘制在了一起。
这张图有什么问题？尽管绝对价格很重要（昂贵的股票很难购买，这不仅影响着这类股票的价格波动，也影响着你交易这类股票的能力），但是在交易过程中，相比绝对价格，我们更加关心资产的相对变化。谷歌的股票比苹果和微软的股票贵得多，这种差异使得苹果和微软股票的波动看起来比实际情况小得多。
一种解决方案是在绘制图表时使用两种不同的尺度；一种尺度用于苹果和微软的股票，另一种尺度用于谷歌股票。
然而，一个"更好的"解决方案是，仅在图表中绘制我们真正想要的信息：股票的回报。这就需要我们根据需求将数据转换成更有用的形式。这里有几种我们可以应用的转换。
一种方式是考虑股票自利息周期开始以来的回报。换句话说，我们绘制：
