该系列视频已经搬运至bilibili： 点击查看
欢迎来到Python for Finance教程系列的第2部分。 在本教程中，我们将利用我们的股票数据进一步分解一些基本的数据操作和可视化。 我们将要使用的开始代码（在前面的教程中已经介绍过）是：
import datetime as dt
import matplotlib.pyplot as plt
from matplotlib import style
import pandas as pd
import pandas_datareader.data as web style.use('ggplot')
start = dt.datetime(2000,1,1)
end = dt.datetime(2016,12,31)
df = web.DataReader('TSLA', 'yahoo', start, end)
我们可以用这些DataFrame做些什么？ 首先，我们可以将它们轻松保存为各种数据类型。 一个选项是csv：
df.to_csv('TSLA.csv')
我们也可以将数据从CSV文件读取到DataFrame中，而不是将数据从Yahoo财务API读取到DataFrame中：
df = pd.read_csv('tsla.csv', parse_dates=True, index_col=0)
现在，使用指令进行绘制：
df.plot()
plt.show()
酷，除了我们真正能看到的唯一的事情是成交量，因为它的规模比股票价格大得多。 我们如何才能绘制出我们感兴趣的内容？
df['Adj Close'].plot()
plt.show()
正如你所看到的，你可以在DataFrame中引用特定的列，例如：df ['Adj Close']，但是你也可以一次引用多个，如下所示：
df[['High','Low']]
在下一篇教程中，我们将介绍这些数据的一些基本操作，以及一些更基本的可视化。