直接用plotly.graph_objects.figure更适合金融看板，因其支持多源时间序列叠加、自定义缩放、联动横轴及响应式图例；需显式配置rangebreaks、hovermode='x unified'、rangeslider与fixedrange组合，并通过make_subplots实现子图联动，导出时注意字体与tickformat设置。
为什么直接用 plotly.graph_objects.Figure 比 plotly.express 更适合金融看板
金融数据常需叠加多源时间序列（如价格、成交量、均线）、自定义缩放范围、联动横轴、响应式图例控制——plotly.express 的封装太深，容易锁死交互逻辑。用 graph_objects 手动构建，才能精确控制 rangeslider、rangebreaks 和 hovermode 行为。
常见错误是直接套用 px.line(df, x='date', y='close') 后发现无法禁用周末空白、缩放后均线错位、或鼠标悬停只显示单列值。这些都不是 bug，而是默认配置没覆盖金融场景的特殊性。
- 必须显式设置
layout.xaxis.rangebreaks跳过非交易时段（如周末、节假日） - 多 trace 时，
hovermode='x unified'才能让所有指标在同个横坐标上对齐显示 - 若用
add_trace()动态添加，需统一设置xaxis='x'和yaxis='y'避免坐标系分裂
如何让 K 线图支持平滑缩放且不丢失细节
K 线图（go.Candlestick）默认缩放会触发重采样，导致蜡烛被聚合、影线消失。这不是性能优化，而是 Plotly 在前端自动降采样造成的视觉失真。
关键不是关掉缩放，而是告诉它“别擅自聚合”：
- 设置
layout.xaxis.rangeslider.visible = True开启滑块，但同时加layout.xaxis.rangeselector.buttons提供预设周期（1d/1w/1m） - 禁用自动降采样：
layout.xaxis.fixedrange = False（允许缩放），但必须配layout.xaxis.type = 'date'且确保df['date']是datetime64[ns] - 若数据点超 10k，缩放卡顿——此时应提前用
pandas.resample()或plotly.graph_objects.Scattergl替代Candlestick（后者基于 WebGL，但不支持完整 K 线样式）
怎样实现多个子图联动缩放和共享横轴
金融看板常见上图 K 线 + 下图成交量 + 右侧 MACD，三者必须横轴同步缩放。Plotly 默认各 subplot 独立缩放，需手动绑定。
核心是复用同一套 x 轴配置，并关闭子图的独立 range slider：
- 主图用
fig = make_subplots(rows=2, cols=1, shared_xaxes=True, vertical_spacing=0.05) - 第一行加 K 线：
fig.add_trace(go.Candlestick(...), row=1, col=1) - 第二行加成交量：
fig.add_trace(go.Bar(x=df['date'], y=df['volume']), row=2, col=1) - 关键：设置
fig.update_layout(xaxis_rangeslider_visible=False)，只保留最上方图的rangeslider，其他子图会自动跟随 - 若要右侧加指标（如布林带宽度），用
make_subplots(cols=2, specs=[[{}, {'secondary_y': True}]])，但注意secondary_y不支持rangeslider，得靠主 x 轴驱动
导出静态图时为何价格标签全乱了？
用 fig.write_image('dash.png') 导出时，中文标题、价格单位（¥、$）或小数点后精度常错位甚至丢失——这不是字体问题，而是 Plotly 的静态导出引擎（Orca 或 Kaleido）默认不嵌入字体，且对 tickformat 解析不一致。
绕过方法很直接：
- 强制指定数字格式：
layout.yaxis.tickformat = '.2f'（避免科学计数法干扰排版） - 中文标签必须用
layout.font.family = 'SimHei, Microsoft YaHei, sans-serif'，并确认系统已安装对应字体（Linux 需额外装fonts-wqy-zenhei） - 更稳妥的做法是导出为
fig.write_html('dashboard.html')，再用浏览器打印为 PDF——保留全部交互样式，且字体渲染准确
真正麻烦的是时间轴上的节假日标注：用 shapes 加竖线很容易，但导出时位置偏移。唯一可靠方式是用 add_vline(x='2023-01-22', line_dash='dot') 并确保 x 值类型与主数据一致（datetime 而非字符串）。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
