1. 课程导入与目标设定

十档盘口是A股Level-2行情中最具信息密度的部分之一：买一到买十、卖一到卖十共二十个价位，每个价位都带有价格与委托数量，行情快照通常以3秒为间隔推送。单看某一帧快照，交易者只能看到"此刻的挂单厚度"；而真正决定盘口解读价值的，是这些挂单在时间轴上的变化过程——大单是撤了还是被吃了、买卖力量是持续失衡还是瞬间脉冲、某个价位是反复堆积还是快速消耗。本课程要解决的核心问题就是：如何把连续快照中的十档盘口状态，转化为可回放、可对比、可检索的可视化历史，让"盘口记忆"从人脑的模糊印象变成可复用的分析资产。

为什么需要"历史状态"而不是"实时快照"

实时盘口软件大多只呈现当前一帧，历史帧要么被覆盖，要么只能以逐笔成交或分时图间接推断。这带来三个典型痛点：其一，撤单不可见。某档位数量从8000手降到2000手，可能是被成交吃掉，也可能是撤单，二者对后续走势的含义完全不同，仅看快照无法区分。其二，节奏不可感。盘口失衡持续了5秒还是5分钟，决定了它是噪声还是信号，而单帧没有时间维度。其三，复盘不可查。事后想验证"当时卖五压单突然消失后价格是否上攻"，缺少可定位到具体时刻的盘口画面。

因此，本课程的目标不是做一个"更漂亮的盘口界面"，而是建立一条完整链路：原始快照 → 状态结构化 → 变化事件提取 → 历史可视化 → 洞察与验证。可视化只是链路的呈现端，前面的数据组织方式决定了后面能看出什么。

课程工具链与最终交付物

为了让链路可落地，本课程统一使用一套轻量工具链，避免陷入复杂工程环境：Python + pandas负责快照数据的清洗与状态表构建，NumPy处理档位矩阵运算，Plotly或Matplotlib完成时间轴热力图与回放视图，Jupyter Notebook作为交互式分析载体。数据源可以是券商Level-2历史快照文件（常见为逐帧CSV或二进制解析后的结构化表），也可以是自行录制的行情样本。课程不依赖特定商业终端，所有示例都以"一张包含时间戳、买卖十档价格与数量的宽表"为起点。

最终交付物是一份盘口历史状态可视化报告，包含三部分：一张按时间展开的十档挂单热力条带图（横轴为时间，纵轴为二十个档位，颜色深浅表示委托量），一组关键变化事件的标注（如"卖五1080手在14:32:15被连续成交消耗至120手"），以及一段可回放的区间视图，支持按时间窗口截取并对比前后状态。这份报告既是分析成果，也是后续章节逐步搭建的目标。

学习路径与关键约定

课程将按"数据准备—状态建模—事件识别—可视化实现—案例验证"的顺序推进。在开始前需要明确两个约定，全文与所有图示保持一致：第一，档位编号方向，买一为最接近当前价的下方一档，买十为下方第十档；卖一同理向上。第二，数量单位统一为"手"，价格统一保留两位小数，时间戳统一为"时:分:秒"并保留毫秒用于事件定位。这两个约定看似琐碎，但在后续做档位对齐和跨帧比较时，方向或单位不一致会直接导致失衡度计算反向，是初学者最常见的错误来源。

需要强调的是，可视化的目的不是"把数据画出来"，而是让原本隐藏在连续帧中的状态转移变得可观察。当你能在一条时间轴上指出"这一刻卖压开始堆积、那一刻买盘被抽走"，并且能用事件规则解释颜色变化的原因，这条从数据到洞察的链路才算真正打通。接下来的章节将从快照数据的读取与字段规范开始，逐步把这张图上的每一个元素变成可计算、可复现的结果。