symbol和date是 Dataframe 的索引。通过绘制整个 Dataframe ，可以按顺序绘制两个系列。
这里有一种绘制每个股票行情的方法：

import pandas as pd
import matplotlib.pyplot as plt
from yahooquery import Ticker

tickers = Ticker('aapl nflx', asynchronous=True)
df = tickers.history()
df.query('symbol == "aapl"')["adjclose"].plot()
df.query('symbol == "nflx"')["adjclose"].plot()
plt.xticks(rotation=90)
plt.show()

这使用query提取每个符号。

首先，使用df.pivot将df转换为更容易理解的形状，以便绘制方法：

import pandas as pd
from yahooquery import Ticker

tickers = Ticker('aapl nflx', asynchronous=True)
df = tickers.history()

df_pivot = df.reset_index().pivot(index='date',
                                  columns='symbol', values='adjclose')

symbol            aapl        nflx
date                              
2022-01-03  181.259918  597.369995
2022-01-04  178.959457  591.150024
2022-01-05  174.199142  567.520020
2022-01-06  171.291199  553.289978
2022-01-07  171.460495  541.059998

接下来，看看sns.lineplot：

import matplotlib.pyplot as plt
import matplotlib.dates as md
import matplotlib.ticker as mtick

import seaborn as sns
sns.set_theme()

fig, ax = plt.subplots(figsize=(10,6))

ax = sns.lineplot(data=df_pivot, palette=['r','b'], dashes=False)

# adjust axes for readability

ax.xaxis.set_major_locator(md.WeekdayLocator(byweekday = 1))
ax.set_xlim(df_pivot.index.min(), df_pivot.index.max())
ax.yaxis.set_major_locator(mtick.MultipleLocator(50))

plt.xticks(rotation=90)
plt.tight_layout()
plt.show()

结果：

小时
顺便说一句，如果你想比较这两种股票，绘制百分比可能更有意义。例如。：

df_pivot_perc = df_pivot.div(df_pivot.iloc[0,:]).mul(100)
fig, ax = plt.subplots(figsize=(10,6))

ax = sns.lineplot(data=df_pivot_perc, palette=['r','b'], dashes=False)
ax.xaxis.set_major_locator(md.WeekdayLocator(byweekday = 1))
ax.set_xlim(df_pivot.index.min(), df_pivot.index.max())

fmt = '%.0f%%'
yticks = mtick.FormatStrFormatter(fmt)
ax.yaxis.set_major_formatter(yticks)
ax.yaxis.set_major_locator(mtick.MultipleLocator(10))

plt.xticks(rotation=90)
plt.tight_layout()
plt.show()

结果：

小时