既然你有一个看起来很大的pandasDataFrame，你可以使用mfinance。我将绘制一个在文档中找到的数据集（* 与您的格式匹配，但有更多的行来选择一段时间--通过使用部分字符串索引 *--），以获得有意义的可视化。

import pandas as pd
import mplfinance as mpf #pip install mplfinance

url = "https://raw.githubusercontent.com/matplotlib/" \
      "mplfinance/master/examples/data/SP500_NOV2019_IDay.csv"

df = pd.read_csv(url, index_col=0, parse_dates=True)

a_period = df.loc["2019-11-06 15:00":"2019-11-06 16:00", :]

mpf.plot(a_period, type="candle", mav=(7,12))

输出：

• 使用的数据集/周期：*

print(a_period)

                       Open   Close    High     Low  Volume
Date                                                       
2019-11-06 15:00:00 3075.25 3074.57 3075.25 3074.57       0
2019-11-06 15:01:00 3074.55 3074.49 3074.70 3074.30       0
2019-11-06 15:02:00 3074.48 3074.24 3074.56 3074.21       0
...                     ...     ...     ...     ...     ...
2019-11-06 15:58:00 3075.49 3075.54 3075.98 3075.49       0
2019-11-06 15:59:00 3075.69 3076.75 3076.79 3075.55       0
2019-11-06 16:00:00 3076.74 3076.73 3076.74 3076.72       0

[61 rows x 5 columns]

在matlab中，可以通过使用

table2timetable()

首先，你需要在python中创建一个DataFrame，将time设置为date time：

data["Time"]= pd.to_datetime(data["Time"],unit='s')

在这之后，你必须索引时间

data.set_index(data["Time"],inplace=True)

并将df传递给csv

data.to_csv(str(symbol)+".csv")

一旦你有了CSV，在MATLAB中
读取csv并使其成为表

prices=readtable("EURUSD.csv")

把table整理好

prices=table2timetable(prices)

删除NaN行（& D）

prices=rmmissing(prices)

我不认为这件事有太多的复杂性。编写一个带有时间列的CSV文件并将其读入matlab
https://www.mathworks.com/help/matlab/ref/readtimetable.html（可能会在某个时间死亡...）
编辑：
接受你所尝试的。你已经OUTPUT了dataframe的index列。这是作为你的日期时间列读到时间表。手动删除该列（更痛苦），或者更改输出代码，使其不保存索引列--我认为这是错误的。
您可能还需要使用datetime库或类似的库将日期和时间列组合成datetime列-或作为时间戳/epochs。
还要注意的是，table 2 timestimate不能解决你的问题，因为你没有一个列可以作为采样率、时间戳、日期时间等。您必须首先修复数据集输出格式，然后才能修复使用

readtimetable('file.csv')

或

table2timetabel('file.csv', 'RowTimes', timeVarName)