【数据分析与可视化】股票市场分析实战之历史趋势分析
# 基本信息
import numpy as np
import pandas as pd
from pandas import Series, DataFrame# 股票数据读取
import pandas_datareader as pdr# 可视化
import matplotlib.pyplot as plt
import seaborn as sns
#%matplotlib inline# time
from datetime import datetime
start = datetime(2015,9,20)
# 获取阿里股票数据
alibaba = pdr.get_data_yahoo('BABA', start=start)
# 获取亚马逊数据
amazon = pdr.get_components_yahoo('AMZN')
# 数据存储alibaba.to_csv('url')
# 读取本地数据
alibaba = pd.read_csv('/Users/bennyrhys/Desktop/数据分析可视化-数据集/homework/BABA.csv',index_col=0)
amazon = pd.read_csv('/Users/bennyrhys/Desktop/数据分析可视化-数据集/homework/AMZN.csv',index_col=0)
alibaba.head()
Open | High | Low | Close | Adj Close | Volume | |
---|---|---|---|---|---|---|
Date | ||||||
2015-09-21 | 65.379997 | 66.400002 | 62.959999 | 63.900002 | 63.900002 | 22355100 |
2015-09-22 | 62.939999 | 63.270000 | 61.580002 | 61.900002 | 61.900002 | 14897900 |
2015-09-23 | 61.959999 | 62.299999 | 59.680000 | 60.000000 | 60.000000 | 22684600 |
2015-09-24 | 59.419998 | 60.340000 | 58.209999 | 59.919998 | 59.919998 | 20645700 |
2015-09-25 | 60.630001 | 60.840000 | 58.919998 | 59.240002 | 59.240002 | 17009100 |
amazon.head()
Open | High | Low | Close | Adj Close | Volume | |
---|---|---|---|---|---|---|
Date | ||||||
2015-09-21 | 544.330017 | 549.780029 | 539.590027 | 548.390015 | 548.390015 | 3283300 |
2015-09-22 | 539.710022 | 543.549988 | 532.659973 | 538.400024 | 538.400024 | 3841700 |
2015-09-23 | 538.299988 | 541.210022 | 534.000000 | 536.070007 | 536.070007 | 2237600 |
2015-09-24 | 530.549988 | 534.559998 | 522.869995 | 533.750000 | 533.750000 | 3501000 |
2015-09-25 | 542.570007 | 542.799988 | 521.400024 | 524.250000 | 524.250000 | 4031000 |
# 闭盘走势
alibaba['Adj Close'].plot(legend=True)
<matplotlib.axes._subplots.AxesSubplot at 0x1a252e4ad0>
# 交易量
alibaba['Volume'].plot(legend=True)
<matplotlib.axes._subplots.AxesSubplot at 0x1a216b9790>
# 闭盘走势-两家公司
alibaba['Adj Close'].plot()
amazon['Adj Close'].plot()
<matplotlib.axes._subplots.AxesSubplot at 0x1a26641290>
# 统计每日差值
alibaba['high-low'] = alibaba['High'] - alibaba['Low']
alibaba.head()
Open | High | Low | Close | Adj Close | Volume | high-low | |
---|---|---|---|---|---|---|---|
Date | |||||||
2015-09-21 | 65.379997 | 66.400002 | 62.959999 | 63.900002 | 63.900002 | 22355100 | 3.440003 |
2015-09-22 | 62.939999 | 63.270000 | 61.580002 | 61.900002 | 61.900002 | 14897900 | 1.689998 |
2015-09-23 | 61.959999 | 62.299999 | 59.680000 | 60.000000 | 60.000000 | 22684600 | 2.619999 |
2015-09-24 | 59.419998 | 60.340000 | 58.209999 | 59.919998 | 59.919998 | 20645700 | 2.130001 |
2015-09-25 | 60.630001 | 60.840000 | 58.919998 | 59.240002 | 59.240002 | 17009100 | 1.920002 |
alibaba['high-low'].plot()
<matplotlib.axes._subplots.AxesSubplot at 0x1a26668a90>
# 每天的改变
alibaba['daily-return'] = alibaba['Adj Close'].pct_change()
alibaba.head()
Open | High | Low | Close | Adj Close | Volume | high-low | daily-return | |
---|---|---|---|---|---|---|---|---|
Date | ||||||||
2015-09-21 | 65.379997 | 66.400002 | 62.959999 | 63.900002 | 63.900002 | 22355100 | 3.440003 | NaN |
2015-09-22 | 62.939999 | 63.270000 | 61.580002 | 61.900002 | 61.900002 | 14897900 | 1.689998 | -0.031299 |
2015-09-23 | 61.959999 | 62.299999 | 59.680000 | 60.000000 | 60.000000 | 22684600 | 2.619999 | -0.030695 |
2015-09-24 | 59.419998 | 60.340000 | 58.209999 | 59.919998 | 59.919998 | 20645700 | 2.130001 | -0.001333 |
2015-09-25 | 60.630001 | 60.840000 | 58.919998 | 59.240002 | 59.240002 | 17009100 | 1.920002 | -0.011348 |
alibaba['daily-return'].plot()
<matplotlib.axes._subplots.AxesSubplot at 0x1a28c20410>
# 美化图
alibaba['daily-return'].plot(figsize=(10,4),linestyle='--',marker='o')
<matplotlib.axes._subplots.AxesSubplot at 0x1a29240a90>
# 直方图
alibaba['daily-return'].plot(kind='hist')
<matplotlib.axes._subplots.AxesSubplot at 0x1a2786f050>
sns.distplot(alibaba['daily-return'].dropna(),bins=100, color='purple')
<matplotlib.axes._subplots.AxesSubplot at 0x1a28bf8710>
【数据分析与可视化】股票市场分析实战之历史趋势分析相关推荐
- python 股票市场分析实战
说明:本文python股票市场分析实战主要包括两个方面,一是历史趋势分析,二是风险分析.听着挺厉害,其实......咳,咳 实验数据:来源于Yahoo Finance,网址:https://finan ...
- MATLAB-基于长短期记忆网络(LSTM)的SP500的股票价格预测 股价预测 matlab实战 数据分析 数据可视化 时序数据预测 变种RNN 股票预测
MATLAB-基于长短期记忆网络(LSTM)的SP500的股票价格预测 股价预测 matlab实战 数据分析 数据可视化 时序数据预测 变种RNN 股票预测 摘要 近些年,随着计算机技术的不断发展,神 ...
- 众筹编写《微生物组数据分析与可视化实战》——成为宏基因组学百科全书的创始人...
众筹编写<微生物组数据分析与可视化实战>--成为宏基因组学百科全书的创始人 高通量测序的发展极大地推动了微生物组/宏基因组领域的发展.微生物组的数据分析和解读需要微生物学.生物信息学.统计 ...
- 刘永鑫:20分钟讲解微生物组数据分析与可视化实战
编者按: 2020 年 12 月 21 日,国内著名英文期刊 Protein & Cell 与热心肠研究院合作,成功举办了"Protein & Cell人类微生物组专刊线上论 ...
- 手把手带你用Python做数据分析和可视化项目实战,能写进简历的那种!(另送15个实战案例)...
最近几年,数据分析可真是太火了. 阿里.字节等互联网巨头基于大数据打造的商业模式获得巨大成功,使得"数据思维"."数据能力"迅速成为衡量职场人能力的核心指标,专 ...
- Python实现股票数据分析的可视化
Python实现股票数据分析的可视化 文章目录 Python实现股票数据分析的可视化 一.简介 二.代码 1.主文件 2.数据库使用文件 3.ui设计模块 4.数据处理模块 三.数据样例的展示 四.效 ...
- Python实现房产数据分析与可视化 数据分析 实战
Python库的选择 话说,工欲善其事,必先利其器,虽然我们已经选择Python来完成剩余的工作,但是我们需要考虑具体选择使用Pytho的哪些利器来帮助我们更快更好地完成剩余的工作. 我们可以看一下, ...
- 《精通Tableau商业数据分析与可视化》之目录
目录 序 言... 2 第一部分:商业数据分析理论篇... 13 1.1 商业数据分析的思维... 15 1.1.1 结构化:按不同的方向去分类... 15 1.1.2 公式化:对数据进行量化分 ...
- 赠书!《R语言数据分析与可视化从入门到精通》
专注系列化.高质量的R语言教程 R语言是一个自由.免费.源代码开放的编程语言和环境,是S语言的一个分支,多个操作系统都能方便且免费地使用它.R语言不仅具有众多经常更新的统计分析函数,还具有完整的编程功 ...
- Nature子刊:教你零基础开展微生物组数据分析和可视化
使用MicrobiomeAnalyst进行微生物组数据的全面统计.功能和元分析 Using MicrobiomeAnalyst for comprehensive statistical, funct ...
最新文章
- Docker入门之 - 如何安装Docker CE
- R语言生存分析COX回归分析实战:放疗是否会延长胰脏癌症患者的生存时间
- Conclusion
- prometheus rfc3339 php date 转换
- mysql忘记密码的处理方法
- 调剂2002年计算机科学与技术,教育部关于做好2002年全国研究生录取工作的通知...
- Fiddler 4设置代理后无法上网的问题解决办法(亲测有效)
- Flink + Iceberg,腾讯百亿级实时数据入湖实战
- jQuery Mobile中列表项ol、ul中的li的data-*选项
- PHP最常用的2种设计模式工厂模式和单例模式
- ADO获取表的所有字段名
- Spring 源码解析!
- Js跑马灯效果 在Vue中使用
- 果园生草对土壤质量提升的研究进展
- qq分享至空间、好友自定义分享样式
- pygame 画图练习
- C++ reflection/反射
- 计算机技术与软件专业技术资格 (水平) 考试 - 报考指南
- python实现excel单元格合并_python进行excel单元格合并逆操作
- Stereo Parallel Tracking and Mapping for robot localization(S-PTAM)