Python数据分析实战之股票数据

最近股市比较火。我们就利用这篇文章简单介绍下用 python 对股票数据做个简单的分析。数据集是从1999年到2016年上海证券交易所的1095只股票。

共1000个文件。

我们的分析思路大致如下：

每年新发股票数

目前市值最大的公司有哪些

股票一段时间的涨跌幅如何

牛市的时候，个股表现如何

首先导入模块import pandas as pd
import numpy as np
import os
import seaborn as sns
import matplotlib.pyplot as plt
# 绘图显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

用 pandas 读文件

 file_list = os.listdir('./data/a-share/')pieces = []
for file_name in file_list:path = './data/a-share/%s' % file_namefile = pd.read_csv(path, encoding ='gb2312')pieces.append(file)shares = pd.concat(pieces)

使用 read_csv 读文件的时候需要指定文件编码 encoding =‘gb2312’ 。将各个文件的 DataFrame 合并后，将索引重置一下，并预览一下数据

 shares.reset_index(inplace=True, drop=True)
shares.head()

这里我们最关注的列是日期、代码、简称、收盘价。

按照分析思路，我们首先来看看上市公司的总数

 len(shares['代码'].unique())

对股票代码去重、计数可以看到一共有 1095 家上市公司。那我们再看看每年新增的上市公司有多少家。

 # 计算每只股票的最早交易时间（即：上市时间）
shares_min_date = shares.groupby('简称').agg({'日期':'min'})
shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x: str(x)[:4])# 每年上市公司的数量
shares_min_date.groupby('上市年份').count().plot()

可以看到，多的时候每年 60-80 家，而 05年-13年这段时间上市后的公司特别少，尤其是 13年只有1家，原因是13年暂停了IPO。

下面我们再来看看数据集中最新的时间点（2016-06-08），市值较大的公司有哪些。

 shares_market_value = shares[shares['日期'] == '2016-06-08'][['简称', '总市值(元)']].sort_values(by='总市值(元)', ascending=False)# 市值最大的公司 top10
tmp_df = shares_market_value.head(10)# 画图
sns.barplot(x=tmp_df['总市值(元)'], y=tmp_df['简称'])

截至16年6月8号，工商银行（爱存不存）的市值最高1.5万亿，不愧是宇宙第一大行。并且能发现市值前十的公司大部分是银行。

下面再来看看，从 11.06.09 - 16.06.08 5年时间里个股涨跌情况。起点选 11.06.09 的原因是这一天包含了900左右只股票，样本较大。然后，我们抽取这两天股票的收盘价，计算涨跌幅。

 shares_110609 = shares[shares['日期'] == '2011-06-09'][['代码', '简称', '收盘价(元)']]
shares_160609 = shares[shares['日期'] == '2016-06-08'][['代码', '收盘价(元)']]# 按照股票代码将2天数据关联
shares_price = shares_110609.merge(shares_160609, on='代码')
shares_price

一共有 879 只股票

 # 多少家股票是上涨的
shares_price[shares_price['涨跌幅(%)'] > 0].count()

 # 多少家股票是上涨的
shares_price[shares_price['涨跌幅(%)'] < 0].count()

可以看到，上涨的股票 627 只，占比 71% 。那我们再来看看，上涨的股票，涨幅分布情况

 bins = np.array([0, 40, 70, 100, 1700])
# 股价上涨的公司
shares_up = shares_price[shares_price['涨跌幅(%)'] > 0]
# 按涨幅进行分组
shares_up['label'] = pd.cut(shares_up['涨跌幅(%)'], bins)
# 分组统计
up_label_count = shares_up[['label', '代码']].groupby('label').count()
up_label_count['占比'] = up_label_count['代码'] / up_label_count.sum().values
sns.barplot(x=up_label_count['占比'], y=up_label_count.index)

涨幅分布还是比较极端的，虽然上涨的股票总体比较高，但上涨的股票中有30%只股票涨幅不足 40% ，也就是平均一年涨 8% ，如果理财年收益 10% 算及格的话， 8% 明显偏低了。再加上跌的股票，收益率低于 10% 的股票大于 50% ，所以股市的钱也不是那么好挣的。

当然也有踩狗屎运的时候，比如买到了下面这些股票并且长期持有

 # 涨幅最大的公司
tmp_df = shares_up.sort_values(by='涨跌幅(%)', ascending=False)[:8]
sns.barplot(y=tmp_df['简称'], x=tmp_df['涨跌幅(%)'])

像金证股份持有5年后可以翻16倍。

同样的方式，我们可以看看股票跌幅分布

因为代码类似，这里就不贴了。从数据上将近 70% 的股票5年后跌幅在 0-40% 的区间。

最后一个有意思的数据，我们看看牛市的时候个股涨跌是怎么样的。我们选择 14.06.30 和 15.06.08 这两天个股的涨跌情况。分析思路跟上面类似，我就直接说数据了。

牛市期间 99.6% 的股票都是涨的，也就是说个股基本都在上涨。来看看涨幅分布。

可以看到， 86% 只股票翻了一番，所以牛市来了，基本上闭着眼选股都能挣钱。也不知道这种大牛市什么时候能再来一次，当然了，牛市来了能不能把握住是个大问题。

我的分析就到这里了，其实分析有意思的数据还有很多，比如结合一些市盈率等其他维度进行分析，有兴趣的朋友可以自行探索，我觉得还有一个更有挑战性的分析是预测个股的走势，虽然实践上不可行，但从学习角度来看还是挺值得研究的。

Python数据分析实战之股票数据相关推荐

Python数据分析实战——杭州租房数据统计分析
本案例将租房网站上的杭州地区的租房数据作为参考,运用所学到的数据分析知识来分析真实数据,并以图表的形式得到以下指标: 统计每个区域的房源总数量. 使用条形图分析哪种户型数量最多.更受欢迎. 统计每个区 ...
python电影数据分析报告_【python数据分析实战】电影票房数据分析(二)数据可视化...
在上一部分<[python数据分析实战]电影票房数据分析(一)数据采集> 已经获取到了2011年至今的票房数据,并保存在了mysql中. 本文将在实操中讲解如何将mysql中的数据抽取出来 ...
Python数据分析实战（3）Python实现数据可视化
文章目录一.数据可视化介绍二.matplotlib和pandas画图 1.matplotlib简介和简单使用 2.matplotlib常见作图类型 3.使用pandas画图 4.pandas中绘图 ...
2020互联网数据分析师教程视频统计学分析与数据实战 r语言数据分析实战 python数据分析实战 excel自动化报表分析实战 excel数据分析处理实战
2020互联网数据分析师教程视频统计学分析与数据实战 r语言数据分析实战 python数据分析实战 excel自动化报表分析实战 excel数据分析处理实战
Python数据分析实战基础 | 初识Pandas
这是Python数据分析实战基础的第一篇内容,主要是和Pandas来个简单的邂逅.已经熟练掌握Pandas的同学,可以加快手速滑动浏览或者直接略过本文. 01 重要的前言这段时间和一些做数据分析的 ...
python数据分析实战 fabio nelli百度云_Python数据分析实战内利（Fabio Nelli）,杜春晓 9787115432209...
商品描述: 基本信息书名:Python数据分析实战定**价:59.00元作者: 内利(Fabio Nelli) 著,杜春晓译出版社:人民邮电出版社出版日期:2016-08-01 ISBN: ...
用Python爬取最新股票数据含完整源代码
用Python爬取最新股票数据含完整源代码抓取目标: url:http://webapi.cninfo.com.cn/#/marketDataDate 数据目标: 获取证券代码证券简称交易日期 ...
Python数据分析实战：上海二手房价分析
1 数据搜集使用 urllib 库中的request 模块爬取赶集网发布的上海二手房信息,包括包括户型.面积.单价等,再使用BeautifulSoup 库解析爬取的HTML数据,最终将数据保存到CS ...
Python数据分析实战学习与分享（一）
学习的书籍: Python Data Analytics Python数据分析实战(尚未出版电子书) 1.1数据分析当今世界对信息技术的依赖程度日渐加深,每天都会产生和存储海量的数据.数据的来源多种 ...

Python数据分析实战之股票数据

Python数据分析实战之股票数据相关推荐

最新文章

热门文章