python分析股票数据_Python数据可视化—

1.背景

GAFATA，它表示的是GOOGLE,AMAZON,FACEBOOK,APPLE,TENCENT,ALIBABA这六家互联网巨头的首字母缩写。本文主要分析GAFATA这六家公司股票近一年的的涨跌情况。

2.过程

先使用conda安装：

1）在python环境下安装数据分析pandas包，和互联数据获取包pandas-datareader

#导入包

#数据分析包

import pandas as pd

'''互联数据获取包注意：安装包的命令中的连接符是‘-’也就是pandas-datareader。但是这里导入包的连接符是下划线‘_’，也就是pandas-datareader这里一定要注意安装和导入包这两个连接符是不一样的，不然无法导入使用'''

from pandas_datareader import data

# 存在的问题：由于是从国外获取股票数据，会由于网络不稳定，获取数据失败，多运行几次这个cell就好了

'''获取国内股票数据的方式是：“股票代码”+“对应股市”（港股为.hk，A股为.ss）例如腾讯是港股是：0700.hk'''

#字典：6家公司的股票

gafataDict={'谷歌':'GOOG','亚马逊':'AMZN','Facebook':'FB',

'苹果':'AAPL','阿里巴巴':'BABA','腾讯':'0700.hk'}

'''定义函数函数功能：计算股票涨跌幅=（现在股价-买入价格）/买入价格输入参数：column是收盘价这一列的数据返回数据：涨跌幅'''

def change(column):

#买入价格

buyPrice=column[0]

#现在股价

#column.size是总共数据条数，序号是从0开始的，所以最后一条数据的序号是总数目-1

curPrice=column[column.size-1]

#累计涨跌幅

priceChange=(curPrice-buyPrice)/buyPrice

#判断股票是上涨，还是下跌

if(priceChange>0):

print('股票累计上涨=',priceChange*100,'%')

elif(priceChange==0):

print('股票累没有变化=',priceChange*100,'%')

else:

print('股票累计下跌',priceChange*100,'%')

#返回数据

return priceChange

阿里巴巴

'''get_data_yahoo表示从雅虎数据源获取股票数据，官网使用操作文档：http://pandas-datareader.readthedocs.io/en/latest/remote_data.html可能存在的问题：1）由于是从国外获取股票数据，会由于网络不稳定，获取数据失败，多运行几次这个cell就好了2）如果多运行几次还是无法获的股票数据，使用这个链接里的方法：https://pypi.org/project/fix-yahoo-finance/0.0.21/3）如果经过上面2个方法还不行，打开这个官网使用文档（http://pandas-datareader.readthedocs.io/en/latest/remote_data.html），换其他的财经数据源试试'''

# 获取哪段时间范围的股票数据

start_date = '2017-11-15'

end_date = '2018-11-15'

#从雅虎财经数据源（get_data_yahoo）获取阿里巴巴股票数据

babaDf=data.get_data_yahoo(gafataDict['阿里巴巴'],start_date, end_date)

#或者从Morningstar数据源获取阿里巴巴数据

#babaDf=data.DataReader(gafataDict['阿里巴巴'],'morningstar',start_date, end_date)

'''每日股票价位信息Open:开盘价High:最高加Low：最低价Close：收盘价Volume：成交量下面我们主要关注每日的收盘价'''

#查看前5行数据

babaDf.head()

#股票数据的行索引是时间序列类型，记录每天的股票信息

babaDf.index

DatetimeIndex(['2017-11-14', '2017-11-15', '2017-11-16', '2017-11-17',

'2017-11-20', '2017-11-21', '2017-11-22', '2017-11-24',

'2017-11-27', '2017-11-28',

...

'2018-11-02', '2018-11-05', '2018-11-06', '2018-11-07',

'2018-11-08', '2018-11-09', '2018-11-12', '2018-11-13',

'2018-11-14', '2018-11-15'],

dtype='datetime64[ns]', name='Date', length=254, freq=None)

#查看数据集情况

babaDf.info()

DatetimeIndex: 254 entries, 2017-11-14 to 2018-11-15

Data columns (total 6 columns):

Open 254 non-null float64

High 254 non-null float64

Low 254 non-null float64

Close 254 non-null float64

Adj Close 254 non-null float64

Volume 254 non-null int64

dtypes: float64(5), int64(1)

memory usage: 13.9 KB

#查看每一列数据类型

babaDf.dtypes

Open float64

High float64

Low float64

Close float64

Adj Close float64

Volume int64

dtype: object

#查看数据集描述统计信息

babaDf.describe()

#获取收盘价Close这一列的数据

closeCol=babaDf['Close']

#调用函数，获取涨跌幅

babaChange=change(closeCol)

股票累计下跌 -14.0656763214 %

谷歌

#获取谷歌股票数据

googDf=data.get_data_yahoo(gafataDict['谷歌'],start_date, end_date)

googDf.head()

'''累计涨幅'''

#获取收盘价Close这一列的数据

closeCol=googDf['Close']

#调用函数，获取涨跌幅

googChange=change(closeCol)

股票累计上涨= 3.77290068226 %

亚马逊

#获取亚马逊股票数据

amazDf=data.get_data_yahoo(gafataDict['亚马逊'],start_date, end_date)

amazDf.head()

'''累计涨幅'''

#获取收盘价Close这一列的数据

closeCol=amazDf['Close']

#调用函数，获取涨跌幅

amazChange=change(closeCol)

股票累计上涨= 42.4510036094 %

Facebook

#获取Facebook股票数据

fbDf=data.get_data_yahoo(gafataDict['Facebook'],start_date, end_date)

fbDf.head()

'''累计涨幅'''

#获取收盘价Close这一列的数据

closeCol=fbDf['Close']

#调用函数，获取涨跌幅

fbChange=change(closeCol)

股票累计下跌 -19.2171615965 %

苹果

#获取苹果股票数据

applDf=data.get_data_yahoo(gafataDict['苹果'],start_date, end_date)

applDf.head()

'''累计涨幅'''

#获取收盘价Close这一列的数据

closeCol=applDf['Close']

#调用函数，获取涨跌幅

applChange=change(closeCol)

股票累计上涨= 11.7135569444 %

腾讯

#获取亚马逊股票数据

txDf=data.get_data_yahoo(gafataDict['腾讯'],start_date, end_date)

#腾讯是港股，所以这里的收盘价是港币，按照今天的汇率将其转化为美元

exchange=0.1278 #港币兑换美元的汇率，这个值可以根据在网上查到当天的最新汇率

#为了方便后期多家公司的股价比较，增加新的一列收盘价（美元）

txDf['Close_dollar']= txDf['Close']* exchange

#txDf.dropna(axis=0,how='any',inplace=True)#(axis=0,how='any')

txDf.head()

'''累计涨幅'''

#获取收盘价Close这一列的数据

closeCol=txDf['Close']

#调用函数，获取涨跌幅

txChange=change(closeCol)

股票累计下跌 -28.3550929504 %

数据可视化

%matplotlib inline

#导入可视化包

import matplotlib.pyplot as plt

折线图：绘制股票走势

'''横轴x是股票时间（babaDf.index是Pandas二维数据Dataframe的行索引，这里是时间序列）纵轴y是收盘价Close这一列数据plot默认是线条图'''

babaDf.plot(x=babaDf.index,y='Close')

#x坐标轴文本

plt.xlabel('时间')

#y坐标轴文本

plt.ylabel('股价（美元）')

#图片标题

plt.title('2017年阿里巴巴股价走势')

#显示网格

plt.grid(True)

#显示图形

plt.show()

分析结果：通过图中显然可以看出阿里巴巴的股票价格总体趋势是增长的，是值得投资的一家公司。

'''上面绘图后，横坐标没有显示出来，原因：1）先查看你的数据框索引是不是日期类型的，如果不是，将数据框索引转换成日期类型的2）如果获取数据来源，前面换成了数据源（morningstar），后面绘图的时候需要重置索引，代码如下：babaDf.reset_index(inplace=True)babaDf.set_index('Date',inplace=True)#查看索引是否重置成功babaDf.head()'''

"\n上面绘图后，横坐标没有显示出来，原因：\n1）先查看你的数据框索引是不是日期类型的，如果不是，将数据框索引转换成日期类型的\n2）如果获取数据来源，前面换成了数据源（morningstar），后面绘图的时候需要重置索引，代码如下：\n\nbabaDf.reset_index(inplace=True)\nbabaDf.set_index('Date',inplace=True)\n#查看索引是否重置成功\nbabaDf.head()\n\n"

散点图：成交量和股价

'''我们给plot传入的横轴x坐标轴数据成交量这一列的数据，纵轴y坐标轴数据是收盘价这一列的数据，同时增加了一个参数叫kind这个值表示绘制图形的类型，这里的值等于scatter表示绘制散点图。kind取值（图形类型）参考官方文档：http://pandas.pydata.org/pandas-docs/stable/visualization.html'''

babaDf.plot(x='Volume',y='Close',kind='scatter')

#x坐标轴文本

plt.xlabel('成交量')

#y坐标轴文本

plt.ylabel('股价（美元）')

#图片标题

plt.title('成交量和股价')

#显示网格

plt.grid(True)

#显示图形

plt.show()

#得到相关系数矩阵

babaDf.corr()

GAFATA股价走势比较

#绘制谷歌的画纸1

ax1=googDf.plot(x=googDf.index,y='Close')

#通过指定画纸ax，在同一张画纸上绘图

#亚马逊

amazDf.plot(ax=ax1,x=amazDf.index,y='Close')

#Facebook

fbDf.plot(ax=ax1,x=fbDf.index,y='Close')

#苹果

applDf.plot(ax=ax1,x=applDf.index,y='Close')

#阿里巴巴

babaDf.plot(ax=ax1,x=babaDf.index,y='Close')

#腾讯

txDf.plot(ax=ax1,x=txDf.index,y='Close_dollar')

#x坐标轴文本

plt.xlabel('时间')

#y坐标轴文本

plt.ylabel('股价（美元）')

#图片标题

plt.title('2018年GAFATA股价累计涨幅比较')

#显示网格

plt.grid(True)

plt.show()

'''使用label自定义图例'''

#绘制谷歌的画纸1

ax1=googDf.plot(x=googDf.index,y='Close',label='谷歌')

#通过指定画纸ax，在同一张画纸上绘图

#亚马逊

amazDf.plot(ax=ax1,x=amazDf.index,y='Close',label='亚马逊')

#Facebook

fbDf.plot(ax=ax1,x=fbDf.index,y='Close',label='Facebook')

#苹果

applDf.plot(ax=ax1,x=applDf.index,y='Close',label='苹果')

#阿里巴巴

babaDf.plot(ax=ax1,x=babaDf.index,y='Close',label='阿里巴巴')

#腾讯

txDf.plot(ax=ax1,x=txDf.index,y='Close_dollar',label='腾讯')

#x坐标轴文本

plt.xlabel('时间')

#y坐标轴文本

plt.ylabel('股价（美元）')

#图片标题

plt.title('2018年GAFATA累计涨幅')

#显示网格

plt.grid(True)

plt.show()

因为谷歌和亚马逊的股价比较高，造成我们看不出其他4家公司的股票走势。所以根据股价我们可以将这6家公司分成2组，一组是股价较高的谷歌和亚马逊。另外一组是股价较低的4家公司。

'''第1组：谷歌，亚马逊'''

#绘制谷歌的画纸2

ax2=googDf.plot(x=googDf.index,y='Close',label='谷歌')

#通过指定画纸ax，在同一张画纸上绘图

#亚马逊

amazDf.plot(ax=ax2,x=amazDf.index,y='Close',label='亚马逊')

#x坐标轴文本

plt.xlabel('时间')

#y坐标轴文本

plt.ylabel('股价（美元）')

#图片标题

plt.title('2018年谷歌和亚马逊累计涨幅')

#显示网格

plt.grid(True)

plt.show()

'''第2组：4家公司'''

#绘制Facebook的画纸3

#通过指定画纸ax，在同一张画纸上绘图

#Facebook

ax3=fbDf.plot(x=fbDf.index,y='Close',label='Facebook')

#苹果

applDf.plot(ax=ax3,x=applDf.index,y='Close',label='苹果')

#阿里巴巴

babaDf.plot(ax=ax3,x=babaDf.index,y='Close',label='阿里巴巴')

#腾讯

txDf.plot(ax=ax3,x=txDf.index,y='Close_dollar',label='腾讯')

#x坐标轴文本

plt.xlabel('时间')

#y坐标轴文本

plt.ylabel('股价（美元）')

#图片标题

plt.title('GAFATA2018年累计涨幅')

#显示网格

plt.grid(True)

plt.show()

柱状图：六家公司股票的平均值

#6家公司股票收盘价平均值

gafataMeanList=[googDf['Close'].mean(),#谷歌

amazDf['Close'].mean(),#亚马逊

fbDf['Close'].mean(),#Facebook

applDf['Close'].mean(),#苹果

babaDf['Close'].mean(),#阿里巴巴

txDf['Close_dollar'].mean()#腾讯

]

#创建pandas一维数组Series

gafataMeanSer=pd.Series(gafataMeanList,

index=['谷歌',

'亚马逊',

'Facebook',

'苹果',

'阿里巴巴',

'腾讯'])

gafataMeanSer.plot(kind='bar',label='GAFATA')

#图片标题

plt.title('2017年GAFATA股价平均值')

#x坐标轴文本

plt.xlabel('公司名称')

#y坐标轴文本

plt.ylabel('股价平均值（美元）')

plt.grid(True)

plt.show()

分析结果：可以看出，仅从股票价格上来判断，亚马逊和谷歌的股票价格要远远的超过了其他四家。但是这里只是算的平均值，下面我们看下用四分位数绘制的箱线图

#存放6家公司的收盘价

closeDf=pd.DataFrame()

#合并6家公司的收盘价

closeDf=pd.concat([closeDf,googDf['Close'],#谷歌

amazDf['Close'],#亚马逊

fbDf['Close'],#Facebook

applDf['Close'],#苹果

babaDf['Close'],#阿里巴巴

txDf['Close_dollar']#腾讯

],axis=1)

#重命名列名为公司名称

closeDf.columns=['谷歌','亚马逊','Facebook','苹果','阿里巴巴','腾讯']

#closeDf.head()

#箱线图

closeDf.plot(kind='box')

plt.grid(True)

plt.show()

python分析股票数据_Python数据可视化——股票数据分析相关推荐

[译] 使用 python 分析 14 亿条数据
原文地址:Analysing 1.4 billion rows with python 原文作者:Steve Stagg 译文出自:掘金翻译计划本文永久链接:github.com/xitu/gold ...
python分析股票主力_python如何获取股票数据,python股票分析系统
内容导航: Q1:怎样用python处理股票用Python处理股票需要获取股票数据,以国内股票数据为例,可以安装Python的第三方库:tushare:一个国内股票数据获取包.可以在百度中搜索&qu ...
python图形绘制星空图_Python数据可视化教程：基于Plotly的动态可视化绘图
1. plotly 介绍 Plotly是一个非常著名且强大的开源数据可视化框架,它通过构建基于浏览器显示的web形式的可交互图表来展示信息,可创建多达数十种精美的图表和地图, 下面我们以jupyter ...
python支付宝蚂蚁森林_Python数据可视化-支付宝蚂蚁森林能量收取记录
支付宝蚂蚁森林模块最早从2016年推出,题主最开始从支付宝集福活动开始接触.期间懒懒散散收过一些能量,但是相比朋友圈动辄几十几百公斤的能量值,我的能量值只有20Kg,想种棵胡杨连零头都不够.所以,本着 ...
matplotlib柱状图上方显示数据_Python数据可视化之matplotlib
数据可视化能让人们更直观的传递数据所要表达的信息.Python 中有两个专用于可视化的库,matplotlib 和 seaborn ,本文将介绍matplotlib. Matplotlib:基于Pyt ...
python的歌曲评论数据分析_用Python分析44万条数据，揭秘如何成为网易云音乐评论区的网红段子手...
有个段子讲"十年文案老司机,不如网易评论区,网易文豪遍地走,评论全部单身狗",网易云音乐的评论区也一直都是各类文案大神的聚集地. 那么我们普通用户到底如何成为网易云音乐评论里的热评 ...
python归档excel数据_python 数据存储excel
Python的小数据存储,用什么格式更有逼格? 小数据存储我们在编写代码的时候,经常会涉及到数据存储的情况,如果是爬虫得到的大数据,我们会选择使用数据库,或者excel存储.但如果只是一些小数据,或 ...
如何用 Python 分析 14 亿条数据?
(点击视学算法公众号,可快速关注) 英文:Steve Stagg,翻译:Ryden Sun juejin.im/post/5aceae206fb9a028d2084fea Google Ngram v ...
Python 分析 9 万条数据告诉你复仇者联盟谁才是绝对 C 位！
<复联 4>国内上映第十天,程序员的江湖里开始流传这样一个故事,即: 漫威宇宙,其实就讲了一件事情.整个宇宙就好比一个项目组.其中有一群叫作美国队长.钢铁侠.惊奇队长.浩克.索尔等人在维护 ...

python分析股票数据_Python数据可视化——股票数据分析

python分析股票数据_Python数据可视化——股票数据分析相关推荐

最新文章

热门文章