PythonStock（11）：使用pandas计算股票波峰波谷猜想

前言

使用Python开发一个股票项目。
项目地址：
https://github.com/pythonstock/stock
相关资料：
http://blog.csdn.net/freewebsys/article/details/78294566
主要使用开发语言是python。
使用的lib库是pandas，tushare，TensorFlow，tornado等。

本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/78559737
未经博主允许不得转载。
博主地址是：http://blog.csdn.net/freewebsys

1，简单的股票分析

python 真的是一个大宝库，里面的api真的超级多，而且使用超级方便。是科学计算，数据统计分析的高效工具。程序员的最爱。入门很简单。各种类库也超级方便。
如果得到一个股票数据，要计算股票的波峰，波谷。这个是一个【Top N 问题】我们只需要维护一个N 个大小的数组，初始化放入N Query，按照每个Query的统计次数由大到小排序，然后遍历这300万条记录，每读一条记录就和数组最后一个Query对比，遍历。
实现算法就忽略了，这里可以直接使用heapq 包的方法。 heapq.nlargest(n) 计算最大值，既是波峰。 heapq.nsmallest(n) 计算最大值，既是波谷。
为啥不直接取得股票的最大值，最小值。因为股票一个最高点可能是特殊的事件造成的。不具备代表性。获得多个值能预测的充分些。

2，代码说明

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import heapq
import tushare as ts
import datetime#使用平安银行的数据
date_end = datetime.datetime(int(2017), int(11), int(6))
date_start = (date_end + datetime.timedelta(days=-90)).strftime("%Y-%m-%d") #往前90 天数据
date_end = date_end.strftime("%Y-%m-%d")
code = "601857"
#测试
print(code, date_start, date_end)#假设股票数据
# open, high, close, low, volume, price_change, p_change, ma5, ma10, ma20, v_ma5, v_ma10, v_ma20, turnover
stock = ts.get_hist_data(code, start=date_start, end=date_end)
stock = stock.sort_index(0)  # 将数据按照日期排序下。#打印头和尾部数据
print(len(stock))
print(stock.head(1))
print(stock.tail(1))def wave_guess(arr):wn = int(len(arr)/4) #没有经验数据，先设置成1/4。print(wn)#计算最小的N个值，也就是认为是波谷wave_crest = heapq.nlargest(wn, enumerate(arr), key=lambda x: x[1])wave_crest_mean = pd.DataFrame(wave_crest).mean()#计算最大的5个值，也认为是波峰wave_base = heapq.nsmallest(wn, enumerate(arr), key=lambda x: x[1])wave_base_mean = pd.DataFrame(wave_base).mean()print("######### result #########")#波峰，波谷的平均值的差，是波动周期，对于股票就是天。wave_period = abs(int( wave_crest_mean[0] - wave_base_mean[0]))print("wave_period_day:", wave_period)print("wave_crest_mean:", round(wave_crest_mean[1],2))print("wave_base_mean:", round(wave_base_mean[1],2))############### 以下为画图显示用 ###############wave_crest_x = [] #波峰xwave_crest_y = [] #波峰yfor i,j in wave_crest:wave_crest_x.append(i)wave_crest_y.append(j)wave_base_x = [] #波谷xwave_base_y = [] #波谷yfor i,j in wave_base:wave_base_x.append(i)wave_base_y.append(j)#将原始数据和波峰，波谷画到一张图上plt.figure(figsize=(20,10))plt.plot(arr)plt.plot(wave_base_x, wave_base_y, 'go')#红色的点plt.plot(wave_crest_x, wave_crest_y, 'ro')#蓝色的点plt.grid()plt.show()#使用收盘价格画图：
arr1 = pd.Series(stock["close"].values)
wave_guess(arr1)arr2 = pd.Series(stock["ma5"].values)
wave_guess(arr2)arr3 = pd.Series(stock["v_ma5"].values)
wave_guess(arr3)

3，股票数据分析

计算最小的N个值，也就是认为是波谷
wave_crest = heapq.nlargest(wn, enumerate(arr), key=lambda x: x[1])
wave_crest_mean = pd.DataFrame(wave_crest).mean()

计算最大的5个值，也认为是波峰
wave_base = heapq.nsmallest(wn, enumerate(arr), key=lambda x: x[1])

怎样从一个集合中获得最大或者最小的 N 个元素列表？

http://python3-cookbook.readthedocs.io/zh_CN/latest/c01/p04_find_largest_or_smallest_n_items.html
使用堆进行计算。

4，总结

python的类库非常的丰富，使用起来非常方便。
其实运算速度也挺快的。关键是开发速度快，节约人力成本。

本文的原文连接是: http://blog.csdn.net/freewebsys/article/details/78559737
未经博主允许不得转载。
博主地址是：http://blog.csdn.net/freewebsys