数据分析实例(股票分析实例)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
使用pandas的内建函数DataReader从雅虎财经网站读取股价数据
import tushare as ts
pingan = ts.get_k_data('601318',start='2011-01-01')
pingan.head()
date | open | close | high | low | volume | code | |
---|---|---|---|---|---|---|---|
0 | 2011-01-04 | 24.984 | 25.011 | 25.314 | 24.830 | 245626.0 | 601318 |
1 | 2011-01-05 | 24.870 | 24.110 | 24.962 | 24.083 | 427554.0 | 601318 |
2 | 2011-01-06 | 24.145 | 23.112 | 24.145 | 22.611 | 947078.0 | 601318 |
3 | 2011-01-07 | 23.279 | 23.297 | 23.842 | 22.765 | 659013.0 | 601318 |
4 | 2011-01-10 | 23.248 | 22.866 | 23.688 | 22.809 | 282919.0 | 601318 |
pingan.tail()
date | open | close | high | low | volume | code | |
---|---|---|---|---|---|---|---|
1999 | 2019-04-03 | 78.48 | 79.86 | 80.15 | 78.37 | 760219.0 | 601318 |
2000 | 2019-04-04 | 80.08 | 80.20 | 80.96 | 79.25 | 795626.0 | 601318 |
2001 | 2019-04-08 | 80.70 | 80.59 | 82.25 | 80.02 | 916122.0 | 601318 |
2002 | 2019-04-09 | 80.40 | 81.10 | 82.00 | 80.37 | 601737.0 | 601318 |
2003 | 2019-04-10 | 80.80 | 82.03 | 82.11 | 79.66 | 783620.0 | 601318 |
pingan['date'] = pd.to_datetime(pingan.date)
pingan.set_index('date',inplace = True)
pingan.index
DatetimeIndex(['2011-01-04', '2011-01-05', '2011-01-06', '2011-01-07','2011-01-10', '2011-01-11', '2011-01-12', '2011-01-13','2011-01-14', '2011-01-17',...'2019-03-27', '2019-03-28', '2019-03-29', '2019-04-01','2019-04-02', '2019-04-03', '2019-04-04', '2019-04-08','2019-04-09', '2019-04-10'],dtype='datetime64[ns]', name='date', length=2004, freq=None)
pingan['close'].plot(figsize=(12,8))
<matplotlib.axes._subplots.AxesSubplot at 0x2360fa68e10>
g_yue = pingan['close'].resample('M').ohlc()
g_yue
open | high | low | close | |
---|---|---|---|---|
date | ||||
2011-01-31 | 25.011 | 25.011 | 21.249 | 21.842 |
2011-02-28 | 21.952 | 22.980 | 21.477 | 21.868 |
2011-03-31 | 22.084 | 23.512 | 21.433 | 21.736 |
2011-04-30 | 22.514 | 24.123 | 22.514 | 22.954 |
2011-05-31 | 23.103 | 23.103 | 20.972 | 21.407 |
2011-06-30 | 21.310 | 21.310 | 19.495 | 21.213 |
2011-07-31 | 21.156 | 21.609 | 19.534 | 19.724 |
2011-08-31 | 19.906 | 19.906 | 17.867 | 18.053 |
2011-09-30 | 18.231 | 18.294 | 14.935 | 14.935 |
2011-10-31 | 15.082 | 17.226 | 15.082 | 17.208 |
2011-11-30 | 17.449 | 18.036 | 15.687 | 15.687 |
2011-12-31 | 16.541 | 16.901 | 14.935 | 15.322 |
2012-01-31 | 15.082 | 17.395 | 15.060 | 17.057 |
2012-02-29 | 16.643 | 18.556 | 16.643 | 18.160 |
2012-03-31 | 18.040 | 18.352 | 16.123 | 16.274 |
2012-04-30 | 16.799 | 18.405 | 16.750 | 18.111 |
2012-05-31 | 18.761 | 19.166 | 18.085 | 18.636 |
2012-06-30 | 18.761 | 20.518 | 18.094 | 20.349 |
2012-07-31 | 20.509 | 20.572 | 19.493 | 19.793 |
2012-08-31 | 20.227 | 20.227 | 17.193 | 17.381 |
2012-09-30 | 17.829 | 18.833 | 17.560 | 18.833 |
2012-10-31 | 18.613 | 19.018 | 17.091 | 17.423 |
2012-11-30 | 17.661 | 17.661 | 15.865 | 16.382 |
2012-12-31 | 16.449 | 20.338 | 16.449 | 20.338 |
2013-01-31 | 21.155 | 21.653 | 19.952 | 21.653 |
2013-02-28 | 22.799 | 23.701 | 20.194 | 21.137 |
2013-03-31 | 20.634 | 20.634 | 18.245 | 18.757 |
2013-04-30 | 18.407 | 19.265 | 17.877 | 17.877 |
2013-05-31 | 17.976 | 18.717 | 17.374 | 17.920 |
2013-06-30 | 17.929 | 17.929 | 15.558 | 15.726 |
... | ... | ... | ... | ... |
2016-11-30 | 33.393 | 35.031 | 32.964 | 34.602 |
2016-12-31 | 34.688 | 35.269 | 33.012 | 33.745 |
2017-01-31 | 33.983 | 34.774 | 33.536 | 34.774 |
2017-02-28 | 33.926 | 35.069 | 33.926 | 34.507 |
2017-03-31 | 34.440 | 35.250 | 33.907 | 35.250 |
2017-04-30 | 35.336 | 36.155 | 33.821 | 36.155 |
2017-05-31 | 36.107 | 43.327 | 35.488 | 42.927 |
2017-06-30 | 43.784 | 47.584 | 42.546 | 47.251 |
2017-07-31 | 46.613 | 52.003 | 45.641 | 50.087 |
2017-08-31 | 52.812 | 54.940 | 47.738 | 53.948 |
2017-09-30 | 54.083 | 54.685 | 51.567 | 52.616 |
2017-10-31 | 53.199 | 62.525 | 53.199 | 62.525 |
2017-11-30 | 62.292 | 76.203 | 62.185 | 67.926 |
2017-12-31 | 66.158 | 72.774 | 66.158 | 67.985 |
2018-01-31 | 70.520 | 76.514 | 68.014 | 72.939 |
2018-02-28 | 73.328 | 73.843 | 62.593 | 65.828 |
2018-03-31 | 66.965 | 71.977 | 63.448 | 63.448 |
2018-04-30 | 62.816 | 66.304 | 59.154 | 59.154 |
2018-05-31 | 59.591 | 62.272 | 58.921 | 60.358 |
2018-06-30 | 59.882 | 63.990 | 56.267 | 58.000 |
2018-07-31 | 54.673 | 61.545 | 54.673 | 60.990 |
2018-08-31 | 59.109 | 62.842 | 56.020 | 62.357 |
2018-09-30 | 62.109 | 68.500 | 60.600 | 68.500 |
2018-10-31 | 64.780 | 67.930 | 61.850 | 63.630 |
2018-11-30 | 64.300 | 67.350 | 62.640 | 63.490 |
2018-12-31 | 64.990 | 64.990 | 56.100 | 56.100 |
2019-01-31 | 55.180 | 62.980 | 55.180 | 62.980 |
2019-02-28 | 63.210 | 73.000 | 63.210 | 70.010 |
2019-03-31 | 72.390 | 77.100 | 68.700 | 77.100 |
2019-04-30 | 78.600 | 82.030 | 78.600 | 82.030 |
100 rows × 4 columns
pingan['close'].loc['2017'].plot(figsize=(12,8))
<matplotlib.axes._subplots.AxesSubplot at 0x23612ba5e10>
shouyi = (pingan['close'][-1] - pingan['close'][0])/pingan['close'][0]
shouyi
2.2797569069609374
y_num = pingan.index[-1].year - pingan.index[0].year
y_num
8
shouyi**(1/y_num)
1.1085009445718548
pingan['close'].to_period('A')
date
2011 25.011
2011 24.110
2011 23.112
2011 23.297
2011 22.866
2011 22.905
2011 23.288
2011 23.283
2011 22.844
2011 21.908
2011 21.974
2011 22.273
2011 21.438
2011 21.714
2011 21.249
2011 21.315
2011 21.504
2011 21.943
2011 21.710
2011 21.842
2011 21.952
2011 21.930
2011 22.224
2011 21.961
2011 22.980
2011 22.695
2011 22.629
2011 22.528
2011 22.492
2011 22.659...
2019 69.980
2019 70.010
2019 72.390
2019 72.580
2019 72.070
2019 72.160
2019 70.290
2019 68.700
2019 68.790
2019 69.250
2019 71.540
2019 72.800
2019 73.850
2019 75.000
2019 75.350
2019 76.550
2019 75.800
2019 74.720
2019 72.290
2019 72.690
2019 74.220
2019 73.400
2019 77.100
2019 78.600
2019 78.960
2019 79.860
2019 80.200
2019 80.590
2019 81.100
2019 82.030
Freq: A-DEC, Name: close, Length: 2004, dtype: float64
pingan['close'].to_period('A').groupby(level = 0).first().plot()
<matplotlib.axes._subplots.AxesSubplot at 0x23612bdc748>
pingan['42d'] = pingan['close'].rolling(window=42).mean()
pingan['250d'] = pingan['close'].rolling(window=250).mean()
pingan[['close','42d','250d']].plot(figsize=(12,8),color = ['y','b','r'])
<matplotlib.axes._subplots.AxesSubplot at 0x2360fa38550>
pingan['duishu'] = np.log(pingan['close']/pingan['close'].shift(1)) #shifting 指的是沿着时间轴将数据前移或后移。
pingan[['close','duishu']].plot(subplots = True,figsize=(12,12))
array([<matplotlib.axes._subplots.AxesSubplot object at 0x0000023612FB0CF8>,<matplotlib.axes._subplots.AxesSubplot object at 0x000002361301E978>],dtype=object)
数据分析实例(股票分析实例)相关推荐
- python股票数据分析_Python股票分析(一)获取历史数据
股票分析最重要的是获取历史数据,现在网上各种数据接口层出不穷,最近发现一个免费好用的接口,和大家分享一下. 证券宝(网址www.baostock.com)是一个免费.开源的证券数据平台,最重要的是:无 ...
- Python数据分析之股票分析
股票分析 使用tushare包获取某股票的历史行情数据 输出该股票所有收盘比开盘上涨3%以上的日期 输出该股票所有开盘比前日收盘跌幅超过2%的日期 假如从2010年1月1日开始,每月第一个交易日买入1 ...
- 数据分析--01股票分析
文章目录 需求:股票分析 需求:股票分析 使用tushare包获取某股票的历史行情数据. 输出该股票所有收盘比开盘上涨3%以上的日期. 输出该股票所有开盘比前日收盘跌幅超过2%的日期. 假如我从201 ...
- 脑电数据分析方法与应用实例简介-EEG Processing and Feature 1
这是<EEG Processing and Feature Extraction>的第一个视频资料整理.内容是"脑电数据分析方法与应用实例简介". 视频地址:https ...
- R语言数据分析、展现与实例(02)
R语言数据分析.展现与实例(02) 数据输入 > mydata <- data.frame(age=numeric(0),gender=character(0),weight=numeri ...
- JVM指令分析实例四(数组、switch)
本篇为<JVM指令分析实例>的第四篇,相关实例均使用Oracle JDK 1.8编译,并使用javap生成字节码指令清单. 前几篇传送门: JVM指令分析实例一(常量.局部变量.for循环 ...
- 《简明电路分析》——1.6节简单电路分析实例
本节书摘来自华章社区<简明电路分析>一书中的第1章,第1.6节简单电路分析实例,作者钟洪声 吴 涛 孙利佳,更多章节内容可以访问云栖社区"华章社区"公众号查看 1.6 ...
- 【Android 逆向】使用 Python 代码解析 ELF 文件 ( PyCharm 中进行断点调试 | ELFFile 实例对象分析 )
文章目录 一.PyCharm 中进行断点调试 二.ELFFile 实例对象分析 一.PyCharm 中进行断点调试 在上一篇博客 [Android 逆向]使用 Python 代码解析 ELF 文件 ( ...
- flac3d命令流实例大全_ANSYS APDL 疲劳分析实例附命令流
图1为一个角型板,边界条件:底端固定,顶端承受0-30kpa的压力,计算指定位置的疲劳寿命,表1给出了材料的S-N数据:图1给出了疲劳分析模型的几何尺寸. 表1 材料的N-S数据 N 100 200 ...
最新文章
- Noip2017 跳房子——普及组
- netapp存储服务器文档,NetApp秘密开发服务器闪存?
- out和ref之间的区别
- gethostbyname() 函数说明
- Linux装c编译器gcc,c编译器进阶之路,linux下的gcc c编译器使用教程
- servlet容器开发要点
- linux 下生成中文pdf,Linux itex pdf生成中文不显示
- 读取xml数据装配到字典中之应用场景
- 开源,想说爱你不容易
- C#控制Bartender自动列印的2种方法(附源码)
- CAD - 多段线、矩形、修订云线、样条曲线
- 关于无线网卡驱动更新后无法使用(错误代码43)的问题
- android笔记 看过stormzhang大大的博客(关于像素,屏幕密度)
- 圣思园将于本周日(10月31日)举行Web Service开发大型免费公开课
- 92921-24-9,SULFO-SMCC, Sulfo-SMCC Crosslinker,磺基-SMCC钠盐溶于大部分有机溶剂
- Python处理特征数据以及plt绘图
- Kotlin数据类型ListSetMap
- 计算机小发明,生活小发明(日常生活中的20个超实用发明)
- python二维游戏示例_Python 扫雷游戏的简单例子
- 三星电子平泽工厂第二生产线开始量产
热门文章
- php 插入数据 不成功,thinkphp5连接oracle用insert插入数据失败
- 如何查看笔记本电脑配置参数_江淮平板运输车图片配置参数查看(罗平)
- 双项通过|百度点石通过信通院「可信数据流通平台」、「联邦学习」双项测评
- echarts symbol 回调函数_凹函数和凸函数到底什么样?傻傻分不清楚
- python列表冒泡排序_python – 冒泡排序已排序列表
- delphi Tpagecontrol 动态增加页面
- zabbix客户端一键安装脚本(主动模式监控)
- Markdown简单语法总结
- MySQL表名不区分大小写的设置方法
- C# - linq查询现有的DataTable