python之股票資料分析
阿新 • • 發佈:2018-12-31
一、初識Pandas
Pandas 是基於 NumPy 的一個非常好用的庫,它有兩種自己獨有的基本資料結構Series (一維)和 DataFrame(二維),它們讓資料操作更簡單了。雖然Pandas有著兩種資料結構,但它依然是 Python 的一個庫,所以,Python 中有的資料型別在這裡依然適用,也同樣還可以使用類自己定義資料型別。
在金融資料分析領域,Pandas更是起到了非常重要的作用,比如用於量化交易。Pandas 納入了大量庫和一些標準的資料模型,提供了高效地操作大型資料集所需的工具,對於億級的資料處理也如魚得水。
二、Pandas基本操作
1、Series的建立
Series的建立主要有三種方式:
1)通過一維陣列建立Series
import numpy as npimport pandas as pd#建立一維陣列a = np.arange(10)
print(a)
s = pd.Series(a)
print(s)
輸出如下:
2)通過字典的方式建立Series
import numpy as npimport pandas as pd#建立字典d = {'a':1,'b':2,'c':3,'d':4,'e':5}
print(d)
s = pd.Series(d)
print(s)
輸出如下:
3)通過DataFrame中的某一行或某一列建立Series
參考下面DataFrame第三種建立方式中的s = df3['one']。
2、DataFrame的建立
DataFrame的建立主要有三種方式:
1)通過二維陣列建立DataFrame
import numpy as npimport pandas as pd#建立二維陣列a = np.array(np.arange(12)).reshape(3,4)
print(a)
df1 = pd.DataFrame(a)
print(df1)
輸出如下:
2)通過字典的方式建立DataFrame
以下以兩種字典來建立資料框,一個是字典列表,一個是巢狀字典。
import numpy as npimport pandas as pd
d1 = {'a':[1,2,3,4],'b':[5 ,6,7,8],'c':[9,10,11,12],'d':[14,14,15,16]}
print(d1)
df1 = pd.DataFrame(d1)
print(df1)
d2 = {'one':{'a':1,'b':2,'c':3,'d':4},'two':{'a':5,'b':6,'c':7,'d':8},'three':{'a':9,'b':10,'c':11,'d':12}}
print(d2)
df2 = pd.DataFrame(d2)
print(df2)
輸出如下:
3)通過DataFrame的方式建立DataFrame
我們取出2)中的df2來建立df3
df2 = pd.DataFrame(d2)print(df2)
df3 = df2[['one','two']]print(df3)
s = df3['one']print(s)
輸出如下:
三、處理股票資料
接下來,我們通過例項來學習Pandas在處理股票資料上的應用。
我們使用pandas_datareader來獲取阿里巴巴的股票資料。
1)匯入以下庫:
import pandas as pdimport pandas_datareader.data as web#繪圖使用import matplotlib.pyplot as plt#獲取時間使用import datetime
2)設定股票名稱和時間引數
name = "BABA"start = datetime.datetime(2015,1,1)end = datetime.date.today()
3)獲取股票資料
prices = web.DataReader(name, "google", start, end)
4)檢視prices的型別
print(type(prices))
列印如下:
<class 'pandas.core.frame.DataFrame'>
可以看到返回的資料型別就是DataFrame型別。
5)檢視股票的摘要資訊
print(prices.describe()
列印 如下:
Open High Low Close Volumecount 791.000000 791.000000 792.000000 792.000000 7.920000e+02mean 106.632099 107.793186 105.355164 106.614520 1.610571e+07std 38.191772 38.539981 37.719848 38.156416 9.941683e+06min 57.300000 58.650000 57.200000 57.390000 2.457439e+06
25% 79.855000 80.945000 79.157500 79.935000 1.003487e+07
50% 91.000000 91.740000 89.925000 90.705000 1.350020e+07
75% 119.315000 120.400000 118.462500 120.205000 1.879724e+07max 204.830000 206.200000 202.800000 205.220000 9.704593e+07
再來列印最新的三條資訊
print(prices.tail(3))
Open High Low Close VolumeDate 2018-02-21 189.37 193.17 188.46 188.82 22071585
2018-02-22 190.20 190.74 187.77 188.75 12282843
2018-02-23 190.18 193.40 189.95 193.29 16937275
6)繪圖
我們將阿里巴巴的股票資料按照開盤價繪圖。
plt.plot(prices.index, prices["Open"])plt.show()
從圖中我們可以看到阿里巴巴的股票一路攀升,細心點發現每年的11月都有一個高點。
四、總結
Pandas是以NumPy和Matplotlib為基礎封裝的金融資料分析的庫,對於量化交易十分有用,通過視覺化的效果能幫我們一定程度分析股市的走向。