学习用Python分析股票数据(入门)

学习使用python来分析股票，主要事涉及数据获取、数据可视化，以及探究数据中各项指标的含义及和关系。 使用工具 pandas、numpy、datatime pandas-datareader 在线获取股票数据 matplotlib 数据可视化 Jupyter Notebook 数据分析利器 #一、数据获取

# 导入包
import pandas as pd
import numpy as np
import pandas_datareader.data as web
from datetime import datetime

# 初始数据
# 创建字典
myDict = {'谷歌': 'GOOG', 
          '苹果': 'AAPL',
          '阿里巴巴':'BABA',
          '腾讯': '0700.hk'
         }
# 时间
start = datetime(2017,1,1)
end = datetime(2017,12,31)

# 从IEX数据源获取谷歌股票数据
gdata = web.DataReader(myDict['苹果'],'iex', start, end)

2y

# 查看前5条数据
gdata.head()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	open	high	low	close	volume
date
2017-01-03	113.5044	114.0239	112.4850	113.8474	28781865
2017-01-04	113.5534	114.2003	113.4554	113.7200	21118116
2017-01-05	113.6220	114.5475	113.5142	114.2983	22193587
2017-01-06	114.4649	115.8176	114.1611	115.5725	31751900
2017-01-09	115.6118	117.0624	115.6020	116.6311	33561948

# 查询某一天数据
gdata.loc['2017-09-11']

open 1.592756e+02 high 1.608138e+02 low 1.586703e+02 close 1.602680e+02 volume 3.158080e+07 Name: 2017-09-11, dtype: float64

# 逆序排列
gdata = gdata[::-1]

# 查询前10条数据
# 将显示重新排列后的结果
gdata[:10]

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	open	high	low	close	volume
date
2017-12-29	169.8275	169.8972	168.5328	168.5428	25999922
2017-12-28	170.3056	171.1521	169.7877	170.3852	16480187
2017-12-27	169.4092	170.0865	169.0208	169.9072	21498213
2017-12-26	170.1064	170.7737	168.9899	169.8773	33185536
2017-12-22	173.9706	174.7116	173.7914	174.2993	16349444
2017-12-21	173.4627	175.3052	173.3930	174.2993	20949896
2017-12-20	174.1599	174.7076	172.5464	173.6420	23475649
2017-12-19	174.3192	174.6777	173.3830	173.8312	27436447
2017-12-18	174.1698	176.4804	174.1499	175.7036	29421114
2017-12-15	172.9249	173.4627	171.7596	173.2635	40169307

# 查询更多信息
gdata.info

# 查看数据类型
gdata.dtypes

open float64 high float64 low float64 close float64 volume int64 dtype: object

# 查看数据集描述统计信息
gdata.describe()

.dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; }

	open	high	low	close	volume
count	251.000000	251.000000	251.000000	251.000000	2.510000e+02
mean	148.836282	149.783743	147.883783	148.936850	2.707997e+07
std	15.244058	15.321351	14.973921	15.119471	1.128283e+07
min	113.504400	114.023900	112.485000	113.720000	1.402667e+07
25%	139.685100	140.516950	138.833550	139.606350	2.041327e+07
50%	151.237300	152.158200	149.741000	150.873100	2.436148e+07
75%	158.496600	159.448850	157.299600	158.595850	2.952661e+07
max	174.398900	176.480400	174.149900	175.703600	1.119850e+08

二、数据观察

每日股票信息

open: 开盘价
high: 最高价
low: 最低价
close: 收盘价
volume: 成交量

下面我们主要来关注每日的收盘价

股票涨跌幅度

'''
定义函数：计算机股票涨跌幅 ＝（现在股价－买入价格）/买入价格
输入参数：column 表示收盘价这一列数据
返回涨跌幅
'''

def change(column):
    # 买入价格 年初
    buyPrice = column[0]
    # 现在价格 年末
    curPrice = column[len(gdata)-1]
    changePrice = (curPrice - buyPrice)/buyPrice
    # 判断股价变化
    if changePrice > 0:
        print('股票累计上涨=',changePrice)
    elif changePrice == 0:
        print('股票累计没有变化=',changePrice)
    else:
        print('股票累计下跌=', changePrice)
    return changePrice

# 查看结果
bdata = gdata[::-1]
change(bdata['close'])

股票累计上涨= 0.48042730883621415





0.48042730883621415

数据可视化－时间序列图

以时间为横坐标，每日的收盘价为纵坐标，绘制折线图，可以观察股票随时间的波动情况。我们使用 matplotlib 包来绘制。

# 导入绘图包
#coding:utf-8
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来正常显示负号

matplotlib 显示中文乱码问题，详细查看 https://segmentfault.com/a/1190000005144275

# 绘制图表
fig, ax = plt.subplots(figsize=(14,8)) # 绘图窗口大小
plt.title('2017年苹果股票', fontsize=18)  # 标题
ax.plot(bdata['close'],color='blue', label='收盘价') 
ax.plot(bdata['open'],color='#F37726', label='开盘价')
ax.plot((bdata['close']-bdata['open']),color='red', label='每日涨跌(收盘价-开盘价)')

ax.grid(False)  # 网格
ax.legend(frameon=False)

plt.xlabel('1-12月份', fontsize=14)   # 横坐标
# plt.ylabel('收盘价', fontsize=14) #纵坐标
# 刻度标记大小
# axis 可选择参数 x,y,both 
plt.tick_params(axis='both',labelsize=13) 
# ax.axis('equal') # label显示位置
plt.show() # 显示

先挖个坑：

上图中横坐标一条黑粗线，实际为每天股票日期，全部重叠在一起就变这条黑线 囧

原来想显示1-12月份的，但找了好多资料都还没完成，希望哪个大神看到能指导下，谢谢！

学会了回来补上

上图中我首先用蓝色绘制收盘价折线图，再用黄色绘制开盘价折线图，最后用红色绘制每日涨跌幅折线图，看起来是否很乱，如果再加上每天最高价和最低价，那就更无法见人了。
那么有什么方法能够在一张图中显示出这四种指标呢？答案是K线图。

K线图

相传K线图起源于日本德川幕府时代，当时的商人用此图来记录米市的行情和价格波动，后来K线图被引入到股票市场。每天的四项指标数据用如下蜡烛形状的图形来记录，不同的颜色代表涨跌情况。

再来挖个坑：

利用上面得到数据绘制K线图，没成功 囧

先学习了Matplotlib 入门教程(https://blog.csdn.net/wizardforcel/article/details/54407212) 再来

学会了回来补上

三、数据分析

相对变化量

参考自：https://www.jianshu.com/p/ce0e0773c6ec

股票中关注的不是价格的绝对值，而是相对变化量。有多种方式可以衡量股价的相对值，最简单的方法就是将股价除以初始时的价格。

方法一： 前面介绍的计算每日涨跌幅

（收盘价－开盘价）/ 开盘价

# 绘制图表
fig, ax = plt.subplots(figsize=(14,8)) # 绘图窗口大小
plt.title('2017年苹果股票', fontsize=18)  # 标题
# 绘制参考线
(bdata['close']-bdata['open']).plot(grid=True, color='red', label='每日涨跌(收盘价-开盘价)').axhline(y=0, color='black', lw=2)
ax.legend(frameon=False)
plt.xlabel('1-12月份', fontsize=14)   # 横坐标
plt.ylabel('涨跌幅度', fontsize=14) #纵坐标
# 刻度标记大小
# axis 可选择参数 x,y,both 
plt.tick_params(axis='both',labelsize=13) 
plt.show() # 显示

相关关系

在观察了价格的走势之后，我们来看看各指标之间的关系。

又挖了个坑：

学会了再说 囧