Python+pandas +画出股票的收盘价的趋势图（笔记）

题目说的好像和股票有关，实际上就是一个时间序列图。但本节主要介绍时间序列的几个常用统计方法。详细如下：

1、 画出股票（代码：688022）的收盘价趋势图

【脚本】

import tushare as ts
import matplotlib.pyplot as plt
frame = ts.get_k_data('688022', start='2019-07-22')
frame = frame.set_index('date')
frame.index = pd.to_datetime(frame.index)
plt.plot(frame['close'])
plt.show()

【结果】

【说明】
 Python有很多可视化绘图工具包，我们使用常用的matplotlib. 使用之前需要导入。
 Plt.figure()可以设置画布的大小和分辨率。我使用pycharm工具，没有设置画布信息，也可以使用正常画出图片。
 Plt.plot()，设置绘图内容。
 Plt.show()，显示绘图。
 我们可看出该股票总体呈现出一种下降趋势。

2、 平滑法——移动平均法

【脚本】

plt.plot(frame['close'].rolling(30).mean())
plt.show()

【结果】

【说明】
 平滑后不改变整体的趋势效果，但可以更清楚地显示趋势。
 Rolling(30)：是包含该点在内的往前30个点的平均值作为该点的值。
 使用Rolling(30)，图形的开头会有29个空缺。
 为避免开头空缺过大，这里可以针对前面30个点单独设置平滑周期。修改脚本如下：
plt.plot(frame['close'].rolling(30, min_periods=2).mean())
结果如下图：

3、 平滑法——扩展窗口平均

【脚本】
plt.plot(frame['close'].expanding(10).mean())
【结果】

【说明】
 扩展窗口平均，从时间序列的起始处开始，不断增加窗口的长度，直到超过所有序列。这里的10是有值观测点的最小数量。图中桔色线为expanding(10).mean()的结果；蓝色线为rolling(30, min_periods=2).mean()的结果。

4、 平滑法——指数加权平均

【脚本】

plt.plot(frame['close'].rolling(30, min_periods=2).mean())
plt.plot(frame['close'].ewm(span=30).mean())
plt.show()

【结果】

【说明】
 指数加权平均：体现数据平滑的特点，还体现时间衰减的效果，即各个数据的加权系数会随时间呈指数似的递减，越靠近当前时间的数值的加权系数会越大。span=30表示时间跨度。
 图中桔色线为ewm(span=30).mean()的结果；蓝色线为rolling(30, min_periods=2).mean()的结果。

5、 环比变化统计

【脚本】

plt.plot(frame['close'].pct_change())
plt.show()

【结果】

【说明】
 环比变化的定义：（后一值-当前值）/当前值

6、 计算开盘价与收盘价的相关性

【脚本】

series1 = frame['close'].pct_change()
series2 = frame['open'].pct_change()
plt.plot(series1.rolling(10).corr(series2))
plt.show()

【结果】

【说明】
 看上去两者的相关性也比较随机

7、 使用自定义函数apply()