python分析股票数据_Python数据可视化——股票数据分析
1.背景
GAFATA，它表示的是GOOGLE,AMAZON,FACEBOOK,APPLE,TENCENT,ALIBABA这六家互联网巨头的首字母缩写。本文主要分析GAFATA这六家公司股票近一年的的涨跌情况。
2.过程
先使用conda安装：
1）在python环境下安装数据分析pandas包，和互联数据获取包pandas-datareader
#导入包
#数据分析包
import pandas as pd
'''互联数据获取包注意：安装包的命令中的连接符是‘-’也就是pandas-datareader。但是这里导入包的连接符是下划线‘_’，也就是pandas-datareader这里一定要注意安装和导入包这两个连接符是不一样的，不然无法导入使用'''
from pandas_datareader import data
# 存在的问题：由于是从国外获取股票数据，会由于网络不稳定，获取数据失败，多运行几次这个cell就好了
'''获取国内股票数据的方式是：“股票代码”+“对应股市”（港股为.hk，A股为.ss）例如腾讯是港股是：0700.hk'''
#字典：6家公司的股票
gafataDict={'谷歌':'GOOG','亚马逊':'AMZN','Facebook':'FB',
'苹果':'AAPL','阿里巴巴':'BABA','腾讯':'0700.hk'}
'''定义函数函数功能：计算股票涨跌幅=（现在股价-买入价格）/买入价格输入参数：column是收盘价这一列的数据返回数据：涨跌幅'''
def change(column):
#买入价格
buyPrice=column[0]
#现在股价
#column.size是总共数据条数，序号是从0开始的，所以最后一条数据的序号是总数目-1
curPrice=column[column.size-1]
#累计涨跌幅
priceChange=(curPrice-buyPrice)/buyPrice
#判断股票是上涨，还是下跌
if(priceChange>0):
print('股票累计上涨=',priceChange*100,'%')
elif(priceChange==0):
print('股票累没有变化=',priceChange*100,'%')
else:
print('股票累计下跌',priceChange*100,'%')
#返回数据
return priceChange
阿里巴巴
'''get_data_yahoo表示从雅虎数据源获取股票数据，官网使用操作文档：http://pandas-datareader.readthedocs.io/en/latest/remote_data.html可能存在的问题：1）由于是从国外获取股票数据，会由于网络不稳定，获取数据失败，多运行几次这个cell就好了2）如果多运行几次还是无法获的股票数据，使用这个链接里的方法：https://pypi.org/project/fix-yahoo-finance/0.0.21/3）如果经过上面2个方法还不行，打开这个官网使用文档（http://pandas-datareader.readthedocs.io/en/latest/remote_data.html），换其他的财经数据源试试'''
# 获取哪段时间范围的股票数据
start_date = '2017-11-15'
end_date = '2018-11-15'
#从雅虎财经数据源（get_data_yahoo）获取阿里巴巴股票数据
babaDf=data.get_data_yahoo(gafataDict['阿里巴巴'],start_date, end_date)
#或者从Morningstar数据源获取阿里巴巴数据
#babaDf=data.DataReader(gafataDict['阿里巴巴'],'morningstar',start_date, end_date)
'''每日股票价位信息Open:开盘价High:最高加Low：最低价Close：收盘价Volume：成交量下面我们主要关注每日的收盘价'''
#查看前5行数据
babaDf.head()
#股票数据的行索引是时间序列类型，记录每天的股票信息
babaDf.index
DatetimeIndex(['2017-11-14', '2017-11-15', '2017-11-16', '2017-11-17',
'2017-11-20', '2017-11-21', '2017-11-22', '2017-11-24',
'2017-11-27', '2017-11-28',
...
'2018-11-02', '2018-11-05', '2018-11-06', '2018-11-07',
'2018-11-08', '2018-11-09', '2018-11-12', '2018-11-13',
'2018-11-14', '2018-11-15'],
dtype='datetime64[ns]', name='Date', length=254, freq=None)
#查看数据集情况
babaDf.info()
DatetimeIndex: 254 entries, 2017-11-14 to 2018-11-15
Data columns (total 6 columns):
Open 254 non-null float64
High 254 non-null float64
Low 254 non-null float64
Close 254 non-null float64
Adj Close 254 non-null float64
Volume 254 non-null int64
dtypes: float64(5), int64(1)
memory usage: 13.9 KB
#查看每一列数据类型
babaDf.dtypes
Open float64
High float64
Low float64
Close float64
Adj Close float64
Volume int64
dtype: object
#查看数据集描述统计信息
babaDf.describe()
#获取收盘价Close这一列的数据
closeCol=babaDf['Close']
#调用函数，获取涨跌幅
babaChange=change(closeCol)
股票累计下跌 -14.0656763214 %
谷歌
#获取谷歌股票数据
googDf=data.get_data_yahoo(gafataDict['谷歌'],start_date, end_date)
googDf.head()
'''累计涨幅'''
#获取收盘价Close这一列的数据
closeCol=googDf['Close']
#调用函数，获取涨跌幅
googChange=change(closeCol)
股票累计上涨= 3.77290068226 %
亚马逊
#获取亚马逊股票数据
amazDf=data.get_data_yahoo(gafataDict['亚马逊'],start_date, end_date)
amazDf.head()
'''累计涨幅'''
#获取收盘价Close这一列的数据
closeCol=amazDf['Close']
#调用函数，获取涨跌幅
amazChange=change(closeCol)
股票累计上涨= 42.4510036094 %
#获取Facebook股票数据
fbDf=data.get_data_yahoo(gafataDict['Facebook'],start_date, end_date)
fbDf.head()
'''累计涨幅'''
#获取收盘价Close这一列的数据
closeCol=fbDf['Close']
#调用函数，获取涨跌幅
fbChange=change(closeCol)
股票累计下跌 -19.2171615965 %
苹果
#获取苹果股票数据
applDf=data.get_data_yahoo(gafataDict['苹果'],start_date, end_date)
applDf.head()
'''累计涨幅'''
#获取收盘价Close这一列的数据
closeCol=applDf['Close']
#调用函数，获取涨跌幅
applChange=change(closeCol)
股票累计上涨= 11.7135569444 %
腾讯
#获取亚马逊股票数据
txDf=data.get_data_yahoo(gafataDict['腾讯'],start_date, end_date)
#腾讯是港股，所以这里的收盘价是港币，按照今天的汇率将其转化为美元
exchange=0.1278 #港币兑换美元的汇率，这个值可以根据在网上查到当天的最新汇率
#为了方便后期多家公司的股价比较，增加新的一列收盘价（美元）
txDf['Close_dollar']= txDf['Close']* exchange
#txDf.dropna(axis=0,how='any',inplace=True)#(axis=0,how='any')
txDf.head()
'''累计涨幅'''
#获取收盘价Close这一列的数据
closeCol=txDf['Close']
#调用函数，获取涨跌幅
txChange=change(closeCol)
股票累计下跌 -28.3550929504 %
数据可视化
%matplotlib inline
#导入可视化包
import matplotlib.pyplot as plt
折线图：绘制股票走势
'''横轴x是股票时间（babaDf.index是Pandas二维数据Dataframe的行索引，这里是时间序列）纵轴y是收盘价Close这一列数据plot默认是线条图'''
babaDf.plot(x=babaDf.index,y='Close')
#x坐标轴文本
plt.xlabel('时间')
#y坐标轴文本
plt.ylabel('股价（美元）')
#图片标题
plt.title('2017年阿里巴巴股价走势')
#显示网格
plt.grid(True)
#显示图形
plt.show()
分析结果：通过图中显然可以看出阿里巴巴的股票价格总体趋势是增长的，是值得投资的一家公司。
'''上面绘图后，横坐标没有显示出来，原因：1）先查看你的数据框索引是不是日期类型的，如果不是，将数据框索引转换成日期类型的2）如果获取数据来源，前面换成了数据源（morningstar），后面绘图的时候需要重置索引，代码如下：babaDf.reset_index(inplace=True)babaDf.set_index('Date',inplace=True)#查看索引是否重置成功babaDf.head()'''
"\n上面绘图后，横坐标没有显示出来，原因：\n1）先查看你的数据框索引是不是日期类型的，如果不是，将数据框索引转换成日期类型的\n2）如果获取数据来源，前面换成了数据源（morningstar），后面绘图的时候需要重置索引，代码如下：\n\nbabaDf.reset_index(inplace=True)\nbabaDf.set_index('Date',inplace=True)\n#查看索引是否重置成功\nbabaDf.head()\n\n"
散点图：成交量和股价
'''我们给plot传入的横轴x坐标轴数据成交量这一列的数据，纵轴y坐标轴数据是收盘价这一列的数据，同时增加了一个参数叫kind这个值表示绘制图形的类型，这里的值等于scatter表示绘制散点图。kind取值（图形类型）参考官方文档：http://pandas.pydata.org/pandas-docs/stable/visualization.html'''
babaDf.plot(x='Volume',y='Close',kind='scatter')
#x坐标轴文本
plt.xlabel('成交量')
#y坐标轴文本
plt.ylabel('股价（美元）')
#图片标题
plt.title('成交量和股价')
#显示网格
plt.grid(True)
#显示图形
plt.show()
#得到相关系数矩阵
babaDf.corr()
GAFATA股价走势比较
#绘制谷歌的画纸1
ax1=googDf.plot(x=googDf.index,y='Close')
#通过指定画纸ax，在同一张画纸上绘图
#亚马逊
amazDf.plot(ax=ax1,x=amazDf.index,y='Close')
fbDf.plot(ax=ax1,x=fbDf.index,y='Close')
#苹果
applDf.plot(ax=ax1,x=applDf.index,y='Close')
#阿里巴巴
babaDf.plot(ax=ax1,x=babaDf.index,y='Close')
#腾讯
txDf.plot(ax=ax1,x=txDf.index,y='Close_dollar')
#x坐标轴文本
plt.xlabel('时间')
#y坐标轴文本
plt.ylabel('股价（美元）')
#图片标题
plt.title('2018年GAFATA股价累计涨幅比较')
#显示网格
plt.grid(True)
plt.show()
'''使用label自定义图例'''
#绘制谷歌的画纸1
ax1=googDf.plot(x=googDf.index,y='Close',label='谷歌')
#通过指定画纸ax，在同一张画纸上绘图
#亚马逊
amazDf.plot(ax=ax1,x=amazDf.index,y='Close',label='亚马逊')
fbDf.plot(ax=ax1,x=fbDf.index,y='Close',label='Facebook')
#苹果
applDf.plot(ax=ax1,x=applDf.index,y='Close',label='苹果')
#阿里巴巴
babaDf.plot(ax=ax1,x=babaDf.index,y='Close',label='阿里巴巴')
#腾讯
txDf.plot(ax=ax1,x=txDf.index,y='Close_dollar',label='腾讯')
#x坐标轴文本
plt.xlabel('时间')
#y坐标轴文本
plt.ylabel('股价（美元）')
#图片标题
plt.title('2018年GAFATA累计涨幅')
#显示网格
plt.grid(True)
plt.show()
因为谷歌和亚马逊的股价比较高，造成我们看不出其他4家公司的股票走势。 所以根据股价我们可以将这6家公司分成2组，一组是股价较高的谷歌和亚马逊。另外一组是股价较低的4家公司。
'''第1组：谷歌，亚马逊'''
#绘制谷歌的画纸2
ax2=googDf.plot(x=googDf.index,y='Close',label='谷歌')
#通过指定画纸ax，在同一张画纸上绘图
#亚马逊
amazDf.plot(ax=ax2,x=amazDf.index,y='Close',label='亚马逊')
#x坐标轴文本
plt.xlabel('时间')
#y坐标轴文本
plt.ylabel('股价（美元）')
#图片标题
plt.title('2018年谷歌和亚马逊累计涨幅')
#显示网格
plt.grid(True)
plt.show()
'''第2组：4家公司'''
#绘制Facebook的画纸3
#通过指定画纸ax，在同一张画纸上绘图
ax3=fbDf.plot(x=fbDf.index,y='Close',label='Facebook')
#苹果
applDf.plot(ax=ax3,x=applDf.index,y='Close',label='苹果')
#阿里巴巴
babaDf.plot(ax=ax3,x=babaDf.index,y='Close',label='阿里巴巴')
#腾讯
txDf.plot(ax=ax3,x=txDf.index,y='Close_dollar',label='腾讯')
#x坐标轴文本
plt.xlabel('时间')
#y坐标轴文本
plt.ylabel('股价（美元）')
#图片标题
plt.title('GAFATA2018年累计涨幅')
#显示网格
plt.grid(True)
plt.show()
柱状图：六家公司股票的平均值
#6家公司股票收盘价平均值
gafataMeanList=[googDf['Close'].mean(),#谷歌
amazDf['Close'].mean(),#亚马逊
fbDf['Close'].mean(),#Facebook
applDf['Close'].mean(),#苹果
babaDf['Close'].mean(),#阿里巴巴
txDf['Close_dollar'].mean()#腾讯
]
#创建pandas一维数组Series
gafataMeanSer=pd.Series(gafataMeanList,
index=['谷歌',
'亚马逊',
'Facebook',
'苹果',
'阿里巴巴',
'腾讯'])
gafataMeanSer.plot(kind='bar',label='GAFATA')
#图片标题
plt.title('2017年GAFATA股价平均值')
#x坐标轴文本
plt.xlabel('公司名称')
#y坐标轴文本
plt.ylabel('股价平均值（美元）')
plt.grid(True)
plt.show()
分析结果：可以看出，仅从股票价格上来判断，亚马逊和谷歌的股票价格要远远的超过了其他四家。但是这里只是算的平均值，下面我们看下用四分位数绘制的箱线图
#存放6家公司的收盘价
closeDf=pd.DataFrame()
#合并6家公司的收盘价
closeDf=pd.concat([closeDf,googDf['Close'],#谷歌
amazDf['Close'],#亚马逊
fbDf['Close'],#Facebook
applDf['Close'],#苹果
babaDf['Close'],#阿里巴巴
txDf['Close_dollar']#腾讯
],axis=1)
#重命名列名为公司名称
closeDf.columns=['谷歌','亚马逊','Facebook','苹果','阿里巴巴','腾讯']
#closeDf.head()
#箱线图
closeDf.plot(kind='box')
plt.grid(True)
plt.show()