學習使用python來分析股票，主要事涉及資料獲取、資料視覺化，以及探究資料中各項指標的含義及和關係。 使用工具 pandas、numpy、datatime pandas-datareader 線上獲取股票資料 matplotlib 資料視覺化 Jupyter Notebook 資料分析利器 #一、資料獲取

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

# 初始資料
# 建立字典
myDict = {'谷歌': 'GOOG', 
          '蘋果'
 
: 'AAPL',
          '阿里巴巴':'BABA',
          '騰訊': '0700.hk'
         }
# 時間
start = datetime(2017,1,1)
end = datetime(2017,12,31)

# 從IEX資料來源獲取谷歌股票資料
gdata = web.DataReader(myDict['蘋果'],'iex', start, end)

2y

# 檢視前5條資料
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

# 查詢某一天資料
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]

# 查詢前10條資料
# 將顯示重新排列後的結果
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

# 查詢更多資訊
gdata.info

# 檢視資料型別
gdata.dtypes

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

# 檢視資料集描述統計資訊
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、資料觀察

每日股票資訊

open: 開盤價
high: 最高價
low: 最低價
close: 收盤價
volume: 成交量

下面我們主要來關注每日的收盤價

股票漲跌幅度

'''
定義函式：計算機股票漲跌幅 ＝（現在股價－買入價格）/買入價格
輸入引數：column 表示收盤價這一列資料
返回漲跌幅
'''

def change(column):
    # 買入價格 年初
    buyPrice = column[0]
    # 現在價格 年末
    curPrice = column[len(gdata)-1]
    changePrice = (curPrice - buyPrice)/buyPrice
    # 判斷股價變化
    if changePrice > 0:
        print('股票累計上漲=',changePrice)
    elif changePrice == 0:
        print('股票累計沒有變化=',changePrice)
    else:
        print('股票累計下跌=', changePrice)
    return changePrice

# 檢視結果
bdata = gdata[::-1]
change(bdata['close'])

股票累計上漲= 0.48042730883621415





0.48042730883621415

資料視覺化－時間序列圖

以時間為橫座標，每日的收盤價為縱座標，繪製折線圖，可以觀察股票隨時間的波動情況。我們使用 matplotlib 包來繪製。

# 匯入繪圖包
#coding:utf-8
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus']=False # 用來正常顯示負號

# 繪製圖表
fig, ax = plt.subplots(figsize=(14,8)) # 繪圖視窗大小
plt.title('2017年蘋果股票', fontsize=18)  # 標題
ax.plot(bdata['close'],color='blue', label='收盤價') 
ax.plot(bdata['open'],color='#F37726', label='開盤價')
ax.plot((bdata['close']-bdata['open']),color='red', label='每日漲跌(收盤價-開盤價)')

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

plt.xlabel('1-12月份', fontsize=14)   # 橫座標
# plt.ylabel('收盤價', fontsize=14) #縱座標
# 刻度標記大小
# axis 可選擇引數 x,y,both 
plt.tick_params(axis='both',labelsize=13) 
# ax.axis('equal') # label顯示位置
plt.show() # 顯示

先挖個坑：

上圖中橫座標一條黑粗線，實際為每天股票日期，全部重疊在一起就變這條黑線 囧

原來想顯示1-12月份的，但找了好多資料都還沒完成，希望哪個大神看到能指導下，謝謝！

學會了回來補上

上圖中我首先用藍色繪製收盤價折線圖，再用黃色繪製開盤價折線圖，最後用紅色繪製每日漲跌幅折線圖，看起來是否很亂，如果再加上每天最高價和最低價，那就更無法見人了。
那麼有什麼方法能夠在一張圖中顯示出這四種指標呢？答案是K線圖。

K線圖

相傳K線圖起源於日本德川幕府時代，當時的商人用此圖來記錄米市的行情和價格波動，後來K線圖被引入到股票市場。每天的四項指標資料用如下蠟燭形狀的圖形來記錄，不同的顏色代表漲跌情況。

三、資料分析

相對變化量

股票中關注的不是價格的絕對值，而是相對變化量。有多種方式可以衡量股價的相對值，最簡單的方法就是將股價除以初始時的價格。

方法一： 前面介紹的計算每日漲跌幅

（收盤價－開盤價）/ 開盤價

# 繪製圖表
fig, ax = plt.subplots(figsize=(14,8)) # 繪圖視窗大小
plt.title('2017年蘋果股票', fontsize=18)  # 標題
# 繪製參考線
(bdata['close']-bdata['open']).plot(grid=True, color='red', label='每日漲跌(收盤價-開盤價)').axhline(y=0, color='black', lw=2)
ax.legend(frameon=False)
plt.xlabel('1-12月份', fontsize=14)   # 橫座標
plt.ylabel('漲跌幅度', fontsize=14) #縱座標
# 刻度標記大小
# axis 可選擇引數 x,y,both 
plt.tick_params(axis='both',labelsize=13) 
plt.show() # 顯示

相關關係

在觀察了價格的走勢之後，我們來看看各指標之間的關係。

又挖了個坑：

學會了再說 囧