使用tensorflow：LSTM神经网络预测股票（三）

原始数据处理

有朋友在qq群里分享了原始数据处理的想法，例如调整origin_data_row参数、添加一些大盘的数据作为新的特征等。所以这一篇我将原始数据以及原始数据的处理方法写下来，为方便大家验证、探索更好地解决方案。

原始数据格式

原始数据共有11列，
列名为：
stock_num,stock_date,cir_market_value,close_hfq,high_hfq,low_hfq,open_hfq,p_change,total_value,turnover,volume
对应含义为：
股票代码、日期、流通市值、后复权收盘价、后复权最高价、后复权最低价、后复权开盘价、涨幅、总市值、换手率（流通股）、成交量（单位：股）

股票代码为整数形式，000001被表示为1，后复权以该股票上市之日计算

数据来源于网上多个数据源，进行交叉对比、填充后得到。主要有：
1. tushre
2. 新浪财经
3. 某宝上面购买

原始数据处理方法

在此推荐使用python::pandas库处理数据，它是使得python成为强大而高效的数据分析环境的重要因素之一。

学习资源：
1. 网上有十分钟搞定pandas教程，可以用以作为入门引导。