如何用python分析宏观经济数据

1. 如何生成回归/散布图

1.1宏观数据的例子：

year	quarter	realgdp	realcons	realinv	realgovt	realdpi	cpi	m1	tbilrate	unemp	pop	infl	realint
2	1959	1	2710.349	1707.4	286.898	470.045	1886.9	28.980	139.7	2.82	5.8	177.146	0	0
3	1959	2	2778.801	1733.7	310.859	481.301	1919.7	29.150	141.7	3.08	5.1	177.830	2.34	0.74
4	1959	3	2775.488	1751.8	289.226	491.260	1916.4	29.350	140.5	3.82	5.3	178.657	2.74	1.09

根据提供的数据，可以生成：

• realgdp 和 realcons：实际 GDP（国内生产总值）与实际消费之间的关系。
• realgdp 和 realinv：实际 GDP 与实际投资之间的关系。
• realgdp 和 realgovt：实际 GDP 与政府支出之间的关系。
• realgdp 和 realdpi：实际 GDP 与实际个人收入之间的关系。
• realgdp 和 cpi：实际 GDP 与消费者物价指数之间的关系。
• realgdp 和 m1：实际 GDP 与货币供应量 M1 之间的关系。
• realgdp 和 tbilrate：实际 GDP 与 1 年期国库券利率之间的关系。
• realgdp 和 unemp：实际 GDP 与失业率之间的关系。
• realgdp 和 pop：实际 GDP 与人口之间的关系。
• realgdp 和 infl：实际 GDP 与通货膨胀率之间的关系。
• realgdp 和 realint：实际 GDP 与实际利率之间的关系。

1.2步骤：

1.2.1 找到macrodata的数据集，作为材料

1.2.2 根据macrodata中数据集的首行作为数据分析的切入点

1.2.3 绘制各个变量之间的关系散点图

1.3具体代码

import pandas as pd
import numpy as np 

import seaborn as sns
import matplotlib.pyplot as plt

macro = pd.read_csv('macrodata.csv')

data = macro[['year', 'quarter', 'realgdp', 'realcons', 'realinv', 'realgovt', 'realdpi', 'cpi', 'm1', 'tbilrate', 'unemp']]

trans_data = np.log(data).diff().dropna()

trans_data[-5:]

# Assuming you have a DataFrame named trans_data
sns.regplot(data=trans_data, x='m1', y='unemp')

# Set the title, take m1, unemp as example
plt.title('Changes in log %s versus log %s' % ('m1', 'unemp'))

# Show the plot
plt.show()

import warnings
warnings.filterwarnings("ignore")

#show the plot for all data
sns.pairplot(trans_data, diag_kind='kde', plot_kws={'alpha': 0.2})

1.4 实际结果

 2. 如何生成分面网格

2.1 用Seaborn

Seaborn里面有个内置的函数叫catplot，可以直接生成分面网格