一、数据分析的目标：以价格和成交量做散点图，并用折线标明变化顺序，直观的显示某只股票价格和交易量的变化。
二、实现步骤：1、获取数据。2、数据的规整。3、数据的可视化展示1－散点图。4、数据的可视化展示2－叠加后5日、10日、15日的折线图。
三、具体步骤。
1、 获取数据。获取股票交易数据的来源有多种，很多网站都提供这类数据。这里以csv格式的文件为例。做为本例的股票交易数据源的csv格式的文件，首行是列标题，分别是code（股票代码）、stockname（股票名称）、tradedate（交易日期）、opening（开盘价）、closeing（收盘价）、volume（交易量），其它每行都是对应这些列的数据，用逗号分隔。获取的方法是用pandas中的read_csv方法。获取的数据形式是DataFrame。
为了讲清楚这些，先对相关知识点做一下阐述。
a)导入外部的扩展模块。使用特殊的命令import来导入模块。import pandas as pd，意思是做为pd别名导入pandas模块，from pandas import Series,DataFrame，意思是从pandas模块中导入Series和DataFrame。
b)Python中的列表、元组和字典。列表和元组是python中常用的两种类型的内建序列，它们俩的主要区别在于，列表可以修改而元组则不能，即元组不能根据要求添加新元素。它们共同的操作有：索引（indexing）、分片（sliceing）、加（adding）、乘（multiplying）以及检查某个元素是否属于序列的成员、计算序列长度len、最大值max、最小值min。可以通过索引来获取元素，也可以通过索引来获取整个列表或元组的一部分，即分片。在分片时，使用负数做索引，即从尾部向前数，索引为-1代表最后一个元素，-2代表倒数第二个元素。索引或分片用[]表示，如A[0]表示列表A中的第一个元素，A[3：8]表示列表A中第4到第8个元素的列表，这里包括了A[3]（即第4个元素），未包括A[8]（即第9个元素）。再举一些例子，A[：3]表示从开始到第4个元素，A[2：]表示从第3个元素到最后，A[：]表示全部元素，A[-5：]表示从倒数第5个元素到最后，A[：-2]表示从开始到倒数第3个元素（不包括倒数第2个元素），A[-4：-1]表示从倒数第4个元素到倒数第2个元素。A[0：10：2]表示从第一个元素到10个元素中每步间隔为2，即A[0]、A[2]、A[4]….等等。字典由多个键值对组成。如phonebook={‘Alice’:’2341’,’Beth’:’9102’}表示键’Alice’对应的号码是’2341’，键’Beth’对应的号码是’9102’。
c)pandas中的Series、DataFrame数据结构的构建及操作。Series是一种一维的数据结构的对象，它由一组数据和一组与之相关的数据标签（即索引）组成。构建举例：series=Series([1,2,3,4,5],index=[0,1,2,3,4])。DataFrame是一种二维的数据结构的对象，即表格型的数据结构，它包括一个二维数组和与之相关的标签（即行索引和列索引）。构建举例：df=DataFrame([[1,2,3],[4,5,6],[7,8,9]],index=[‘a’,’b’,’c’],columns=[‘one’,’two’,’three’])。操作，取df中行标签为’a’列标签为’three’的值，df[‘three’][‘a’]。
下面是实现获取数据的代码：
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from pandas import Series,DataFrame
#通过指定的文件和股票名，获取含收盘价和成交量两个列的DataFrame
def getdata(filename,stockname):
df=pd.read_csv(filename)
df1=df[df['stockname']==stockname]
return df1[['closeing','volume']]
(待续)
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
