数据处理：pandas进行股票数据和时间事件日志分析

最新推荐文章于 2024-08-26 10:32:41 发布

condi1997

最新推荐文章于 2024-08-26 10:32:41 发布

阅读量1.1k

点赞数

文章标签： python 数据分析

本文链接：https://blog.csdn.net/condi1997/article/details/104937400

版权

本文介绍了如何使用Python的pandas库进行股票数据分析，包括获取和分析股票交易数据，以及时间事件日志的读取、清洗和分析。在股票数据部分，涉及了波动幅度、增长曲线和增长率的计算；在时间事件日志部分，涉及了数据清洗、时间分配及专注力分析等。

摘要由CSDN通过智能技术生成

第一部分：股票数据分析

一.概述

例如一个股票数据的下载链接：
http://quotes.money.163.com/service/chddata.html?code=0600690&start=19931119&end=20180706&fields=TCLOSE;HIGH;LOW;TOPEN;LCLOSE;PCHG;TURNOVER;VOTURNOVER;VATURNOVER
把 code, start, end 字段修改一下即可下载其他股票在指定时间的交易数据。股票代码前面的那个数字表示的是交易所，0 表示上海证券交易所，1 表示深圳证券交易所。

二.数据分析

1.某数据的波动幅度：例如按月分析

adj_price = data['Adj Close']
resampled = adj_price.resample('m').ohlc()
(resampled.high - resampled.low) / resampled.low

2.增长曲线：adj_price.plot(figsize=(8, 6))
3.增长倍数：
1)最高增长倍数：total_max_growth = adj_price.max() / adj_price.min()
2)当前平均增长倍数：total_growth = adj_price.iloc[0] / adj_price.iloc[-1]
3)最大年均复合增长率：求出价格最高、最低的年份之差，再对增长倍数开相应次数的根号
在这里插入图片描述

min_date = adj_price.argmin()
max_date = adj_price.argmax()
max_growth_per_year = total_max_growth ** (1.0 / (max_date.year - min_date.year))
max_growth_per_year

4)平均年化增长率：

price_in_years = adj_price.to_period(freq='A').groupby(level=0).first() #按年分组并用每年第一月份数据表示
diff = price_in_years.diff() #求出每一年与上一年之差
rate_in_years =  diff / (price_in_years - diff) #当年数据减去与上一年之差=上一年数据，差值/上年数据==增长率
rate_in_years.plot(kind='bar', figsize=(8,6)) #柱状图
X = [