前一篇是解决数据获取以及数据可视化问题
这一篇主要是对前面存在的一个问题进行修改和使用机器学习中深度学习keras框架对数据进行分析。
- 解决可视化中存在的不能显示日期的bug
其实这个问题属于数据清洗的一部分,想起之前在kaggle里学习到data clean里的内容。数据预处理里的日期分析 ,主要问题是存在data_frame中的date,用read_csv()方法读取时,其类型为object,而不是datetime64。这里需要使用pandas里的to_datetime()函数转一下。
def plot_stock_close_price(stock_price_path, fig_save_path):
stock_df = pd.read_csv(stock_price_path)
stock_df['Date parsed'] = pd.to_datetime(stock_df['Date'], infer_datetime_format=True, utc=True)
stock_df[['Date parsed', 'Close']].set_index('Date parsed').plot()
# fig = plt.figure(figsize=(12, 8))
stock = stock_price_path.split('/')[-1].split('.')[0][-6:]
# plt.title('{} Closed price'.format(stock))
# plt.plot(stock_df['Date parsed'], stock_df['Close'], color='blue')
# plt.xlabel('Date', fontsize=18)
# plt.ylabel('Close Price ($\yen$)')
plt.savefig(fig_save_path + '/{}.png'.format(stock))
plt.show()
if __name__=='__main__':
stock_price_path = '/home/xxx/xxx/九鼎投资600053.ss.csv'#该路径根据csv文件的路径而定
fig_save_path = '/home/xxx/picture'#图片要存储的路径位置
plot_stock_close_price(stock_price_path, fig_save_path)
运行结果如下图所示:
欠的作业补上进入本文的正题,使用前60天数据预测后一天的收盘价。