在这篇学习日志中,我们将学习如何使用Tushare库获取外汇日线行情数据,并进行简单的数据分析。
第一部分:初始化与数据获取
首先,我们需要初始化Tushare API,并使用fx_daily
接口获取外汇日线行情数据。
import tushare as ts
import pandas as pd
import matplotlib.pyplot as plt
# 初始化Tushare API
pro = ts.pro_api()
# 获取美元人民币交易对的日线行情数据
df = pro.fx_daily(ts_code='USDCNH.FXCM', start_date='20190101', end_date='20190524')
第二部分:数据概览
让我们先来看一下获取到的外汇日线行情数据的一些基本信息。
# 打印数据前几行
print(df.head())
数据样例:
ts_code trade_date bid_open bid_close bid_high bid_low ask_open ask_close ask_high ask_low tick_qty
0 USDCNH.FXCM 20190524 6.9261 6.9326 6.9342 6.9248 6.9277 6.9330 6.9347 6.9252 18080
1 USDCNH.FXCM 20190523 6.9309 6.9261 6.9431 6.9253 6.9376 6.9277 6.9436 6.9261 105229
2 USDCNH.FXCM 20190522 6.9334 6.9309 6.9409 6.9236 6.9348 6.9376 6.9414 6.9242 111350
3 USDCNH.FXCM 20190521 6.9373 6.9334 6.9463 6.9205 6.9408 6.9348 6.9468 6.9209 222996
4 USDCNH.FXCM 20190520 6.9366 6.9373 6.9459 6.9358 6.9373 6.9408 6.9465 6.9362 79531
第三部分:数据分析
3.1 汇率走势分析
让我们通过折线图来分析美元人民币汇率的走势。
# 将日期转换为日期格式
df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d')
# 绘制美元人民币汇率走势图
plt.figure(figsize=(12, 6))
plt.plot(df['trade_date'], df['bid_close'], label='买入收盘价')
plt.plot(df['trade_date'], df['ask_close'], label='卖出收盘价')
plt.title('美元人民币汇率走势分析')
plt.xlabel('日期')
plt.ylabel('汇率')
plt.legend()
plt.grid(True)
plt.show()
3.2 最高价和最低价分析
我们也可以分析买入和卖出的最高价和最低价。
# 绘制买入和卖出最高价和最低价折线图
plt.figure(figsize=(12, 6))
plt.plot(df['trade_date'], df['bid_high'], label='买入最高价')
plt.plot(df['trade_date'], df['bid_low'], label='买入最低价')
plt.plot(df['trade_date'], df['ask_high'], label='卖出最高价')
plt.plot(df['trade_date'], df['ask_low'], label='卖出最低价')
plt.title('买入和卖出最高价和最低价分析')
plt.xlabel('日期')
plt.ylabel('价格')
plt.legend()
plt.grid(True)
plt.show()
第四部分:总结
通过以上分析,我们可以清晰地了解美元人民币汇率的走势以及买入和卖出的最高价和最低价。
Tushare提供了丰富的金融数据接口,通过学习如何使用这些接口,我们可以更好地了解外汇市场的表现。