2021-08-10

保险股价趋势图分析

	测试了一下，matplotlib.pyplot  的作图 ，折线图趋势如下：
	中国平安下跌最快 ，反弹也是最猛的，看好新华保险，前期下跌幅度小，后期反弹凶猛，准备加仓 。

具体代码如下：

import pandas as pd
import numpy  as np  
import matplotlib.pyplot as plt
import tushare as ts
from datetime import datetime, timedelta


#解决中文显示问题
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False

## 时间，日期 
now = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
end_date = datetime.now().strftime('%Y-%m-%d') 
bgn_date = (datetime.now()+timedelta(days=-30)).strftime("%Y-%m-%d")

## 股票代码，股票中文简称  
code_list = ['601318','601319','601628','601336']
name_list = ['中国平安','中国人保','中国人寿','新华保险']
## name_list  = ['pinan','renbao','rensou','xinhua']

dict_name = dict(zip(code_list,name_list))   

data_his_tmp    = pd.DataFrame()
data_his_record = pd.DataFrame()
close_data_sca  = pd.DataFrame()

## 获取股票前30天 收盘价 和 今天的实时价格 
def close_value_his(cde):
    data_his = pd.DataFrame()
    data_his = ts.get_hist_data(cde,start=bgn_date,end=end_date) 
    data_his['name'] = dict_name[cde]
    return data_his

def minmax_sca(data):
    """
    离差标准化
    data:传入的数据
    return:标准化之后的数据
    """
    new_data=(data-data.min())/(data.max()-data.min())
    return round(new_data,4)

## 数据导入
for key,value  in dict_name.items()  : 
    data_his_tmp = close_value_his(key)
    data_his_record=pd.concat([data_his_record,data_his_tmp]) 
    
print(now)

## 对收盘价做透视表汇总
close_data = pd.pivot_table(data_his_record,index=["date"],values=["close"],columns=["name"],aggfunc=[np.sum])
print(close_data.columns)

## 列名重置更新
col_new = [close_data.columns[0][2],close_data.columns[1][2],close_data.columns[2][2],close_data.columns[3][2]]
print(col_new)
close_data.columns = col_new 

## 数据标准化 
for col  in close_data.columns: 
    close_data_sca[col] = minmax_sca(close_data[col])

print(now)
print(close_data_sca.tail(5)) 

## 做图 
plt.figure(figsize=(20,10))
plt.title(u'保险股价趋势图') 
plt.xticks(rotation=45)

## 数据，线条，系列名 
for col_2  in close_data_sca.columns: 
    plt.plot(close_data_sca.index, close_data_sca[col_2],'-',label=col_2 )

plt.legend()  
plt.show()