python 天气与股票的关系--第3部分，建立模型

起因(目的):

继续瞎折腾。

过程:

1. 假设有下面这些规则: 天气中的温度，

• 如果最高温度大于 36， 那么就是坏天气。
• 如果最低温度小于 5， 那么也是坏天气。
• 如果下雨, 下雪， 那么也是坏天气。
• 其他情况为 好天气

import pandas as pd

def calculate_comfort(row, initial_comfort=17):
    # confy = initial_comfort
    confy = int(row['high'].replace('℃', '')) - int(row['low'].replace('℃', ''))  
    
    # 提取温度信息
    high_temp = int(row['high'].replace('℃', ''))
    low_temp = int(row['low'].replace('℃', ''))
    
    # 天气信息中的关键词
    weather_info = row['info']
    
    # 根据天气调整舒适度
    if '雨' in weather_info:
        confy -= 3
    if '雪' in weather_info:
        confy -= 5
    
    # 高温处理
    if high_temp >= 36:
        confy -= 0.1 * (high_temp - 35)
    
    # 低温处理
    if low_temp <= 5:
        confy -= 0.1 * (6 - low_temp)
    
    # 理想温度增加舒适度
    ideal_temp = 20
    if 18 <= high_temp <= 22:
        confy *= 1.8
    elif 16 <= high_temp <= 24:
        confy *= 1.3
    
    return confy
df['comfort_level'] = df.apply(calculate_comfort, axis=1)

2. 此外, 开盘, 收盘，之间的差距， 作为一天的结果。 也是作为模型的 y!

# ret --> mean       0.171798
df["ret"]  = (df["收盘"] -  df["开盘"] ) *100  # 17 

3. 画图查看
   

如果只从数值的角度， 那么很难看出有什么关系！

4. 换一种思路。 对比变换情况。

• 今天与昨天的天气变化情况 A
• 今天与昨天的股市变化情况 B
• A 与 B 之间的关系！

# 创建二元变量表示今天的值是否大于昨天的值
df['comfort_change'] = (df['comfort_level'] > df['comfort_level'].shift(1)).astype(int)
df['ret_change'] = (df['ret'] > df['ret'].shift(1)).astype(int)

# ret_change， 第二种思路， 根据正负值来判断！
df['ret_change2'] = (df['ret'] > 0).astype(int)  # 修改此行来适应新的规则

# 打印结果查看
df[['date', 'comfort_level', 'ret', 'comfort_change', 'ret_change', "ret_change2"]].head()

# 统计两个列中相等值的行数
equal_count = (df['comfort_change'] == df['ret_change']).sum()

输出 258， 而总共有484条数据，准确率是 258 / 484 = 0.533

结论 + todo

1. 根据天气， 来猜测股市的涨跌， 猜对的概率为 53%
2. 一个问题是， 由于节假日，休市， 所以日期是不连贯的。 数据中的昨天， 不一定是昨天（比如， 假设今天是周一， 那么“昨天”， 不是真正的昨天， 而是上个星期的周五。） 这中间差了几天， 天气也变化了。所以有问题！

走过路过，支持一下啊。