python可视化数据分析-python 可视化数据分析

导入必要的模块

首先，我们导入numpy、pandas和用于作图的matplotlib库：

从雅虎财经获取特斯拉、通用和福特的每日收盘价数据

可视化数据，并对有趣的事件进行可视化检查，并画蜡烛图

在同一张图中画出特斯拉、通用和福特股票的开盘价曲线：

每支股票的最大成交量是发生在哪一天？

从开盘价格的时间序列可视化来看，似乎特斯拉的股价一直都要比通用和福特的股价更有高。但至于为什么特斯拉的股价一直高于其他两支股票，这个问题的答案不是单由股价决定，我们还需要考虑公司的总市值。尽管我们目前的数据并没有关于目前股票总单位的信息。但是，我们可以做一个简单的计算，在这里我们假设总的交易金额将是成交量列乘以开盘价格。这只是对市值的粗略估计而不是真实的市场价值，我们只是使用时间序列来直观地表示交易的总金额。（例如，100股，每股10美元，而100000股，每股1美元）

为每个dataframe创建一个名为"总交易量”新的一列，即开盘价格与成交量的乘积。

从上图可以看出：在2018年初，特斯拉交易了巨额资金。我们很自然的想知道那是什么日子，发生了什么事：

特斯拉股价暴涨10%，此前埃隆?马斯克（Elon Musk）在推特上发布了一条关于特斯拉私有化的消息，令市场震惊，特斯拉股价在停牌一个多小时后飙升逾10%。马斯克发布了一系列推文，称可能以每股420美元的价格将公司私有化。

接下来，我们画出一些移动平均线（MA）：分别为通用股票的50日均线（MA50）和200日均线（MA200）。

为了探寻这三支股票之间的关系，我们使用pandas.plotting库中的scatter_matrix函数来创建三支股票收盘价的散点矩阵图。将列重新排列为新的单个股票的收盘价格。

接下来，我们来绘制福特的蜡烛图：

通过计算和比较每日收益来进行基本财务分析，并绘制每支股票的每日收益分布图来识别三者之间的关系。

每日百分比变化可以通过下面的公式计算所得：

从"收盘价”列计算收益。

同时，我们用一些box plot来比较三支股票的收益范围。

比较股票的日收益：

我们绘制散点矩阵图，以查看每个股票日收益率之间的相关性。

从上面的scatter矩阵图，我们可以看出只有通用和特斯拉回报率关系图和其他4对关系图看起来不一样（其他对关系图为正交，即两支股票回报率没有明显相关性），所以我们可以推断特斯拉和通用确实有某种可能的关系。

累计日收益

日收益：日收益是指股票价格相对于前一日的损益。

累积回报：累积回报是相对于投资计算的。如果累计回报超过一，你就是在盈利，否则就是亏损。

累积日收益的公式为：

df[daily_cumulative_return] = ( 1+df[pct_daily_return] ).cumprod()

假设我们从2012年1月3日开始买入这三支股票并一直持有，则我们的累计日均收益为：

下面，我们来可视化一下三支股票的累计收益率，可以发现购入特斯拉后，它的价格涨了14倍！

以上就是一个简单的python数据分析股票市场的入门项目