【python】python基于tushare股票数据分析可视化（源码+数据+报告）【独一无二】

---

👉博__主👈：米码收割机
👉技__能👈：C++/Python语言
👉公众号👈：测试开发自动化【获取源码+商业合作】
👉荣__誉👈：阿里云博客专家博主、51CTO技术博主
👉专__注👈：专注主流机器人、人工智能等相关领域的开发、测试技术。

---

【python】python基于tushare股票数据分析可视化（源码+数据+报告）【独一无二】

---

---

设计思路

主要是用于使用tushare爬取股票数据并进行数据分析和可视化的Python脚本。以下是代码中导入的模块的分析：

1. tushare模块：
   import tushare as ts：导入了tushare库并使用别名ts，用于获取股票数据。

2. matplotlib模块：
   import matplotlib.pyplot as plt：导入了matplotlib库并使用别名plt，用于绘制数据可视化图表。

3. pandas模块：
   import pandas as pd：导入了pandas库并使用别名pd，用于处理和分析数据，包括读取和操作CSV文件、创建数据框、进行数据描述性统计等。

4. glob模块和os模块：
   import glob：导入glob模块，用于查找匹配的文件名。
   import os：导入os模块，用于操作操作系统相关的功能，如获取文件大小等。

这些导入的模块用于不同的功能，tushare用于获取股票数据，matplotlib用于数据可视化，pandas用于数据处理和分析，而glob和os用于文件操作。

二、数据抓取

1. 导入了tushare库，使用了该库提供的接口获取股票数据。
2. 通过设置token，建立了与tushare的连接。

以下是获取数据的主要步骤和代码分析：

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。👈👈👈

设置 token

token = '672ce8cxxxxxxxxxxxxxxxxxxxxxd4e120'
ts.set_token(token)

获取股票数据

stock_code = '600665.SH'
stock_code1 = '600208.SH'
stock_code2 = '600162.SH'

pro = ts.pro_api()

使用pro.daily()方法获取每只股票的日交易数据，并保存为CSV文件

# 代码略....

df.to_csv('600665.SH.csv', index=False)
df.to_csv('600208.SH.csv', index=False)
df.to_csv('600162.SH.csv', index=False)

通过设置token建立与tushare的连接，确保可以使用tushare的API。
使用tushare的pro_api()方法创建了一个pro对象，用于获取股票数据。

通过pro.daily()方法获取了每只股票（使用不同的ts_code参数）的日交易数据。

获取的数据被保存为CSV文件，文件名对应不同的股票代码，例如’600665.SH.csv’，‘600208.SH.csv’，‘600162.SH.csv’。

这样，通过调用tushare提供的API和设置的token，可以获取股票的日交易数据并将其保存为CSV文件以供后续分析和可视化。

---

三、分析数据

1. 数据的基本信息查看
   查看股票数据的行索引

print("行索引:")
print(df.index)

数据集情况

print("\n数据集情况:")
print(df.head())   显示前几行数据

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。👈👈👈

数据类型

print("\n数据类型:")
print(df.dtypes)

数据集描述统计信息

print("\n数据集描述统计信息:")
print(df.describe())

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。👈👈👈

统计各字段空缺的个数

print("\n各字段空缺的个数:")
print(df.isnull().sum())

通过代码，首先查看了股票数据集的一些基本信息。行索引：展示数据集的行索引，即数据的序号。数据集情况：显示了数据集的前几行数据，以便了解数据的结构和内容。数据类型：展示了每个列的数据类型，有助于了解数据的特征。

数据集描述统计信息：提供了数据的统计摘要，包括均值、标准差、最小值、最大值等。各字段空缺的个数：统计了每个字段中缺失值的数量，有助于识别数据质量问题。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。👈👈👈

数据的特征工程。增加 “DayHL” 列，表示日最高价和最低价之间的差值

df['DayHL'] = df['high'] df['low']

将修改后的数据保存到 new_merged.csv 文件中

df.to_csv('new_merged.csv', index=False)

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。👈👈👈

---

四、数据的可视化

# 创建一个走势图
plt.figure(figsize=(12, 6))   设置图表大小

# 绘制股票的收盘价走势
plt.plot(df.index, df['close'], label='Close Price', color='blue', linewidth=2)

# 添加标题和标签
plt.title('Stock Price Trend for 600162.SH')
plt.xlabel('Date')
plt.ylabel('Close Price')

# 显示图例
plt.legend()

# 显示走势图
plt.grid(True)
plt.show()

通过上述代码，创建了一个走势图，展示了股票的收盘价走势。
图表的标题、x轴标签和y轴标签用于说明图表的内容。
图例显示了数据中的列标签，以便理解图表中的线条代表的含义。
最后，通过plt.show()显示了绘制的走势图。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。👈👈👈

展示了三支不同股票的最高价格。每个柱子代表一支股票，横坐标是股票代码，纵坐标是最高价。通过比较柱子的高度，可以看出这三支股票中哪支的最高价最高。这有助于比较不同股票的价格表现。

显示了股票代码为’600162.SH’的股票的最高价和最低价随时间的变化。横坐标表示日期，纵坐标表示价格。通过观察折线的走势，可以了解特定股票在一段时间内的价格波动情况，包括最高价和最低价的变化趋势。

示了三支不同股票的闭盘价格中最低价的前5名。每个柱子代表一支股票，横坐标是股票代码，纵坐标是最低闭盘价。通过比较柱子的高度，可以看出哪些股票的最低闭盘价最低，这有助于确定在一段时间内价格波动最大的股票。

展示了三支不同股票的市值占比。饼状图将三支股票的市值按比例分成不同的扇形。每个扇形代表一支股票，其大小表示该股票在三支股票中的市值占比。这个图表有助于了解不同股票在总市值中所占的比例，帮助投资者分析投资组合的分布情况。

👉👉👉 源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。👈👈👈