实例：股票数据分析+时间事件日志+pandas课程小结

最新推荐文章于 2024-01-12 15:52:00 发布

小茗0311

最新推荐文章于 2024-01-12 15:52:00 发布

阅读量475

点赞数

分类专栏：笔记

本文链接：https://blog.csdn.net/weixin_46311892/article/details/105700305

版权

本文通过实例展示了如何进行股票数据分析，包括股票数据的获取、波动分析和年化收益率计算。同时，介绍了时间事件日志的处理过程。此外，总结了pandas课程的关键内容，如ipython的使用、pandas的基础操作、数据IO、时间序列和数据可视化等，强调了pandas在数据处理中的重要性。

摘要由CSDN通过智能技术生成

1、实例
股票数据获取
股票波动分析
年化收益率
数据来源：雅虎财经网站股票日历数据下载
Date,Open,High,Low,Close,Volume,Adj Close（复权价）

#matplotlib inline
import pandas as pd
import numpy as np
import os
import matplotlib as plt

ls yahoo-data/
data = pd.read_csv('yahoo-data/600690.csv',index_col='Date',parse_dates=True)
data
-- 除权后数据
adj_price = data['Adj Close']
adj_price
-- 用resample进行数据采样
resampled = adj_price.resample('m',how='ohlc')
resampled
-- 波动幅度
ripple=(resampled.high-resampled.low)/resampled.low
ripple
-- 平均值
ripple.mean()
-- 股票价格变化图
adj_price.plot(figsize=(8,6))
-- 最低值与最高值差值倍数
(adj_price.max()-adj_price.min())/adj_price.min()
-- 增长幅度
total_growth = adj_price.ix[0]/agj_price.ix[-1'
total_growth
-- 年平均增长幅度
old_date = adj_price.index[-1]
new_date = adj_price.index[0]
old_date.year,new_date.year
total_growth**(1.0/new_date.year-old_date.year))
-- 以时区为索引的数据 A为年
adj_