python分析股评情绪

最新推荐文章于 2024-05-05 11:00:00 发布

涛涛涛不淘

最新推荐文章于 2024-05-05 11:00:00 发布

阅读量989

点赞数 1

文章标签： python pandas matplotlib

本文链接：https://blog.csdn.net/weixin_47219875/article/details/127028287

版权

导包

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from snownlp import SnowNLP
import matplotlib.ticker as ticker

图片适应中文

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
sns.set_style('whitegrid',{'font.sans-serif':['simhei','Arial']})

导入消息队列表格

comments = pd.read_csv('stocktextming.csv')
comments.head()

删除日期时间这一列

comments.drop("日期时间", axis = 1, inplace = True)
comments.head()

在这里插入图片描述

根据SnowNLP包计算股票情绪

comments['情绪'] = None
lencom = len(comments)
i=0
while(i<lencom):
    s=SnowNLP(comments.iloc[i,0]).sentiments
    comments.iloc[i,2]=s
    i+=1
comments.head()

在这里插入图片描述

计算每日平均情绪

numbyday = comments['情绪'].groupby(comments['日期']).count()
emobyday = comments['情绪'].groupby(comments['日期']).sum()
markbyday = pd.DataFrame()
markbyday['情绪']=emobyday
markbyday['计数']=numbyday
markbyday['情绪平均']=markbyday['情绪']/markbyday['计数']*5
markbyday.head()

在这里插入图片描述

修改日期格式使得与sh和sz表匹配

markbyday['order']=markbyday.index
markbyday['日期']=None
lenMBD=len(markbyday)
i=0
while(i<lenMBD):
    str1=markbyday.iloc[i,3]
    str2='2018-'+str1[0:2]+'-'+str1[3:5]
    markbyday.iloc[i,4]=str2
    i=i+1
markbyday.head()

在这里插入图片描述

导入sh和sz表

sh=pd.read_csv('sh.csv',encoding='utf-8')
sz=pd.read_csv('sz.csv',encoding='utf-8')

新建表格

Market=pd.DataFrame()
Market['日期']=sh['date']

按日期读取每日估价变动百分比price_change并左连接情绪表

Market['上证波动']=sh['p_change']
Market['深证波动']=sz['p_change'] 
markbyday.set_index('日期',inplace=True)
Market.set_index('日期',inplace=True)

result=Market.join(markbyday)
result.head()

在这里插入图片描述

上证和深证大盘股市波动与情绪变化的比较图

fig, ax = plt.subplots(1,1)
ax.plot(result['上证波动'], label='上证波动' )
ax.plot(result['深证波动'], label='深证波动')
ax.plot(result['情绪平均'], label='情绪平均')
plt.title('三种波动对比',fontsize=20)
plt.xlabel('交易日期',fontsize=15)
plt.ylabel('波动率',fontsize=15)
ax.xaxis.set_major_locator(ticker.MultipleLocator(base=10))
plt.legend()
plt.xticks(rotation=15)
plt.savefig('stockTextMing.png',dpi=300,bbox_inches='tight')
plt.show()