Python 股票分析入门

初入数据分析大门，感觉需要补的知识太多太多。不太建议系统补齐各种知识，因为大概率会倒在半路上。

以项目为导向，梳理大概流程，对流程中所需的知识点进行大致学习，以后遇到知识盲点再回来补。

接下来我以股票分析为例来了解数据分析流程。

个人认为股票分析无非就分为获取数据、数据处理、数据可视化三个部分，依赖 Python 强大的第三方开源库，上手难度变得非常低。

所需知识

• 基础
  • Python
• 环境
  • anaconda
• 数据获取
  • pandas_datareader
• 数据处理
  • numpy
  • pandas
• 数据可视化
  • matplotlib seaborn

目的

• 分析股票走势
• 多只股票的关系

Python 基本语法

推荐去看廖雪峰的 Python 教程，浅显易懂，上手很快。

安装 anaconda

Anaconda是一个包含180+的科学包及其依赖项的开源Python发行版本。

安装 anaconda，直接去anaconda 官网下载安装即可。

anaconda 安装成功后，会自带安装 Jupyter，jupyter 主要用于我们代码的编写和运行。

创建一个新文件夹 stock-market-analysis ,进入当前目录，启动 jupyter 。

# 启动 jupyter
conda notebook 
复制代码

启动成功，在浏览器中打开 http://localhost:8888/tree) ，单击 new，创建一个新的 notebook 就可以开始愉快的玩耍了！

numpy

numpy 是一个用于科学计算的 Python 库。

基本用法

# 引入 numpy
import numpy as np
复制代码

# 创建一个长度为15，3乘5的二维数组
a = np.arange(15).reshape(3, 5)
# 打印a
a
复制代码

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])
复制代码

# 创建一个长度为15，间隔10，3乘5的二维数组
b = np.arange( 1, 150, 10 ).reshape(3, 5)
# 打印b
b
复制代码

array([[  1,  11,  21,  31,  41],
       [ 51,  61,  71,  81,  91],
       [101, 111, 121, 131, 141]])
复制代码

# 两个二维数组相加 
a + b
复制代码

array([[  1,  12,  23,  34,  45],