@https://www.bilibili.com/video/BV1AV411z7Pu?p=48
@python3金融分析与量化交易 2020年最全最系统课程
金融时间序列
#金融时间序列
import matplotlib.pyplot as plt
import pandas as pd
#读取并指定索引,用index_col=,后面的最好用列名,而不是索引号的位置。index_col=1就不如index_col=“trade_date”
df=pd.read_csv(“000014.SZ.csv”,index_col=“trade_date”,parse_dates=True)
#parse_dates参数:将csv中的时间字符串转换成日期格式
print(df)
print(df.info())#信息
print(df.describe().round(2))#统计数值,取两位小数
print(df.mean())
print(df.aggregate([min,max,np.median,np.mean]))#汇总统计最高值,最小值 中位数,平均数等
#用 pandas自带画图
df.plot(figsize=(100,120),subplots=True)#subplots分别子图的形式,如去掉subplots则在一张图里
plt.show()
数据差异值。 后一个数减去前一个值
import pandas as pd
import numpy as np
import random
import matplotlib.pyplot as plt
df=pd.read_csv(“000014.sz.csv”,encoding=“utf-8”,index_col=“trade_date”)
#排序,以索引号 升序
df=df.sort_index(axis=0, ascending=True)
print(df)
数据差异值 后一个数减去前一个值 ,用diff
print(df.diff())
#数据差异值的平均值等
print(df.diff().median())
aa=df.diff()
aa.to_csv(“aa.csv”)
#数据的变化率 后一个值减去前一个值,再除以前一个值
print(df.pct_change())
bb=df.pct_change().round(2)
bb.to_csv(“bb.csv”)
#数据的变化率的平均值
#画图 条形图
df.pct_change().mean().plot(kind=“bar”,figsize=(20,20))
plt.show()