失眠网 > DataFrame基础操作巩固——股票分析(一）

DataFrame基础操作巩固——股票分析(一）

时间：2019-07-30 10:19:47

以下案例分析全部在jupyter notebook里面完成

股票日期从到2月截至，虽然是8月做的数据分析案例，但是是按所述日期进行分析的

需求一：股票分析

使用tushare包获取某股票的历史行情数据输出该股票的所有收盘比开盘上涨3%以上日期输出该股票所有开盘比前日收盘跌幅超过2%的日期假如我从1月1日开始，每月第一个交易日买入1手股票，每年最后一个交易日卖出所有股票，到今天位止，我们的收益如何？

#tushare财经数据接口pip install tushare

tushare财经数据接口

1、获取某只股票的历史行情数据

import tushare as tsimport pandas as pdfrom pandas import DataFrame,Seriesimport numpy as np

#字符串形式的历史行情数据#code:字符串形式股票代码df=ts.get_k_data(code="600519",start="2000-01-01")print(df)

1.1存储、读取数据

##将互联网上获取的股票数据存储到本地df.to_csv('./maotai.csv')###运用to_xxx的方式将df中数据写入到本地进行存储##将本地存储的数据读入到dfdf=pd.read_csv('./maotai.csv')df.head()

1.2处理数据

删除某列、查看数据类型、转换成时间序列类型、转换行索引

#需要对读取出来的数据进行相关处理#删除df中指定一列df.drop(labels="Unnamed: 0",axis=1,inplace=True)#查看每一列的数据类型df['date'].dtypedf.info()###将time列由字符串转化成时间序列类型df['date']=pd.to_datetime(df['date'])###将date列作为源数据的行索引df.set_index('date',inplace=True)df.head()###输出前5行

2、输出该股票所有收盘比开盘上涨3%以上的日期

伪代码：（收盘-开盘）/开盘>0.03

(df['open']-df['close'])/df['open']>0.03

###在分析过程中如果产生了boolen值则下一步立刻将布尔值作为源数据的行索引##如果布尔值作为df的行索引，则可以取出true对应的行数据，忽略false对应的行数据df.loc[(df['open']-df['close'])/df['open']>0.03].index##获取true对应的行数据（满足需求的行数据）

回顾：df.loc()函数

主要依赖于行列的index字符名，去索引指定行列位置的值。loc[]括号里还可以加条件，如df.loc[df['shield']>6]

因为日期就是行数据的行索引，所以在df.loc[判断条件]后面加个.index

DatetimeIndex(['-05-29', '-11-14', '-11-30', '-12-11','-12-14', '-12-18', '-12-29', '-01-09','-01-11', '-01-12',...'-07-26', '-07-27', '-07-29', '-08-17','-08-26', '-10-18', '-12-29', '-01-13','-01-28', '-03-07'],dtype='datetime64[ns]', name='date', length=815, freq=None)

3、输出该股票所有开盘比前日收盘跌幅超过2%的日期

伪代码：（开盘-前日收盘）/前日收盘<-0.02

df['open']-df['close'].shift(1))/df['close'].shift(1)<-0.02

###将date列作为源数据的行索引df.set_index('date',inplace=True)##将布尔值作为源数据的行索引取出TRUE对应的数据df.loc[(df['open']-df['close'].shift(1))/df['close'].shift(1)<-0.02].index

细节1：跌幅超过2%，则是<-0.02,不是>。因为是跌，不是涨细节2：列表里是当日收盘价格，如果前日收盘而且需要整个列相减（这样比较方便）则需要close price那一列整体下移，用shift()。shift(1)表示整体下移一行，shift(-1)表示整体上移一行。细节3：这个是互联网数据，股票价格随时会发生波动

Index(['-04-17', '-04-18', '-04-19', '-04-20', '-05-25','-05-30', '-01-04', '-02-16', '-03-01', '-03-07',...'-03-23', '-10-26', '-02-26', '-03-04', '-04-28','-08-20', '-11-01', '-03-14', '-03-15', '-03-28'],dtype='object', name='date', length=449)

4、假如我从1月1日开始，每月第一个交易日买入1手股票，每年最后一个交易日卖出所有股票，到今天位止，我们的收益如何？

4.1 分析

时间节点：-一手股票：100只股票买：一个完整的年需要买入1200只股票卖：一个完整年需要卖出1200只股票买卖股票的单价：开盘价

new_df=df["-01":"-02"]new_df

4.2 提取数据

4.2.1 买入股票的金额

##买股票：找每个月第一个交易日对应的行数据（捕捉到开盘价）每月的第一行数据##根据月份从原始数据中提取指定的数据##每月第一个交易日所对应的行数据df_monthly=new_df.resample('M').first()###数据重新取样df_monthly##买入股票花费的总金额cost=df_monthly['open'].sum()*100cost

4.2.2 卖出股票到手的钱（分两部分）

第一部分：以前，按照每年12月31日的开盘价计算

### 卖出股票到手的钱#特殊情况：买入的股票卖不出去new_df.resample('A').last()##将最后一行切出去df_yearly=new_df.resample('A').last()[:-1]##卖出股票到手的钱resv=df_yearly['open'].sum()*1200resv

第二部分：因为只到2月，收益按照每年的算，所以只能用收盘价算这两个月的

###最后手中剩余股票需要估量其价值计算到总收益中last_money=200*new_df['close'][-1]+resv