数据分析项目-股票数据分析

目录

tushare财经数据接口包

需求：股票分析

数据处理

 使用tushare包获取某股票的历史行情数据

df的持久化存储 df.to_xxx()

 加载外部数据 pd.read_xxx()

将Unnamed: 0列进行删除

将date列的字符串类型的时间转换成时间序列类型

将date列作为源数据的行索引

数据分析

1.输出该股票所有收盘比开盘上涨3%以上的日期。

(收盘-开盘)/开盘 > 0.03

将满足需求的行数据获取（收盘比开盘上涨3%以上）

获取满足要求的日期

2.输出该股票所有开盘比前日收盘跌幅超过2%的日期。

3.假如我从2010年1月1日开始，每月第一个交易日买入1手（100支）股票，每年最后一个交易日卖出所有股票，到今天为止，我的收益如何？

需求：双均线策略制定

获取数据 

 计算并制定双均线

分析输出所有金叉日期和死叉日期

股票分析技术中的金叉和死叉

数据分析

将时间节点的金叉和死叉日期全部找出 

将金叉日期和死叉日期分别存储到两个Series中,将日期作为Series的索引，将0和1作为Series的value值

收益计算

---

tushare财经数据接口包

• pip install tushare
• 作用：提供相关指定的财经数据
• 相关文档：Tushare -财经数据接口包

需求：股票分析

使用tushare包获取某股票的历史行情数据。

• tushare财经数据接口包，基于该模块可以获取任意股票的历史交易数据
• pip install tushare

数据处理

 使用tushare包获取某股票的历史行情数据

df = ts.get_k_data(code='600519',start='2010-01-10')

df的持久化存储 df.to_xxx()

#将df的数据存储到本地
df.to_csv('./maotai.csv')

 加载外部数据 pd.read_xxx()

#加载外部数据到df中：read_xxx()
df=pd.read_csv('./maotai.csv')
print(df.head())

 输出结果

   Unnamed: 0        date     open    close     high      low    volume    code
0           5  2010-01-11  104.400  102.926  105.230  102.422  24461.03  600519
1           6  2010-01-12  103.028  105.708  106.040  102.492  31063.40  600519
2           7  2010-01-13  104.649  103.022  105.389  102.741  37924.44  600519
3           8  2010-01-14  103.379  107.552  107.974  103.379  46454.64  600519
4           9  2010-01-15  107.533  108.401  110.641  107.533  45938.50  600519

将Unnamed: 0列进行删除

在drop系列的函数中

• axis=0表示的行，1表示的是列
• inplace=True将删除操作直接作用原始数据

#将Unnamed: 0列进行删除
df.drop(labels="Unnamed: 0",axis=1,inplace=True)  #inplace=True代表原列删掉 不保存
print(df.head())

 输出结果：Unnamed: 0已经没有了

         date     open    close     high      low    volume    code
0  2010-01-11  104.400  102.926  105.230  102.422  24461.03  600519
1  2010-01-12  103.028  105.708  106.040  102.492  31063.40  600519
2  2010-01-13  104.649  103.022  105.389  102.741  37924.44  600519
3  2010-01-14  103.379  107.552  107.974  103.379  46454.64  600519
4  2010-01-15  107.533  108.401  110.641  107.533  45938.50  600519

将date列的字符串类型的时间转换成时间序列类型

#将date列的字符串类型的时间转换成时间序列类型
df["date"]=pd.to_datetime(df["date"])
print(df["date"].dtype)

输出结果：date列已经变成了一个时间类型

datetime64[ns]

将date列作为源数据的行索引

#将date列作为源数据的行索引
df.set_index("date",inplace=True)
print(df.head())

输出结果：时间列作为了行索引

              open    close     high      low    volume    code
date                                                            
2010-01-11  104.400  102.926  105.230  102.422  24461.03  600519
2010-01-12  103.028  105.708  106.040  102.492  31063.40  600519
2010-01-13  104.649  103.022  105.389  102.741  37924.44  600519
2010-01-14  103.379  107.552  107.974  103.379  46454.64  600519
2010-01-15  107.533  108.401  110.641  107.533  45938.50  600519

数据分析

1.输出该股票所有收盘比开盘上涨3%以上的日期。

(收盘-开盘)/开盘 > 0.03

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

 输出结果

date
2010-01-11    False
2010-01-12    False
2010-01-13    False
2010-01-14     True
2010-01-15    False
              ...  
2021-11-16    False

经验：在df的相关操作中如果一旦返回了布尔值，下一步马上将布尔值作为原始数据的行索引

将满足需求的行数据获取（收盘比开盘上涨3%以上）

# 发现布尔值可以作为df的行索引，可以直接取出true对应的行数据
df2=df.loc[(df['close'] - df['open']) / df['open'] > 0.03]
print(df2.head())

 输出结果：只保留了true的行

date                                                            
2010-01-14  103.379  107.552  107.974  103.379  46454.64  600519
2010-01-28  104.566  107.974  108.708  104.336  30267.52  600519
2010-04-21   91.573   94.458   94.579   90.431  63365.87  600519
2010-05-07   80.406   82.965   83.195   80.087  31254.76  600519
2010-05-21   82.576   85.645   85.894   81.982  27341.38  600519

Process finished with exit code 0

获取满足要求的日期

#获取满足要求的日期
print(df2.index)

输出结果

DatetimeIndex(['2010-01-14', '2010-01-28', '2010-04-21', '2010-05-07',
               '2010-05-21', '2010-08-02', '2010-08-30', '2010-10-20',
               '2010-11-10', '2010-11-23',
               ...
               '2021-05-25', '2021-07-28', '2021-08-02', '2021-08-10',
               '2021-08-24', '2021-09-01', '2021-09-17', '2021-09-24',
               '2021-09-27', '2021-10-13'],
              dtype='datetime64[ns]', name='date', length=172, freq=None)

Process finished with exit code 0