Python + Power BI，高效完成股票分析！

关注

转载最新推荐文章于 2026-09-30 20:15:43 发布 892 阅读 AI 写同款· GEO 优化 ›

当PowerBI遇到了Python 26黑夜终究过去，黎明终将到来PowerBI是目前最好的BI工具，也是最好的BI解决方案，更是最好的BI软件生态，但这不是说它已经很完美了，而是相对于竞品而言，事实上PowerBI还有很多需要改进的地方。Python是目前最好的数据科学语言，虽然有前辈R,也是后来的Julia，但挡不住Python社区的强大，有太多功能强大的库，短短的代码就可实现了其他语言需要写很长很长的功能。那么，PowerBI如果遇到Python会擦出怎样的火花呢？数据处理虽然PowerBI有Power Query加持可以做轻量的ETL 阅读详情

你好，我是坚持分享干货的 EarlGrey，翻译出版过《Python编程无师自通》、《Python并行计算手册》等技术书籍。

如果我的分享对你有帮助，请关注我，一起向上进击。

利用 Python 和 Power BI 分析股票投资组合，结合 Python 的强大数据处理能力和 Power BI 的强大可视化功能，为股票投资提供全面的见解。

首先，我们需要导入一些必要的库，如 os、pandas 和 yfinance。这些库分别用于文件操作、数据处理和获取财务数据。接着，我们从股票数据接口提供的 CSV 文件中读取交易数据，并将其合并成一个便于分析的 DataFrame。

为了确保分析的准确性，数据清理是必不可少的。我们删除了多余的列，转换了数据类型，并标准化了股票代码以符合金融数据库的格式。这个步骤确保了我们的数据一致性并为后续处理做好了准备。

# Remove columns that are not useful for the analysis
carteira = carteira.drop(["Conta", "Preço"], axis=1)


# Converting columns to numeric type
carteira['Financeiro Compra'] = pd.to_numeric(carteira['Financeiro Compra'].str.replace('.', '').str.replace(',', '.'))
carteira['Financeiro Venda'] = pd.to_numeric(carteira['Financeiro Venda'].str.replace('.', '').str.replace(',', '.'))


# Convert the 'Dt. Negociação' column to datetime format
carteira['Dt. Negociação'] = pd.to_datetime(carteira['Dt. Negociação'], format='%d/%m/%Y')




display(carteira)

为了减少冗余并准备数据进行分析，我们按日期和库存汇总交易记录，然后计算采购和销售的累计总数。此步骤简化了数据，使其更易于分析和解释。

我们通过将股票数量乘以从雅虎财经获取的各自当前价格来计算投资组合的价值。这使我们能够跟踪投资的每日价值，并了解我们的投资组合在一段时间内的表现。

为了评估我们的投资组合相对于市场的表现，我们将投资组合价值标准化，并将其与IBOVESPA指数的表现进行比较。该基准清楚地表明了我们的投资相对于大盘的表现。

#A quick analysis between Ibovespa and the portfolio + dividends


total_norm['Lucro_div_norm'].plot(label='Carteira', figsize=(15,5))
df_ibov['ibov norm'].plot(label='IBOV')
plt.legend()
plt.show()


print(f"O ibov subiu {(df_ibov['ibov norm'][-1] - 1):.2%}")
print(f"A carteira com dividendos subiu {(total_norm[r'Lucro_div_norm'][-1] - 1):.2%}")

股息是投资回报的重要组成部分。我们创建函数来获取、计算和显示投资组合中每只股票收到的股息。此步骤有助于了解总投资回报，包括资本收益和股息收入。

# Function to calculate and display dividends for a given stock
def Dividendos(ativo):
    div = get_dividends(ativo, start_date=data_inicial)
    div['quantidade'] = 0
    div['total'] = 0
    valortotal = 0
    for indice, linha in div.iterrows():
        valor = div.at[indice, 'dividend'] * df_carteira.at[indice,ativo]
        div.at[indice,'quantidade'] = df_carteira.at[indice,ativo]
        div.at[indice,'total'] = valor
        valortotal += valor


    display(div.loc[div['total'] > 0])
    print(f'Você recebeu no total R${valortotal:.2f} de dividendos')




# Function to analyze a specific stock in the portfolio
def AnalizarAtivo():
    ativo = str(input('Escolha um Ativo:'))
    if ativo in carteira_por_acao['Ativo'].values:
        quant = carteira_por_acao.loc[carteira_por_acao['Ativo']==ativo,'Quantidade'].values[0]
        preço_medio = carteira_por_acao.loc[carteira_por_acao['Ativo']==ativo,'Preço'].values[0]
        preço_atual = tabela_cotacoes.loc[data_final,ativo]
        porce_carteira = (df_carteira_valor_atual.loc[data_final,ativo] * 100) / df_carteira_valor_atual.loc[data_final,'Total atual']
        print(f'Você possui {quant} ações')
        print(f'O seu preço médio é de R${preço_medio:.2f}')
        print(f'Valor da ação no dia {data_final} é de R${preço_atual:.2f}')
        print(f'Lucro/prejuizo de {((preço_atual/preço_medio) -1):.2%}')
        print(f"Porcentagem na carteira é de {porce_carteira:.2f}%")
        tabela_cotacoes[ativo].plot(label=ativo, figsize=(15,5))
        plt.legend()
        plt.show()
        Dividendos(ativo)
    else:
        print('Você não possui esse ativo na carteira')