Python数据分析之股票数据

最近股市比较火，我年月初上车了，现在已经下了。中间虽然吃了点肉，但下车的时候都亏进去了，最后连点汤都没喝着。

这篇文章我们就用python对股票数据做个简单的分析。数据集是从1999年到2016年上海证券交易所的1095只股票。

共1000个文件。

我们的分析思路大致如下：

• 每年新发股票数
• 目前市值最大的公司有哪些
• 股票一段时间的涨跌幅如何
• 牛市的时候，个股表现如何

首先导入模块

import pandas as pd
import numpy as np
import os
import seaborn as sns
import matplotlib.pyplot as plt
# 绘图显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
复制代码

用pandas读文件

file_list = os.listdir('./data/a-share/')

pieces = []
for file_name in file_list:
    path = './data/a-share/%s' % file_name
    file = pd.read_csv(path, encoding ='gb2312')
    pieces.append(file)
    
shares = pd.concat(pieces)
复制代码

使用read_csv读文件的时候需要指定文件编码encoding ='gb2312'。将各个文件的DataFrame合并后，将索引重置一下，并预览一下数据

shares.reset_index(inplace=True, drop=True)
shares.head()
复制代码

这里我们最关注的列是日期、代码、简称、收盘价。

按照分析思路，我们首先来看看上市公司的总数

len(shares['代码'].unique())
复制代码

对股票代码去重、计数可以看到一共有1095家上市公司。那我们再看看每年新增的上市公司有多少家

# 计算每只股票的最早交易时间（即：上市时间）
shares_min_date = shares.groupby('简称').agg({'日期':'min'})
shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x: str(x)[:4])

# 每年上市公司的数量
shares_min_date.groupby('上市年份').count().plot()
复制代码

可以看到，多的时候每年60-80家，而05年-13年这段时间上市后的公司特别少，尤其是13年只有1家，原因是13年暂停了IPO。

下面我们再来看看数据集中最新的时间点（2016-06-08），市值较大的公司有哪些

shares_market_value = shares[shares['日期'] == '2016-06-08'][['简称', '总市值(元)']].sort_values(by='总市值(元)', ascending=False)

# 市值最大的公司 top10
tmp_df = shares_market_value.head(10)

# 画图
sns.barplot(x=tmp_df['总市值(元)'], y=tmp_df['简称'])
复制代码

截至16年6月8号，工商银行（爱存不存）的市值最高1.5万亿，不愧是宇宙第一大行。并且能发现市值前十的公司大部分是银行。

下面再来看看，从11.06.09 - 16.06.085年时间里个股涨跌情况。起点选11.06.09的原因是这一天包含了900左右只股票，样本较大。然后，我们抽取这两天股票的收盘价，计算涨跌幅

shares_110609 = shares[shares['日期'] == '2011-06-09'][['代码', '简称', '收盘价(元)']]
shares_160609 = shares[shares['日期'] == '2016-06-08'][['代码', '收盘价(元)']]

# 按照股票代码将2天数据关联
shares_price = shares_110609.merge(shares_160609, on='代码')
shares_price
复制代码

一共有879只股票

# 多少家股票是上涨的
shares_price[shares_price['涨跌幅(%)'] > 0].count()
复制代码

# 多少家股票是上涨的
shares_price[shares_price['涨跌幅(%)'] < 0].count()
复制代码

可以看到，上涨的股票627只，占比71%。那我们再来看看，上涨的股票，涨幅分布情况

bins = np.array([0, 40, 70, 100, 1700])
# 股价上涨的公司
shares_up = shares_price[shares_price['涨跌幅(%)'] > 0]
# 按涨幅进行分组
shares_up['label'] = pd.cut(shares_up['涨跌幅(%)'], bins)
# 分组统计
up_label_count = shares_up[['label', '代码']].groupby('label').count()
up_label_count['占比'] = up_label_count['代码'] / up_label_count.sum().values
sns.barplot(x=up_label_count['占比'], y=up_label_count.index)
复制代码

涨幅分布还是比较极端的，虽然上涨的股票总体比较高，但上涨的股票中有30%只股票涨幅不足40%，也就是平均一年涨8%，如果理财年收益10%算及格的话，8%明显偏低了。再加上跌的股票，收益率低于10%的股票大于50%，所以股市的钱也不是那么好挣的。

当然也有踩狗屎运的时候，比如买到了下面这些股票并且长期持有

# 涨幅最大的公司
tmp_df = shares_up.sort_values(by='涨跌幅(%)', ascending=False)[:8]
sns.barplot(y=tmp_df['简称'], x=tmp_df['涨跌幅(%)'])
复制代码

像金证股份持有5年后可以翻16倍。

同样的方式，我们可以看看股票跌幅分布

因为代码类似，这里就不贴了。从数据上将近70%的股票5年后跌幅在0-40%的区间。

最后一个有意思的数据，我们看看牛市的时候个股涨跌是怎么样的。我们选择14.06.30和15.06.08这两天个股的涨跌情况。分析思路跟上面类似，我就直接说数据了。

牛市期间99.6%的股票都是涨的，也就是说个股基本都在上涨。来看看涨幅分布

可以看到，86%只股票翻了一番，所以牛市来了，基本上闭着眼选股都能挣钱。也不知道这种大牛市什么时候能再来一次，当然了，牛市来了能不能把握住是个大问题。

我的分析就到这里了，其实分析有意思的数据还有很多，比如结合一些市盈率等其他维度进行分析，有兴趣的朋友可以自行探索，我觉得还有一个更有挑战性的分析是预测个股的走势，虽然实践上不可行，但从学习角度来看还是挺值得研究的，如果大家点赞较多，我下周考虑写一下。

数据和源码我已经打包， 源码放在百度云盘上了需要可以微信扫描下方优快云官方认证二维码免费领取

👉[[优快云大礼包：《python安装包&全套学习资料》免费分享]]（安全链接，放心点击）