Python金融数据分析（一）

最新推荐文章于 2025-10-17 10:55:57 发布

原创

最新推荐文章于 2025-10-17 10:55:57 发布 · 1.2w 阅读

CC 4.0 BY-SA版权

文章标签：

本文介绍了使用Python进行金融数据分析的过程，包括准备数据、创建数据、索引数据和处理十年的金融数据，展示了Python在大数据处理和机器学习领域的高效能，特别强调了Pandas库在数据操作中的便捷性以及用于描述数据的20日移动平均值计算。

Python提供了数据挖掘和许多机器学习算法的实现。

Tickhistory的数据可以精确到每个tick，我就导出一个月的XAU日线OHLC数据，样本如下：

Date	Open	High	Low	Close	Volume
20170927	1293.231	1296.208	1281.451	1283.511	108.903715221408
20170928	1283.512	1288.741	1277.682	1286.932	105.861770183576
20170929	1286.931	1290.332	1275.751	1278.502	105.976955427706
20171001	1279.541	1280.072	1276.771	1277.868	3.52173000181574
20171002	1277.861	1277.878	1269.328	1271.092	95.848550074621
20171003	1271.071	1274.701	1268.298	1272.439	85.1280900694219
20171004	1272.439	1282.172	1270.592	1273.959	92.5239001664886
20171005	1273.952	1278.962	1266.328	1269.052	92.4760702919739
20171006	1269.051	1276.492	1260.581	1276.262	92.658720124633