用Python做股市数据分析（一）

我们也许想要把不合的金融商品涌如今一张图上：如许我们可以比较不合的股票，比较股票跟市场的关系，或者可以看其他证券，例如交易所交易基金(ETFs)。在后面的内容中，我们将会学到若何画金融证券跟一些指数(移动平均)的关系。届时你须要应用线段图而不是烛状图。(试想你若何重叠不合的烛状图而让图表保持整洁?)

下面我展示了不合技巧公司股票的数据，以及若何调剂数据让数据线聚在一路。

microsoft = web.DataReader("MSFT", "yahoo", start, end) 
 
google = web.DataReader("GOOG", "yahoo", start, end) 
 
# Below I create a DataFrame consisting of the adjusted closing price of these stocks, first by making a list of these objects and using the join method 
 
stocks = pd.DataFrame({"AAPL": apple["Adj Close"], 
 
                      "MSFT": microsoft["Adj Close"], 
 
                      "GOOG": google["Adj Close"]}) 
 
stocks.head()

stocks.plot(grid = True)

这张图表的问题在哪里呢?固然价格的绝对值很重要(昂贵的股票很难购得，这不仅会影响它们的波动性，也会影响你交易它们的难易度)，然则在交易中，我们更存眷每支股票价格的变更而不是它的价格。Google的股票价格比苹不雅微软的都高，这个差别让苹不雅和微软的股票显得波动性很低，而事实并不是那样。

一个解决办法就是用两个不合的标度来作图。一个标度用于苹不雅和微软的数据;另一个标度用来表示Google的数据。

stocks.plot(secondary_y = ["AAPL", "MSFT"], grid = True)

这须要转化stock对象中的数据，操作如下：

# df.apply(arg) will apply the function arg to each column in df, and return a DataFrame with the result 
 
# Recall that lambda x is an anonymous function accepting parameter x; in this case, x will be a pandas Series object 
 
stock_return = stocks.apply(lambda x: x / x[0]) 
 
stock_return.head()

7/9 首页上一页 5 6 7 8 9 下一页尾页

　　推荐阅读

　　WOT讲师杨钊：人工智能将在不同应用场景逐步落地

【51CTO.com原创稿件】由51CTO主办的WOTA2017全球立异技巧峰会将于2017年7月21日拉开帷幕。本次峰会，将环绕机>>>详细阅读

本文标题：用Python做股市数据分析（一）

地址：http://www.17bianji.com/lsqh/36070.html

1/2 1