python抢茅台_3、Python 数据分析-茅台酒业股票分析

2023-11-23 14:50

本文主要是介绍python抢茅台_3、Python 数据分析-茅台酒业股票分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

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

输出该股票所有收盘比开盘上涨3%以上的日期。

输出该股票所有开盘比前日收盘跌幅超过2%的日期。

假如我从2010年1月1日开始,每月第一个交易日买入1手股票,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?

import pandas as pd

import tushare as ts

df = ts.get_k_data(code='600519',start='1990')#600519茅台股票接口

1774189-20200629013507739-1579412029.png

#df的持久化存储

df.to_csv('maotai.csv')

#读取本地数据

df = pd.read_csv('./maotai.csv')

df.head(5)

1774189-20200629013526002-2109270365.png

#删除Unnamed: 0列

df.drop(labels='Unnamed: 0',axis=1,inplace=True)

1774189-20200629013547138-2014864125.png

#查看每一列的数据类型,哪些列中存在空值

df.info()

>>>

RangeIndex: 4406 entries, 0 to 4405

Data columns (total 7 columns):

date 4406 non-null object

open 4406 non-null float64

close 4406 non-null float64

high 4406 non-null float64

low 4406 non-null float64

volume 4406 non-null float64

code 4406 non-null int64

dtypes: float64(5), int64(1), object(1)

memory usage: 241.0+ KB

在观察数据的时候,如果发现时间数据为字符串类型则需要将其转换成时间序列类型

#装换成时间序列类型

df['date'] = pd.to_datetime(df['date'])

#将date列作为源数据的行索引

df.set_index('date',inplace=True)

1774189-20200629013604298-497264963.png

#将布尔值作为源数据的索引

df.loc[[True,False,True]]

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

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

#经验:在df的处理过程中,如果遇到了一组布尔值,下一步马上将布尔值作为源数据的行索引

#df.loc[(df['close'] - df['open']) / df['open'] > 0.03] #可以获取true对应行数据

df.loc[(df['close'] - df['open']) / df['open'] > 0.03].index

>>>

DatetimeIndex(['2001-08-27', '2001-08-28', '2001-09-10', '2001-12-21',

'2002-01-18', '2002-01-31', '2003-01-14', '2003-10-29',

'2004-01-05', '2004-01-14',

...

'2019-09-12', '2019-09-18', '2020-02-11', '2020-03-02',

'2020-03-05', '2020-03-10', '2020-04-02', '2020-04-22',

'2020-05-06', '2020-05-18'],

dtype='datetime64[ns]', name='date', length=311, freq=None)

2、输出该股票所有开盘比前日收盘跌幅超过2%的日期。

#(开盘-前日收盘)/前日收盘 < -0.02

#(开盘-前日收盘)/前日收盘 < -0.02

# (df['open'] - df['close'].shift(1)) / df['close'].shift(1) < -0.02

df.loc[(df['open'] - df['close'].shift(1)) / df['close'].shift(1) < -0.02].index

>>>

DatetimeIndex(['2001-09-12', '2002-06-26', '2002-12-13', '2004-07-01',

'2004-10-29', '2006-08-21', '2006-08-23', '2007-01-25',

'2007-02-01', '2007-02-06', '2007-03-19', '2007-05-21',

'2007-05-30', '2007-06-05', '2007-07-27', '2007-09-05',

'2007-09-10', '2008-03-13', '2008-03-17', '2008-03-25',

'2008-03-27', '2008-04-22', '2008-04-23', '2008-04-29',

'2008-05-13', '2008-06-10', '2008-06-13', '2008-06-24',

'2008-06-27', '2008-08-11', '2008-08-19', '2008-09-23',

'2008-10-10', '2008-10-15', '2008-10-16', '2008-10-20',

'2008-10-23', '2008-10-27', '2008-11-06', '2008-11-12',

'2008-11-20', '2008-11-21', '2008-12-02', '2009-02-27',

'2009-03-25', '2009-08-13', '2010-04-26', '2010-04-30',

'2011-08-05', '2012-03-27', '2012-08-10', '2012-11-22',

'2012-12-04', '2012-12-24', '2013-01-16', '2013-01-25',

'2013-09-02', '2014-04-25', '2015-01-19', '2015-05-25',

'2015-07-03', '2015-07-08', '2015-07-13', '2015-08-24',

'2015-09-02', '2015-09-15', '2017-11-17', '2018-02-06',

'2018-02-09', '2018-03-23', '2018-03-28', '2018-07-11',

'2018-10-11', '2018-10-24', '2018-10-25', '2018-10-29',

'2018-10-30', '2019-05-06', '2019-05-08', '2019-10-16',

'2020-01-02', '2020-02-03', '2020-03-13', '2020-03-23'],

dtype='datetime64[ns]', name='date', freq=None)

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?

买入(开盘)

一个完整的年需要买入12手==1200只

卖出(收盘)

一个完整的年需要卖出1次股票,一次卖出1200只

特殊情况:2020年只可以买入股票无法卖出股票,没有及时卖出的股票的实际价值也要计算到总收益中

new_df = df['2010':'2020']

#买股票

#1.获取每一个完整的年对应每个月第一个交易日的行数据,行数据中可以提取出开盘价(买入股票的单价)

#实现的技术:数据的重新取样

#new_df.resample(rule='M') #将每一年中每一个对应的数据取出,M表示月

new_df.resample(rule='M').first() #将月份数据中的第一行数据取出

#买入股票花费的总钱数

cost_money = (new_df.resample(rule='M').first()['open']).sum() * 100

>>>

4490117.100000001

#统计出每年最后一天

#new_df.resample(rule='A')#将2010-2020年,每一年的数据取出,A表示年

new_df.resample(rule='A').last()[:-1] #每一年最后一个交易日对应的行数据

1774189-20200629013619161-1709700699.png

#卖出股票的钱数

recv_money = new_df.resample(rule='A').last()[:-1]['close'].sum() *1200

>>>

4391179.2

#剩余股票的价值也要计算到总收益中,剩余股票价值的单价可以用最近一天的收盘价来表示

last_price = new_df[-1:]['close'][0]

last_monry = 6*100*last_price

#总收益

last_monry + recv_money - cost_money

777068.0999999996

注意:上述对数据进行重新取样操作的前提,源数据中行索引为时间序列类型

总结

df的持久化存储

df.to_xxx():可以将df中的值进行任意形式的持久化存储

df的加载:

pd.read_xxx():可以将外部数据加载到df中

如何将字符串形式的时间值转换成时间序列类型

pd.to_datetime(df['date])

如何将某一列作为源数据的行索引

df.set_index('colName')

如何将Series进行整体的上下移动

Series.shift(1)

整数表示下移,负数表示上移

数据的重新取样

df.resample(rule='')

df.resample(rule='').last/first()

可以直接将布尔值作为df的行索引,就可以取出True对应的行数据。

这篇关于python抢茅台_3、Python 数据分析-茅台酒业股票分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/418681

相关文章

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Go标准库常见错误分析和解决办法

《Go标准库常见错误分析和解决办法》Go语言的标准库为开发者提供了丰富且高效的工具,涵盖了从网络编程到文件操作等各个方面,然而,标准库虽好,使用不当却可能适得其反,正所谓工欲善其事,必先利其器,本文将... 目录1. 使用了错误的time.Duration2. time.After导致的内存泄漏3. jsO

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.