股票数据可视化分析初体验

首页 > 财经 > 正文 2021-08-30

发表自话题：股票柱状图颜色详解图

题外话：

数据可视化可以帮助我们快速发现数据的特征、趋势及异常，也便于我们高效同其他人解释已经分析好的数据。

数据可视化最终是服务于具体业务的，我觉得最重要的是要对具体的业务场景有清晰的认知，明确的知道需要做哪些分析，以便选取相应的可视化工具，实现分析的目的。让工具服务于业务才是分析的初衷，而不是为了分析而分析。

本小节，主要是学习使用matplotlib.pyplot及pandas中的绘图功能，进行股票数据的简单分析。pandas中的绘图功能是基于matplotlib进行封装的，使用起来更方便。

一、对matplotlib.pyplot绘图功能进行尝试：

1. 对指定的XY数值绘图

# 导入绘图包matplotlib的pyplot模块

import matplotlib.pyplot as plt

# 给出X,Y的坐标值

x=[1,2,3,4] y=[1,4,9,16]

# 用plot功能绘图，plot用于绘制折线图

plt.plot(x,y)

# 展示图片

plt.show()

# 获取谷歌的股票数据 googDf=data.get_data_yahoo(gafataDict['谷歌'],start_date,end_date) googDf['Date']=googDf.index googDf.head() # 获取亚马逊股票数据 amazDf=data.get_data_yahoo(gafataDict['亚马逊'],start_date,end_date) amazDf['Date']=amazDf.index amazDf.head() # 获取Facebook股票数据 fbDf=data.get_data_yahoo(gafataDict['Facebook'],start_date,end_date) fbDf['Date']=fbDf.index fbDf.head() # 获取苹果股票数据 applDf=data.get_data_yahoo(gafataDict['苹果'],start_date,end_date) applDf['Date']=applDf.index applDf.head() # 获取腾讯股票数据 txDf=data.get_data_yahoo(gafataDict['腾讯'],start_date,end_date) txDf['Date']=txDf.index txDf.head() #腾讯是港股，所以这里的收盘价是港币，按照今天的汇率将其转化为美元 exchange=0.13 #港币兑换美元的汇率，这个值是2019/1/5号的汇率 #为了方便后期多家公司的股价比较，增加新的一列收盘价（美元） txDf['Close_dollar']= txDf['Close']* exchange txDf.head()

babaDf.info() DatetimeIndex: 251 entries, 2017-01-03 to 2017-12-29 Data columns (total 7 columns): High 251 non-null float64 Low 251 non-null float64 Open 251 non-null float64 Close 251 non-null float64 Volume 251 non-null int64 Adj Close 251 non-null float64 Date 251 non-null datetime64[ns] dtypes: datetime64[ns](1), float64(5), int64(1) memory usage: 15.7 KB type(babaDf.index) pandas.core.indexes.datetimes.DatetimeIndex babaDf.axes [DatetimeIndex(['2017-01-03', '2017-01-04', '2017-01-05', '2017-01-06', '2017-01-09', '2017-01-10', '2017-01-11', '2017-01-12', '2017-01-13', '2017-01-17', ... '2017-12-15', '2017-12-18', '2017-12-19', '2017-12-20', '2017-12-21', '2017-12-22', '2017-12-26', '2017-12-27', '2017-12-28', '2017-12-29'], dtype='datetime64[ns]', name='Date', length=251, freq=None), Index(['High', 'Low', 'Open', 'Close', 'Volume', 'Adj Close', 'Date'], dtype='object')] # 绘制时间与收盘价的走势图 babaDf.plot(x='Date',y='Close' ) plt.xlabel('时间') plt.ylabel('股价（美元）') plt.title('2017年阿里巴巴股价走势') plt.grid(True) plt.show()

2. 对股票数据进行可视化分析

a. 对阿里巴巴2017年收盘价进行可视化

由上表可看出Close收盘价与成交量Volume相关系数为0.，为正相关，并且有较大相关性

c. 将6家公司2017年股价数据在同一个图中进行可视化

#绘制谷歌的画质1 ax1=googDf.plot(x='Date',y='Close',label='谷歌') #指定画纸ax，在同一张画纸上绘图 #亚马逊 amazDf.plot(ax=ax1,x='Date',y='Close',label='亚马逊') #Facebook fbDf.plot(ax=ax1,x='Date',y='Close',label='Facebook') #苹果 applDf.plot(ax=ax1,x='Date',y='Close',label='苹果') #阿里巴巴 babaDf.plot(ax=ax1,x='Date',y='Close',label='阿里巴巴') #腾讯 txDf.plot(ax=ax1,x='Date',y='Close_dollar',label='腾讯') plt.xlabel('时间') plt.ylabel('股价（美元）') plt.title('2017年GAFATA股价走势比较') plt.grid(True) plt.show()