数据分析之DataFrame基础操作巩固-股票分析

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')
#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)

df.info()
#每一列的数据类型
#哪些列中存在空值
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4493 entries, 0 to 4492
Data columns (total 7 columns):
date      4493 non-null object
open      4493 non-null float64
close     4493 non-null float64
high      4493 non-null float64
low       4493 non-null float64
volume    4493 non-null float64
code      4493 non-null int64
dtypes: float64(5), int64(1), object(1)
memory usage: 245.8+ 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
  

df['date'] = pd.to_datetime(df['date'])
#将date列作为源数据的行索引,inplace=True 意思是对df进行直接操作
df.set_index('date',inplace=True)

# 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

# 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
(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
# shift(1)正数表示数据下移，负数表示上移

• 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
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
cost_money
#卖出股票的钱数
new_df.resample(rule='A')#将2010-2020年，每一年的数据取出
new_df.resample(rule='A').last()[:-1] #每一年最后一个交易日对应的行数据

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

• 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)
      • 正数表示下移，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。