用Python函数分析股票主要指标_达内Python培训
400-111-8989
用Python函数分析股票主要指标
时间： 15:41
1.数据导入
用pandas.read_table()函数将TXT文件数据读入成DataFrame格式。如：
stock = pd.read_table('stockData.txt', usecols=range(15),parse_dates=[0], index_col=0)
其中参数usecols=range(10)限制只读取前10列数据，parse_dates=[0]表示将第一列数据解析成时间格式，index_col=0则将第一列数据指定为索引。
2.指标观察
股票指标总体可分为两类，他们都是随时间变化的：
价格相关指标：当日价格(开盘、收盘价，最高、最低价)、价格变化)价格变动和涨跌幅)、均价(5、10、20日均价)
成交量相关指标:成交量、换手率(成交量/发行总股数×100%)、成交量均量(5、10、20日均量)
(1)时间序列图
可以直接使用DataFrame数据格式自带的做图工具。以时间为横坐标，每日的收盘价为纵坐标，做折线图，可以观察股价随时间的波动情况。
stock['close'].plot(grid=True)
Matplotlib.finance模块提供了绘制K线图的函数candlestick_ohlc()。
用K线图来记录行情和价格波动，每天的四项指标数据用如下蜡烛形状的图形来记录，不同的颜色代表涨跌情况。
(3)相对变化量
股票中关注的不是价格的绝对值，而是相对变化量。最简单的方法就是将股价除以初始时的价格。
(4)相关关系
使用pandas.scatter_matrix()函数做指标间相关关系分析，将各项指标数据两两关联做散点图，对角线是每个指标数据的直方图。
(5)移动平均线
好的指标是能驱动决策的。使用5、10、20日均价(又称为移动平均值)，并将均价的折线图(也称移动平均线)与K线图画在一起。
观察上图，我们发现5日均线与K线图较为接近，而20日均线则更平坦，可见移动平均线具有抹平短期波动的作用，更能反映长期的走势。比较5日均线和20日均线，特别是关注它们的交叉点，这些是交易的时机。
移动平均线策略，最简单的方式就是：当5日均线从下方超越20日均线时，买入股票，当5日均线从上方越到20日均线之下时，卖出股票。为了找出交易的时机，我们计算5日均价和20日均价的差值，并取其正负号，作于下图。当图中水平线出现跳跃的时候就是交易时机。
股市有风险，投资需谨慎。
免费预约企业总监级讲师试听课
获取试听资格
怕钱不够？就业挣钱后再付学费！&&&&怕学不会？0基础入学，达内定制课程！ &&&&担心就业？近12万家雇主企业，推荐名企就业！
那么我先来了解一下线上培训。线上培训是最近几年才兴起的，相信大家都或多或少的有些了解。线上培训可能会让人有种不真实的感觉，有很多人都不是很相信的这个，大部分的都会觉得这是在骗人，骗钱。
在python培训干货分享这里我们也说讲了很多关于python的知识内容，今天我们再来讲解python数据处理库pandas入门，希望大家做好阅读记录，因为一次的阅读你可能只是有印象，所以为了防止大家过后盲目查找的问题，大家做好记录会节省大量的时间哦。
我们知道Matplotlib是一个Python语言的2D绘图库，它支持各种平台，并且功能强大，能够轻易绘制出各种专业的图像。本文将对它做一个入门级阐述，对于初次接触的人来说会容易理解些。
学习Python语言，用Python去实现自我价值，Python语言是你工作的常用语言，怎可不知Python 爬虫工具？今天小编汇总下来，这个列表包含与网页抓取和数据处理的Python库，大家记得收藏。
Copyright (C)
Tedu.cn All Rights Reserved 京ICP备号-56 达内时代科技集团有限公司 版权所有
选择城市和中心
达内北京亦庄大学生实训基地
达内北京网络营销中心
达内北京会计中心接下来就对 TuShare 这个源代码进行一个简单的分析，
来了解一下大体上这个包是怎么实现的。
以及了解一下它用的数据源是什么等比较感兴趣的内容。
代码直接在： 就可以获取。
目前版本是 0.4.7。
代码的目录结构如下所示：
datayes（通联数据相关）
boxoffice.py （电影票房)
billboard.py (龙虎榜）
classifying.py (分类数据)
cons.py (定义名种链接对应的列表，字典）
fundamental.py (基本面）
macro.py (宏观数据）
macro_vars.py （宏观数据参数)
newsevent.py (新闻)
news_vars.py（新闻参数)
reference.py （投资参考)
ref_vars.py （投资参考参数)
shibor.py（利率）
trading.py （交易）
util (共通函数)
common.py (getData / encodePath等网络解析函数)
dateu.py (日期相关）
netbase.py （client)
store.py (??）
upass.py(通联数据的令牌)
另外，这个库依赖于 pandas ，一些内容保存的都是直接用 pandas
的接口，所以对 pandas 也要了解一下。不过这先放在一边。
因为我们知道对应的链接基本是在 stock/cons.py
里，那对应的数据源可以知道：
票房来源：
利率来源：
交易数据来源：
滚动新闻来源：
还有一个简单的确认办法就是：
直接在代码的Request后打印出对应的URL名称。
print request.get_full_url()
这样就可以知道每个操作对应的URL了。
至于内部处理，主要是结合 lxml， pandas，urllib 这几个库来获取数据并分析输出。
这个到时候再看一下上述库的API规范。
[Python 与 炒股] TuShare 使用篇之三
http://blog.csdn.net/robertsong2004/article/details/年新年第一贴，大年夜搞这个只能说明春晚实在是有点无聊。在之前的blog...
python之股票数据分析
一、初识PandasPandas 是基于 NumPy 的一个非常好用的库，它有两种自己独有的基本数据结构Series （一维）和 DataFrame（二维），它们让数据操作更简单了。虽然Pandas有...
TuShare（2）：使用TuShare，抓取股票数据并存储到数据库
股票数据比较特殊，需要做数据统计的。都需要一次进行批量查询多个数据，然后进行分析。
所以股票数据不一定要放到数据库中存储。因为一般就两个维度。
那只股票，和那天的股票信息，然后使用模型进行分析预测。
用tushare包开发的股票分析脚本
用tushare包开发的股票分析脚本TuShare是一个免费、开源的python财经数据接口包。最近在一家投资管理公司实习，按老板要求开发一个内部的交易系统。作为前期的一些工作，采集历史股票数据成了首...
股票数据的获取目前有如下两种方法可以获取：
1. http/JavaScript接口取数据
2. web-service接口
1.http/javascript接口取数据
1.1Sina股...
上篇文章介绍了如何从网上获取股票数据，下面将介绍如何分析这些数据，要分析首先需要获取更多的数据，在获取所有股票数据之前，需要先获取所有的股票代码。这里用qt做开发，qt在写界面时比较方便，后台数据库用...
用&em&tushare&/em&获取股票历史数据
下载yahoo股票历史数据
下载&em&股票代码&/em&的历史数据并打包成csv
批量下载股票历史的每日数据工具 立即下载
上传者: killzeo 时间: 2017-...
用于批量下载&em&股票&/em&历史的每日收盘价,开盘价,最低,最高价等信息,可用于大数据分析,机器学习数据使用
http://blog.csdn.net/xp5xp6/article/details/
http://blog.sina.com.cn/s/articlelist_2127...
没有更多推荐了，扫一扫体验手机阅读
python数据分析之股票实战
<span type="1" blog_id="1712775" userid='
49篇文章，106W+人气，655粉丝
全栈工程师, 专注于云计算,容器
运维开发全攻略
￥51.0033人订阅
大数据时代的微服务之路
￥51.00515人订阅
<span type="1" blog_id="1712775" userid='为了账号安全，请及时绑定邮箱和手机
点击这里，将文章分享到自己的动态
python 股票数据分析
import tushare as ts
import pymysql
code = '300468'
e = ts.get_hist_data(code, start='', end='')
file = open(code + ".txt", 'w')
msg = file.write(str(e))
file.close()
with open(code + '.txt', 'r') as f:
lines = f.readlines()
for i in range(2, 39):
ss = str(lines[i]).strip().split()
ls.append(ss)
for x in ls:
s.append(code)
s.append(x[0])
s.append(float(x[1]))
s.append(float(x[3]))
s.append(float(x[6]))
LL.append(s)
db = pymysql.connect("localhost", "root", "", "gp")
cursor = db.cursor()
sql = "insert into gp_price(gp_code,date,open_price,close_price,change_price) values"
for x in LL:
sql += "('" + str(x[0]) + "','" + str(x[1]) + "'," + \
str(x[2]) + "," + str(x[3]) + "," + str(x[4]) + "),"
sq = sql[:-1] + ";"
cursor.execute(sq)
db.commit()
db.rollback()
db.close()
print("执行成功！")
若觉得本文不错，就分享一下吧！
评论加载中...
相关文章推荐
正在加载中
PHP开发工程师
作者相关文章}