Python数据分析之股票数据
作者:互联网
最近股市比较火,我7月初上车了,现在已经下了。中间虽然吃了点肉,但下车的时候都亏进去了,最后连点汤都没喝着。
这篇文章我们就用python
对股票数据做个简单的分析。数据集是从1999年到2016年上海证券交易所的1095只股票。
共1000个文件。
我们的分析思路大致如下:
每年新发股票数 目前市值最大的公司有哪些 股票一段时间的涨跌幅如何 牛市的时候,个股表现如何
首先导入模块
import pandas as pd
import numpy as np
import os
import seaborn as sns
import matplotlib.pyplot as plt
# 绘图显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
用pandas
读文件
file_list = os.listdir('./data/a-share/')
pieces = []
for file_name in file_list:
path = './data/a-share/%s' % file_name
file = pd.read_csv(path, encoding ='gb2312')
pieces.append(file)
shares = pd.concat(pieces)
使用read_csv
读文件的时候需要指定文件编码encoding ='gb2312'
。将各个文件的DataFrame
合并后,将索引重置一下,并预览一下数据
shares.reset_index(inplace=True, drop=True)
shares.head()
这里我们最关注的列是日期
、代码
、简称
、收盘价
。
按照分析思路,我们首先来看看上市公司的总数
len(shares['代码'].unique())
对股票代码去重、计数可以看到一共有1095
家上市公司。那我们再看看每年新增的上市公司有多少家
# 计算每只股票的最早交易时间(即:上市时间)
shares_min_date = shares.groupby('简称').agg({'日期':'min'})
shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x: str(x)[:4])
# 每年上市公司的数量
shares_min_date.groupby('上市年份').count().plot()
可以看到,多的时候每年60-80
家,而05年-13年
这段时间上市后的公司特别少,尤其是13年
只有1家,原因是13年暂停了IPO。
下面我们再来看看数据集中最新的时间点(2016-06-08),市值较大的公司有哪些
shares_market_value = shares[shares['日期'] == '2016-06-08'][['简称', '总市值(元)']].sort_values(by='总市值(元)', ascending=False)
# 市值最大的公司 top10
tmp_df = shares_market_value.head(10)
# 画图
sns.barplot(x=tmp_df['总市值(元)'], y=tmp_df['简称'])
截至16年6月8号,工商银行(爱存不存)的市值最高1.5万亿,不愧是宇宙第一大行。并且能发现市值前十的公司大部分是银行。
下面再来看看,从11.06.09 - 16.06.08
5年时间里个股涨跌情况。起点选11.06.09
的原因是这一天包含了900左右只股票,样本较大。然后,我们抽取这两天股票的收盘价,计算涨跌幅
shares_110609 = shares[shares['日期'] == '2011-06-09'][['代码', '简称', '收盘价(元)']]
shares_160609 = shares[shares['日期'] == '2016-06-08'][['代码', '收盘价(元)']]
# 按照股票代码将2天数据关联
shares_price = shares_110609.merge(shares_160609, on='代码')
shares_price
一共有879
只股票
# 多少家股票是上涨的
shares_price[shares_price['涨跌幅(%)'] > 0].count()
# 多少家股票是上涨的
shares_price[shares_price['涨跌幅(%)'] < 0].count()
可以看到,上涨的股票627
只,占比71%
。那我们再来看看,上涨的股票,涨幅分布情况
bins = np.array([0, 40, 70, 100, 1700])
# 股价上涨的公司
shares_up = shares_price[shares_price['涨跌幅(%)'] > 0]
# 按涨幅进行分组
shares_up['label'] = pd.cut(shares_up['涨跌幅(%)'], bins)
# 分组统计
up_label_count = shares_up[['label', '代码']].groupby('label').count()
up_label_count['占比'] = up_label_count['代码'] / up_label_count.sum().values
sns.barplot(x=up_label_count['占比'], y=up_label_count.index)
涨幅分布还是比较极端的,虽然上涨的股票总体比较高,但上涨的股票中有30%只股票涨幅不足40%
,也就是平均一年涨8%
,如果理财年收益10%
算及格的话,8%
明显偏低了。再加上跌的股票,收益率低于10%
的股票大于50%
,所以股市的钱也不是那么好挣的。
当然也有踩狗屎运的时候,比如买到了下面这些股票并且长期持有
# 涨幅最大的公司
tmp_df = shares_up.sort_values(by='涨跌幅(%)', ascending=False)[:8]
sns.barplot(y=tmp_df['简称'], x=tmp_df['涨跌幅(%)'])
像金证股份
持有5年后可以翻16倍。
同样的方式,我们可以看看股票跌幅分布
因为代码类似,这里就不贴了。从数据上将近70%
的股票5年后跌幅在0-40%
的区间。
最后一个有意思的数据,我们看看牛市的时候个股涨跌是怎么样的。我们选择14.06.30
和15.06.08
这两天个股的涨跌情况。分析思路跟上面类似,我就直接说数据了。
牛市期间99.6%
的股票都是涨的,也就是说个股基本都在上涨。来看看涨幅分布
可以看到,86%
只股票翻了一番,所以牛市来了,基本上闭着眼选股都能挣钱。也不知道这种大牛市什么时候能再来一次,当然了,牛市来了能不能把握住是个大问题。
我的分析就到这里了,其实分析有意思的数据还有很多,比如结合一些市盈率
等其他维度进行分析,有兴趣的朋友可以自行探索,我觉得还有一个更有挑战性的分析是预测个股的走势,虽然实践上不可行,但从学习角度来看还是挺值得研究的,如果大家点赞较多,我下周考虑写一下。
数据和源码已经打包,公众号回复关键字股票即可。
欢迎公众号 「渡码」 输出别地儿看不到的干货。
标签:数据分析,count,Python,股票,price,up,shares,label,数据 来源: https://www.cnblogs.com/duma/p/13382912.html