主题似乎与股票有关,实际上是时间序列图。 但本节主要介绍时间序列的几种常用统计方法。 详细情况如下。
1、描绘股票(代码) 688022 )收盘价走势图的【剧本】
importtushareastsimportmatplotlib.pyplotaspltframe=ts.get _ k _ data (' 688022 ',start=' 2019-07-22 ' (frame )
【说明】
Python有很多可视图形工具包。 使用常用的matplotlib。 在使用之前必须导入。
Plt.figure ()可以设置画布的大小和分辨率。 我用pycharm工具,即使没有设定画布信息,也能正常画画。
Plt.plot (,设置绘制内容。
Plt.show ),显示出图。
可见该股总体呈下降趋势。
2、平滑法——移动平均法【方案】
PLT.plot (frame [ ' close ' ].rolling (30 ).mean ) ) plt.show【结果】
【说明】
平滑后整体趋势效果不会改变,但可以更清晰地显示趋势。
rolling(30 )将包含该点之前的30点的平均值作为该点的值。
使用rolling(30 ),在图形的开头可以有29个空位。
为了避免开头的空白变得过大,这里可以对前面30点分别设定平滑周期。 按如下方式修改脚本:
PLT.plot (frame [ ' close ' ].rolling (30,min_periods=2).mean ) )
结果如下图所示。
3、平滑法——扩展窗口平均【脚本】
PLT.plot (frame [ ' close ' ].expanding (10 ).mean ) )
【结果】
【说明】
平均化窗口,从时间序列的开头开始增加窗口的长度,直到超过所有序列。 这里的10是有值的观测点的最小数量。 图中橙色的线是expanding(10 ).mean )的结果; 蓝线是Rolling(30,min_periods=2).mean )的结果。
4、平滑法——指数加权平均【方案】
PLT.plot (frame [ ' close ' ].rolling (30,min_periods=2).mean ) ) PLT.plot (frame [ ' close ' ].ewm )
【说明】
指数加权平均:展示了数据平滑性的特征,也展示了时间衰减的效果。 也就是说,各数据的权重系数随时间呈指数减少,越接近当前时间的数值,权重系数越大。 span=30表示时间跨度。
图中橙色的线是EWM(span=30 ).mean )的结果; 蓝线是Rolling(30,min_periods=2).mean )的结果。
5、环比变化统计【方案】
PLT.plot (frame [ ' close ' ].pct _ change ) ) plt.show【结果】
【说明】
环比变化的定义:(后值-当前值) /当前值
6、计算开盘价与收盘价的相关关系【剧本】
series1=frame [ ' close ' ].pct _ change (series2=frame [ ' open ' ].pct _ change ) PLT.plot ) series1.rolles
【说明】
两者的相关性看起来也是随机的
7、使用自定义函数apply (使用