在线商城网站怎么做/佛山快速排名seo
作者：飞浪feilang 图片来源于网络
1. 准备工作
tushare是一个第三方财经数据接口包，需要安装包并完成注册。
安装tushare包
pip install tushare 为防恶意调用接口数据，官方()需要新用户完成注册、提高积分(例如达到200)、取得访问权限token ID，例如：1797f6915fbc1e612c33c6ed4cf85a2b7b349d85db80bf0860337fff))。可通过如下链接(https://tushare.pro/register?reg=285935)进入官网完成注册。
2. 加载数据
首先需要导入包已安装的tushare包。然后通过tokenID获取一个有访问权限的API接口，最终通过官方文档说明，使用index_daily() 来获取样例数据。这里取399401.SZ的交易日期和收盘价。
import tushare as ts ts.set_token("1797f6915fbc1e612c33c6ed4cf85a2b7b349d85db80bf0860337fff")pro=ts.pro_api()df1=pro.index_daily(ts_code="399401.SZ")[['trade_date', 'close']]3. 数据处理-转化与合并
数据类型转化为datetime
导入数据后，先观察源数据的字段类型是否符合预期。通过执行如下脚本，得到当前数据集中，trade_date为object 并非日期类型
# 查看数据类型print(df1.dtypes)# 查看样例数据print(df1.head())
pandas中改变某列的数据类型为日期时，可用pd.to_datetime。修改完成后，将数据集中的日期字段重新设为索引。注意不要漏掉inplace=True。
df1.sort_values('trade_date', inplace=True)# 转换列数据类型为日期df1['trade_date']=pd.to_datetime(df1['trade_date'])# 将指定的日期类型 列设为索引，并替代。df1.set_index('trade_date', inplace=True)数据合并concat
上面的df1对象中只包含一支股票的信息，当在matplotlib中展现时，仅可以观察趋势。如果需要与其它股票作对比分析，则需要合并另外的数据。
# 获取多支交易数据数据，作对比分析 list1 = ['000002.SZ', '000012.SZ', '600010.SH']for i, ts_code in enumerate(list1): # 取指定日期的数据 df_tmp = pro.daily(ts_code=ts_code, start_date='20170101', end_date='20180101')[['trade_date', 'close']] df_tmp.sort_values('trade_date', inplace=True) df_tmp['trade_date']=pd.to_datetime(df_tmp['trade_date']) df_tmp.rename(columns={'close': ts_code}, inplace=True) df_tmp.set_index('trade_date', inplace=True) if i==0 : df = df_tmp else: # axis=1，沿第2条轴即X轴。列增加 df = pd.concat([df, df_tmp], axis=1) print(ts_code)# 查看数据 df.head()4. 可视化展现
查看单一股票的年度趋势图，并添加参考线
import matplotlib.pyplot as plt ax = df1.plot(color="blue", figsize=(12, 4), linewidth=2, fontsize=6)ax.set_xlabel("trade date")ax.set_ylabel("399401.SZ close")ax.set_title("Trend analysis of recent years 2013-2019 ", fontsize=8)# 添加水平线ax.axvline("2018-08-15", color="red", linestyle="--", linewidth=2)ax.axhline(6000, color="green", linestyle="--",linewidth=2 )plt.show()如下示图：
参数设置。
主题切换
可先调用语句`plt.style.available`，查看当前可用的主题名称，再选择即可。设置X轴日期格式
matploblib中也提供了的dates对象，对X轴的显示日期格式与频度进行设置。如下脚本，将设置日期区间为'2013-01-01' 至 '2019-12-01'，显示'年-月',频度为10个月。# 查看可用样式import matplotlib.dates as mdate print(plt.style.available)plt.style.use("seaborn-talk")ax1=df1.plot(figsize=(12, 4))ax1.set_title("my mew style - seaborn-talk")ax1.xaxis.set_major_formatter(mdate.DateFormatter('%Y-%m'))plt.xticks(pd.date_range("2013-01-01", "2019-12-01", freq="10m"))plt.show()示例图如下：
对比分析
先预览已完成合并的数据。dataFrame对象df中trade_date仍为索引，但是新增了其它列。
ax3 = df.plot(linewidth=3 , fontsize=16, figsize=(12, 4 ))ax3.set_xlabel('trade_date')ax3.set_ylabel("unit price")# 指定X轴显示刻度 ，取代默认设置ax3.xaxis.set_major_formatter(mdate.DateFormatter('%Y-%m'))plt.xticks(pd.date_range("2017-01-01", "2018-01-01", freq="3m"))ax3.legend(fontsize=12)ax3.set_title("Comparison of analysis")plt.show()展现结果为：
5. 小结
介绍了获取第三方平台的接口数据的方法
数据清洗与合并，主要有数据类型转换、重新排序、索引重置、数据合并
时序数据的可视化对比分析与基本展现设置
赞 赏 作 者
Python中文社区作为一个去中心化的全球技术社区，以成为全球20万Python中文开发者的精神部落为愿景，目前覆盖各大主流媒体和协作平台，与阿里、腾讯、百度、微软、亚马逊、开源中国、CSDN等业界知名公司和技术社区建立了广泛的联系，拥有来自十多个国家和地区数万名登记会员，会员来自以公安部、工信部、清华大学、北京大学、北京邮电大学、中国人民银行、中科院、中金、华为、BAT、谷歌、微软等为代表的政府机关、科研单位、金融机构以及海内外知名公司，全平台近20万开发者关注。
长按扫描下方二维码关注公众号，回复“时间序列”即可获取本文全部源码
▼ 点击成为社区注册会员 「在看」一下，一起PY！