标签：分析 tushare 示例 df 08 600519 2021 close 2001
3.1 tushare模块
-
安装
tushare包pip3 install tushare
3.2 股票分析
-
demo
import tushare as ts import pandas as pd # 调用接口 df = ts.get_k_data(code='600519', start='2000-01-1') # 数据持久化到本地 df.to_csv('./maotai.csv') # 读取本地文件数据 df = pd.read_csv('./maotai.csv') """ Unnamed: 0 date open close high low volume code 0 0 2001-08-27 5.392 5.554 5.902 5.132 406318.00 600519 1 1 2001-08-28 5.467 5.759 5.781 5.407 129647.79 600519 2 2 2001-08-29 5.777 5.684 5.781 5.640 53252.75 600519 3 3 2001-08-30 5.668 5.796 5.860 5.624 48013.06 600519 4 4 2001-08-31 5.804 5.782 5.877 5.749 23231.48 600519 """ # 删除第一列无效信息列 df.drop(labels='Unnamed: 0', axis=1, inplace=True) """ date open close high low volume code 0 2001-08-27 5.392 5.554 5.902 5.132 406318.00 600519 1 2001-08-28 5.467 5.759 5.781 5.407 129647.79 600519 2 2001-08-29 5.777 5.684 5.781 5.640 53252.75 600519 3 2001-08-30 5.668 5.796 5.860 5.624 48013.06 600519 4 2001-08-31 5.804 5.782 5.877 5.749 23231.48 600519 """ # 查看数据基本信息 df.info() """ <class 'pandas.core.frame.DataFrame'> RangeIndex: 4705 entries, 0 to 4704 Data columns (total 7 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 date 4705 non-null object 1 open 4705 non-null float64 2 close 4705 non-null float64 3 high 4705 non-null float64 4 low 4705 non-null float64 5 volume 4705 non-null float64 6 code 4705 non-null int64 dtypes: float64(5), int64(1), object(1) memory usage: 257.4+ KB """ # 将date列转为时间格式 df['date'] = pd.to_datetime(df['date']) # 将date列做为行索引 df.set_index('date', inplace=True) -
输出该股票收盘比开盘高3%以上的日期
# (收盘 - 开盘) / 开盘 > 0.03 (df['close'] - df['open']) / df['open'] > 0.03 """ date 2001-08-27 False 2001-08-28 False 2001-08-29 False 2001-08-30 False 2001-08-31 False ... 2021-05-06 False 2021-05-07 True 2021-05-10 False 2021-05-11 False 2021-05-12 False Length: 4705, dtype: bool """ # 将上面的bool列做为loc索引，可直接得到True对应的行 df.loc[(df['open']-df['close'])/df['open']>0.03] """ open close high low volume code date 2001-10-10 5.827 5.640 5.848 5.629 17548.69 600519 2001-11-07 5.468 5.288 5.468 5.281 9325.38 600519 2001-11-16 5.656 5.326 5.656 5.310 9954.70 600519 2001-12-20 5.609 5.431 5.609 5.413 11362.23 600519 2002-01-04 6.049 5.866 6.062 5.851 29109.62 600519 ... ... ... ... ... ... ... 2021-02-24 2307.990 2189.000 2318.000 2160.500 82116.00 600519 2021-03-02 2180.000 2058.000 2180.000 2033.000 70765.00 600519 2021-03-08 2074.960 1960.000 2085.000 1960.000 63100.00 600519 2021-03-15 2050.000 1975.450 2069.800 1951.150 62485.00 600519 2021-05-07 1965.000 1903.000 1967.980 1901.000 52493.00 600519 """ # 取出行索引，即为对应日期 df.loc[(df['open']-df['close'])/df['open']>0.03].index """ DatetimeIndex(['2001-10-10', '2001-11-07', '2001-11-16', '2001-12-20', '2002-01-04', '2002-01-17', '2002-01-28', '2002-04-17', '2002-11-08', '2003-01-02', ... '2020-07-16', '2020-07-24', '2021-01-19', '2021-02-18', '2021-02-22', '2021-02-24', '2021-03-02', '2021-03-08', '2021-03-15', '2021-05-07'], dtype='datetime64[ns]', name='date', length=177, freq=None) """ -
输出该股票开盘比前日收盘跌幅超过2%的日期
# (今日开盘 - 前日收盘) / 前日收盘 > 0.02 # close列下移一位：df['close'].shift(1) (df['open'] - df['close'].shift(1)) / df['close'].shift(1) > 0.02 # 将上面的bool列做为loc索引，可直接得到True对应的行 df.loc[(df['open'] - df['close'].shift(1)) / df['close'].shift(1) > 0.02] # 取出行索引，即为对应日期 df.loc[(df['open'] - df['close'].shift(1)) / df['close'].shift(1) > 0.02].index -
如果一个人从2010年1月1日开始，每月第一个交易日买入100支股票，每年最后一个交易日卖出所有股票，到今天为止的收益如何？
""" 开盘买：1个完整年买1200支股票 收盘卖：1个完整年卖1200支股票 """ # 对时间切片 new_df = df['2010-01-01': ] # 每个月的第一个交易日：得到的行索引是最后一个，但是数据没问题 # resample，重新取样 df_monthly = new_df.resample('M').first() """ open close high low volume code date 2010-01-31 109.760 108.446 109.760 108.044 44304.88 600519 2010-02-28 107.769 107.776 108.216 106.576 29655.94 600519 2010-03-31 106.219 106.085 106.857 105.925 21734.74 600519 2010-04-30 101.324 102.141 102.422 101.311 23980.83 600519 2010-05-31 81.676 82.091 82.678 80.974 23975.16 600519 ... ... ... ... ... ... ... 2021-01-31 1999.980 1997.000 2004.990 1983.810 43514.00 600519 2021-02-28 2130.000 2109.320 2160.000 2095.000 29341.00 600519 2021-03-31 2179.000 2158.000 2179.000 2120.000 44916.00 600519 2021-04-30 2021.000 2044.500 2046.800 2001.220 26588.00 600519 2021-05-31 2000.000 1959.000 2006.840 1953.000 53546.00 600519 """ # 买股票花费总金额 cost = df_monthly['open'].sum() * 100 # 每年最后一个交易日，今年除外 df_yearly = new_df.resample('A').last()[:-1] # 卖出股票赚的钱：今年的股票不卖 resv = df_yearly['open'].sum() * 1200 # 剩余股票 last_money = 500 * new_df['close'][-1] # 收益 money = resv + last_money - cost
标签：分析,tushare,示例,df,08,600519,2021,close,2001 来源： https://www.cnblogs.com/xiangjianan/p/14766459.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。