Python金融数据分析

Python金融数据分析 数据透视表

# 绘图制表

# 数据透视表
# 在处理数据时，经常需要对数据分组计算或者计数，在Excel中，可以通过透视表轻易实现简单分组运算
# 而对于更加复杂的分组运算，Python中的pandas包可以帮助我们实现


import pandas as pd

# 导入数据
data = pd.read_excel("***.xlsx")



# 统计数据个数
# 分类求和
# 最大值、平均数、最小值、标准差 等等

# 使用pivot_table函数
data.pivot_table("",index="",columns=",aggfunc="").fillna(0) 
# fillna(0) 是将数据透视表中空数据置为0



# 自定义分类计算函数
# 计算方法：最大值/最小值

# 自定义一个算法
def rateFunction(group):
    return group.max()/group.min()
# 调用算法
data.pivot_table（"",index="",columns="",aggfunc = rateFunction）.fillna(0)

简单图表的绘制

• Matplotlib 

matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。

它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定

我们可以使用matplotlib去实现Excel中所有绘图功能，并且更方便、功能更强大。
Matplotlib — Visualization with Python

# # 使用python绘制excel图形

import pandas as pd
import matplotlib.pyplot as plt

# 导入数据
data = pd.read_excel("szData.xlsx")

# 平安银行的每日收盘价
# 画折线图
close = data.loc[:,'close']
plt.plot(close)

代码运行结果如下：

# 散点图
date = data.loc[:,'trade_date']
close = data.loc[:,'close']

plt.scatter(date,close,s=10,c='r',alpha=0.5)
# s:圆点面积
# c:颜色，r：红色，g：绿色，b：黑色
# alpha:圆点透明度

代码运行结果如下：

# 条形图
plt.bar(date,height=close)

代码运行结果如下：

# 饼状图
total_value =[15,30,45,10]

# 标签
labes = ['A','B','C','D']
# 突出
explode = [0,0.05,0.1,0]
plt.pie(x=total_value,labels=labes,explode=explode,shadow=False,autopct='%0f%%)

 代码运行结果如下：