初入数据分析大门，感觉需要补的知识太多太多。不太建议系统补齐各种知识，因为大概率会倒在半路上。
以项目为导向，梳理大概流程，对流程中所需的知识点进行大致学习，以后遇到知识盲点再回来补。
接下来我以股票分析为例来了解数据分析流程。
个人认为股票分析无非就分为获取数据、数据处理、数据可视化三个部分，依赖 Python 强大的第三方开源库，上手难度变得非常低。
所需知识
目的
Python 基本语法推荐去看廖雪峰的 Python 教程，浅显易懂，上手很快。
安装 anacondaAnaconda是一个包含180+的科学包及其依赖项的开源Python发行版本。
安装 anaconda，直接去anaconda 官网下载安装即可。
anaconda 安装成功后，会自带安装 Jupyter，jupyter 主要用于我们代码的编写和运行。
创建一个新文件夹 stock-market-analysis ,进入当前目录，启动 jupyter 。
# 启动 jupyterconda notebook 复制代码启动成功，在浏览器中打开 http://localhost:8888/tree) ，单击 new，创建一个新的 notebook 就可以开始愉快的玩耍了！
numpynumpy 是一个用于科学计算的 Python 库。
基本用法# 引入 numpyimport numpy as np复制代码# 创建一个长度为15，3乘5的二维数组a = np.arange(15).reshape(3, 5)# 打印aa复制代码array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14]])复制代码# 创建一个长度为15，间隔10，3乘5的二维数组b = np.arange( 1, 150, 10 ).reshape(3, 5)# 打印bb复制代码array([[ 1, 11, 21, 31, 41], [ 51, 61, 71, 81, 91], [101, 111, 121, 131, 141]])复制代码# 两个二维数组相加 a + b复制代码array([[ 1, 12, 23, 34, 45], [ 56, 67, 78, 89, 100], [111, 122, 133, 144, 155]])复制代码去官网了解更多
pandaspandas 是一个基于 numpy 强大的 Python 数据分析包，它提供了很高级的数据结构和大量处理数据的方法。最终目的是为了我们更好的理解和处理数据。
基本用法pandas 提供了两种数据结构，Series 和 DataFrame。
import numpy as npimport pandas as pdfrom pandas import Series, DataFrame复制代码SeriesSeries 类似于字典，可以根据索引查找对应值
# 创建一个长度为4，1到10的随机整数Series(np.random.randint(1,10,4))复制代码0 41 22 33 1dtype: int64复制代码# 指定indexs = Series(np.random.randint(1,10,4), index=['a','b','c','d'])s复制代码a 4b 5c 5d 8dtype: int64复制代码# 根据 index 查找s['a']复制代码4复制代码DataFrameDataFrame 是二维的数据结构，可以用行列的方式表示，可以把它想象成一个 Excel 表。
# 生成值为时间的数组dates = pd.date_range('20130101', periods=6)dates复制代码DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04', '2013-01-05', '2013-01-06'], dtype='datetime64[ns]', freq='D')复制代码# 生成 index 为日期，列名为 ABCD 的 DataFramedf = DataFrame(np.random.randint(1,10,24).reshape(6,4), index=dates, columns=list('ABCD'))df复制代码 A B C D
2013-01-01 4 3 5 3
2013-01-02 3 1 1 8
2013-01-03 6 1 8 6
2013-01-04 8 8 9 2
2013-01-05 1 5 1 8
2013-01-06 2 4 9 5
去官网了解更多
matplotlib seabornmatplotlib 是 Python 非常重要的数据可视化库，而 seaborn 是基于 matplotlib 开发的可视化库，更为强大易用。
基本用法import numpy as npimport pandas as pdfrom pandas import Series, DataFrameimport matplotlib.pyplot as pltimport seaborn as sns复制代码# 创建一个 Series，1000个从1到100间隔均匀的数组s = Series(np.linspace(1, 100, 1000))复制代码s.plot()复制代码<matplotlib.axes._subplots.AxesSubplot at 0x1a226a23c8>复制代码
![]()
# 创建一个 DataFrame，1到10的随机整数，10乘4的二维数组，列名为 a,b,c,ddf = DataFrame(np.random.randint(1,10,40).reshape(10,4),columns=list("abcd"))复制代码df复制代码 a b c d
0 3 6 8 9
1 2 6 9 9
2 8 9 2 9
3 7 4 5 4
4 7 9 5 8
5 9 9 3 3
6 5 2 3 1
7 1 8 3 7
8 3 1 7 2
9 2 1 9 7
# matpoltlib 画图df.plot()复制代码<matplotlib.axes._subplots.AxesSubplot at 0x11fe2ab38>复制代码
![]()
# 对每列进行求和df_sum = df.sum()# 指定柱状图df_sum.plot(kind='bar')复制代码<matplotlib.axes._subplots.AxesSubplot at 0x1a22821668>复制代码
![]()
# seaborn 画图index = df_sum.indexvalues = df_sum.valuessns.barplot(index, values)复制代码<matplotlib.axes._subplots.AxesSubplot at 0x1a229041d0>复制代码
![]()
去 matplotlib 官网了解更多
去 seaborn 官网了解更多
有了以上的一些基本知识就可开始分析股票了。
股票分析股票分析的步骤：
# basicimport numpy as npimport pandas as pdfrom pandas import Series, DataFrame# get dataimport pandas_datareader as pdr# visualimport matplotlib.pyplot as pltimport seaborn as sns# timefrom datetime import datetime复制代码# pandas_datareader 这个库提供 API 来获取股票数据# get_data_yahoo 代表数据源来自 yahoo，'BABA' 是阿里巴巴的股票代码df = pdr.get_data_yahoo('BABA')# 由于数据较多，我们只取头部的五条数据来看# high 表示最高价，low 表示最低价，open 表示开盘价，close 表示收盘价，volume 表示交易量df.head()复制代码 High Low Open Close Volume Adj Close
Date
2014-09-19 99.699997 89.949997 92.699997 93.889999 271879400 93.889999
2014-09-22 92.949997 89.500000 92.699997 89.889999 66657800 89.889999
2014-09-23 90.480003 86.620003 88.940002 87.169998 39009800 87.169998
2014-09-24 90.570000 87.220001 88.470001 90.570000 32088000 90.570000
2014-09-25 91.500000 88.500000 91.089996 88.919998 28598000 88.919998
# 我们取五家从2015年1月1号至今的股票数据进行分析# 'MSFT'：微软, 'AAPL'：苹果, 'AMZN'：亚马逊, 'FB'：脸书, 'GOOG'：谷歌start = datetime(2015,1,1)company = ['MSFT', 'AAPL', 'AMZN', 'FB', 'GOOG']top_df = pdr.get_data_yahoo(company, start=start)复制代码# 得到一个数据集合，这个数据集合是 pandas.core 数据结构type(top_df)复制代码pandas.core.frame.DataFrame复制代码# 看一下他们最近几日的收盘价top_df['Close'].tail()复制代码 Symbols AAPL AMZN FB GOOG MSFT
Date
2018-10-30 213.300003 1530.420044 146.220001 1036.209961 103.730003
2018-10-31 218.860001 1598.010010 151.789993 1076.770020 106.809998
2018-11-01 222.220001 1665.530029 151.750000 1070.000000 105.919998
2018-11-02 207.479996 1665.530029 150.350006 1057.790039 106.160004
2018-11-05 201.589996 1627.800049 148.679993 1040.089966 107.510002
# 直接用 matplotlib 画它们的股价走势top_df['Close'].plot()复制代码<matplotlib.axes._subplots.AxesSubplot at 0x1a1741f748>复制代码
![]()
# 根据他们的股价走势，画出股价波动top_df_dr = top_df['Close'].pct_change()top_df_dr.plot()复制代码<matplotlib.axes._subplots.AxesSubplot at 0x1a173004a8>复制代码
![]()
# 上面的估计波动图太密集，不容易开出问题，我们选亚马逊和谷歌的进行对比# 利用 seaborn 画出亚马逊和谷歌的散点图# 每个点对应的横坐标和纵坐标，分别对应谷歌和亚马逊当日的涨跌情况，如果都为负数说明当日股价均为下跌sns.jointplot('AMZN', 'GOOG', top_df_dr)复制代码<seaborn.axisgrid.JointGrid at 0x1a172d8048>复制代码
![]()
# 我们还可以利用强大的 seaborn 对五家公司进行相互对比sns.pairplot(top_df_dr.dropna())复制代码<seaborn.axisgrid.PairGrid at 0x1a1786ada0>复制代码
![]()
感谢阅读！
【转载】
作者：缪宇
链接：https://juejin.im/post/5bdffcf35188251707502421
|
|
收藏
淘帖
踩
