Python数据分析入门

金融数据分析

talib与mplfinance

10分钟掌握量化回测神器talib与mplfinance - 小红书

第1步：引入库

#数据计算与分析
importpandasaspd
import numpy as np

#数据可视化
importmatplotlib.pyplotasplt
importmatplotlibasmpl
importseabornassns

#金融数据分析与可视化
import mplfinance as mpf #金融数据可视化
import talib #金融指标计算

第2步：数据导入

file_path = '数据文件路径'

#数据导入与查看
df = pd.read_csv(file_path) #导入csv
df #查看最前5条和最后5条数据
df.head() #查看最前5条数据
df.tail() #查看最后5条数据
print(df.head())
print(df.tail())

#查看数据类型
type(data['column_name'])

第3步：数据整理与清洗

#删除数据
df = df.drop(columns=['column_name']) #删除列
df_dropped = df.drop(0) # 删除索引为 0 的行

#按行截取部分数据
df = df.loc[2:8]
df = df.loc[1:]
df = df.loc[:10]
df = df.loc['index_name':] #从某一行开始往后所有数据
# 按索引选择行
print(df.iloc[1:3])  # 选择第二到第三行（按位置）
# 按标签选择行
print(df.loc[1:2])  # 选择第二到第三行（按标签）

数据格式转换

#查看数据格式类型
pd.index.dtype #索引列的数据格式
print("pd索引类型:", pd.index.dtype)

#将date列转化为日期格式
df['date'] = pd.to_datetime(df['date'], format='%Y%m%d')
#将索引列转化为日期格式
pd.index = pd.to_datetime(pd.index)

#将某一列设置为索引
df.set_index('date', inplace=True)

数据运算处理

#把某些列的数值*1000
pd_scaled[['column1', 'column2']] = pd_scaled[['column1', 'column2']] * 1000

缺失值处理

#删除缺失值
df = df.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
#axis：默认为0，逢空值剔除整行，axis＝1逢空值去掉整列。
#how：默认为'any' 任何一个数据为空就去掉整行/列，'all' 一行（或列）都为空才去掉这整行/列。
#thresh：设置需要多少非空值的数据才可以保留下来的。
#subset：设置想要检查的列。如果是多个列，可以使用列名的 list 作为参数。
#inplace：如果设置 True，将计算得到的值直接覆盖之前的值并返回 None，修改的是源数据。

#通过isnull() 判断各个单元格是否为空
df['column_name'].isnull()

数据合并与连接

#merge() — 数据库风格的连接，类似 SQL 中的 JOIN 操作。支持内连接、外连接、左连接和右连接。
result = pd.merge(left, right, on='ID', how='inner', suffixes=('_x', '_y'))

#concat() — 沿轴连接，将多个 DataFrame 沿指定轴（行或列）进行连接，常用于行合并（垂直连接）或列合并（水平连接）。
result = pd.concat([df1, df2], axis=0, ignore_index=True)

#join() — 基于索引连接，Pandas 中的简化连接操作，通常用于基于索引将多个 DataFrame 连接。
result = left.join(right, how='inner', lsuffix='_left', rsuffix='_right')

参考资料：

https://gairuo.com/p/pandas-merge

https://gairuo.com/p/pandas-concat

第4步：绘制图形

可视化相关设置

#设置中文字体
mpl.rcParams['font.sans-serif'] = ['Arial Unicode MS'] #设置中文字体
mpl.rcParams['axes.unicode_minus'] = False #解决负号显示问题

K线图

import mplfinance as mpf
#画K线图
mpf.plot(sh_data,
         type='candle',  # 使用蜡烛图
         style='charles',  # 使用经典的黑白风格
         title='Candlestick Chart',
         ylabel='Price',
         xlabel='Date',
         volume=True,  # 显示成交量
         ylabel_lower='Volume',
         figsize=(12, 6),
         figratio=(12, 8),  # 图形比例
         figscale=1.2)  # 图形缩放

其他

Talib 代码

#计算5日MA指标
MA_5 = talib.MA(df['close'].values, timeperiod=5)