pandas金融数据绘图
1加载numpy和pandas,pandas中的 dataframe,series,pandas_datareader。google=data.datareader('goog', data_source="yahoo")表示从雅虎网站读取谷歌股票数据,赋值给google;google.**()表示查看google的信息;google.tail()表示查看google的最后5条数据;如图所示2绘制谷歌收盘价的趋势图。google['close'].plot(figsize=(8,5))表示在一个尺寸为8*5的图上绘制谷歌的收盘价图3对数收益率的两种计算方法效率比较(借助魔术函数)。(1)for循环完成需要3/116微秒;(2)使用向量化代码实现需要3/485微秒;查看结果是一致,使用向量化代码效率是for循环的3倍以上;如图所示4收盘价和收益率的绘图del google['ret']表示删除google的字段‘ret’;google[['close','return']].plot(subplots=true,style='b',figsize=(8,5))表示在尺寸为8*5的画布上,用蓝色线绘制收盘价和收益率的图形;如图所示5谷歌股票趋势图的字段。google['42d']=pd.rolling_mean(google['close'],window=42)表示使用42个工作日的移动平均值体现2个月的趋势;google['252d']=pd.rolling_mean(google['close'],window=252)表示使用252个工作日的移动平均值体现1年的趋势;google[['close','42d','252d']].tail()查看收盘价和42d、252d的最后5条数据;如图所示6谷歌股票趋势图的绘制。google[['close','42d','252d']].plot(figsize=(8,5))表示在8*5的画布上绘制收盘价、2个月、1年趋势图;如图所示7加载数学函数math。google['mov_vol']=google['return'].rolling(window=252,center=false).std()表示用移动历史标准差计算google的移动历史波动率;google[['close','mov_vol','return']].plot(subplots=true,style='b',figsize=(10,8))表示在10*8的画布上,用蓝色线分别绘制收盘价,移动年化波动率,对数收益率的图形;如图所示end 20210311