Pandas读取excel数据——pearson相关性分析_一列与多列相关性分析 python

利用Pandas和tushare进行一个简单的数据读取和分析

一丶Pandas的DataFrame操作方法

一个表格型数据，提供列名和不同的值，以及索引值

通过下面代码记录一些DataFrame的方法

from pandas import Series,DataFrame
#一个字典数据
data={'nike':['hello','world','baby','love'],
     'year':[2000,1526,11616,123],
     'name':['bob','lucy','amy','andy']}
#将字典/列表 数据转化为DataFrame
d=DataFrame(data)
print(d)
#改变数据的输出顺序，按列的形式
print(DataFame(data),columns=['name','year','nike'])
#改变其输出的索引名(按abcd索引而不是0123)
print(DataFrame(data),columns=['name','year','nike'],index=['a','b','c','d'])
#添加一列则该列全部值为21
d['number']=21 
#添加一列用Series赋值
d1=Series([1,2,3,4])
d['number']=d1
d2=d.T#数据转置
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

二丶数据抽取和保存分析

这里用到了一个库tushare，里面有很多的数据，链接地址为：
http://tushare.org/trading.html
我们从这里面抽取了浦发银行和广大银行的数据，然后保存和分析其相关性

import matplotlib.pyplot as plt
import numpy as np
import tushare as ts
from pandas import DataFrame,Series

s_pf='600000'#浦发银行股票代码
s_gd='601818'#光大银行股票代码
sdate='2017-01-01'#数据获取开始日期
edate='2017-12-31'#数据获取结束日期
df_pf=ts.get_h_data(s_pf,start=sdate,end=edate).sort_index(axis=0,ascending=True)#竖着排序
df_gd=ts.get_h_data(s_gd,start=sdate,end=edate).sort_index(axis=0,ascending=True)#竖着排序
#将两个数据整合到一起
df=pd.concat([df_pf.close,df_gd.close],axis=1,keys=['pf_close','gd_close'])
#填充数据
df.ffill(axis=0,inplace=True)
#保存数据
df.to_csv('pf_gd.csv')

#然后对数据进行分析
corre=df.corr(method='pearson',periods=1)#方法选择person相关性
print(corre)
plt.plot(figsize=(20,12))
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

输出结果：

相关性接近0.7