用Python分析苹果公司股价数据_aapl.csv

要点抢先看

1.csv数据的读取

2.利用常用函数获取均值、中位数、方差、标准差等统计量

3.利用常用函数分析价格的加权均值、收益率、年化波动率等常用指标 4.处理数据中的日期

我们最后会介绍一下NumPy库中的一些非常实用和常用的函数方法。

要知道，NumPy的常用数学和统计分析的函数非常多，如果我们一个一个的分散来讲，一来非常枯燥，二来呢也记不住，就仿佛又回到了昏昏欲睡的课堂，今天我们用一个背景例子来串联一下这些零散的知识点。

我们通过分析苹果公司的股票价格，来串讲NumPy的常用函数用法

我们在我们python文件的同级目录下放置数据文件AAPL.csv，用excel文件可以打开看看里面是什么样的：

依次是日期，收盘价、成交量、开盘价、最高价和最低价 在CSV文件中，每一列数据数据是被“,”隔开的，为了突出重点简化程序，我们把第一行去掉，就像下面这样

首先，我们读取“收盘价”和“成交量”这两列，即第1列和第2列（csv也是从第0列开始的）

import numpy as np  
'''
更多Python学习资料以及源码教程资料，可以在群1136201545免费获取
'''
c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 
print(c) 
print(v) 
[ 178.02  178.65  178.44  179.97  181.72  179.98  176.94  175.03  176.67   176.82  176.21  175.    178.12  178.39  178.97  175.5   172.5   171.07   171.85  172.43  172.99  167.37  164.34  162.71  156.41  155.15  159.54   163.03  156.49  160.5   167.78  167.43  166.97  167.96  171.51  171.11   174.22  177.04  177.    178.46  179.26  179.1   176.19  177.09  175.28   174.29  174.33  174.35  175.    173.03  172.23  172.26  169.23  171.08   170.6   170.57  175.01  175.01  174.35  174.54  176.42] 
[ 38313330.  22676520.  29334630.  31464170.  32191070.  32130360.   24518850.  31686450
1
2
3
4
5
6
7
8
9

这样，我们就完成了第一个任务，将csv数据文件中存储的数据，读取到我们两个ndarray数组c和v中了。

接下来，我们小试牛刀，对收盘价进行最简单的数据处理，求取他的平均值。

第一种，非常简单，就是我们最常见到的算数平均值

import numpy as np  
c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 
mean_c = np.mean(c) print(mean_c) 
172.614918033
1
2
3
4

第二种，是加权平均值，我们用成交量来加权平均价格

即，用成交量的值来作为权重，某个价格的成交量越高，该价格所占的权重就越大。

import numpy as np  
c, v = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1, 2), unpack=True) 
vwap = np.average(c, weights=v) 
print(vwap)  
170.950010035
1
2
3
4
5

再来说说取值范围，找找最大值和最小值

我们找找收盘价的最大值和最小值，以及最大值和最小值之间的差异

import numpy as np  


c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 


print(np.max(c)) 


print(np.min(c)) 


print(np.ptp(c))  





181.72 


155.15 


26.57

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

接下来我们进行简单的统计分析

我们先来求取收盘价的中位数

import numpy as np  


c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 


print(np.max(c)) 


print(np.min(c)) 


print(np.median(c))  





181.72 


155.15 


174.35

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

求取方差

另外一个我们关心的统计量就是方差，方差能够体现变量变化的程度。在我们的例子中，方差还可以告诉我们投资风险的大小。那些股价变动过于剧烈的股票一定会给持有者带来麻烦

import numpy as np  


c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 


print(np.var(c))  





37.5985528621
1
2
3
4
5
6
7
8
9
10
11
12
13

我们回顾一下方差的定义，方差指的是各个数据与所有数据算数平均数的离差平方和的均值

import numpy as np  


c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 


print(np.mean((c - c.mean())**2))  
37.5985528621
1
2
3
4
5
6
7
8

上下对比一下，看看，结果是一模一样的。
现在我们来看看每天的收益率，这个计算式子很简单：

即用今天的收盘价减去昨天的收盘价，再除以昨天的收盘价格。同时我们发挥NumPy的优势，利用向量运算，可以一次性算出所有交易日的收益率

diff函数时用数组的第N项减第N-1项，得到一个n-1项的一维数组。本例中我们注意到数组中日期越近的收盘价，数组索引越小，因此得取一个相反数，综上代码：

import numpy as np  


c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 


returns = -np.diff(c)/c[1:] 


print(returns)  





[-0.00352645  0.00117687 -0.00850142 -0.0096302   0.00966774  0.01718097   0.0109124
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

然后观察一下每日收益的标准差，就可以看看收益的波动大不大了：

import numpy as np  


c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 


returns = -np.diff(c)/c[1:] 


print(np.std(returns))  





0.0150780328454



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

如果我们想看看哪些天的收益率是正的，很简单，还记得where语句吗，拿来使用吧

import numpy as np  


c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 


returns = -np.diff(c)/c[1:] 


print(np.where(returns>0))  





(array([ 1,  4,  5,  6,  9, 10, 14, 15, 16, 20, 21, 22, 23, 24, 27, 30, 31,  34, 37, 40, 



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

专业上我们对价格变动可以用一个叫做“波动率”的指标进行度量。计算历史波动率时需要用到对数收益率，对数收益率很简单，就是

依照对数的性质，他等于

在计算年化波动率时，要用样本中所有的对数收益率的标准差除以其均值，再除以交易日倒数的平方根，一年交易日取252天。

我们简单的看一下下面的代码

import numpy as np  


c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(1,), unpack=True) 


logreturns = -np.diff(np.log(c)) 


volatility = np.std(logreturns) / np.mean(logreturns) 


annual_volatility = volatility / np.sqrt(1./252.) 


print(volatility) 


print(annual_volatility)  





100.096757388 

1588.98676256

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

这里我们再强调一点就是：sqrt方法中应用了除法计算，这里必须使用浮点数进行运算。月度波动率也是同理用1./12.即可

我们可以常常会发现，在数据分析的过程中，对于日期的处理和分析也是一个很重要的内容。

我们先试图用老办法来从csv文件中把日期数据读出来

import numpy as np  


dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), unpack=True)





Traceback (most recent call last):


  File "E:/12homework/12homework.py", line 2, in <module>


    dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), unpack=True)  


  File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 930, in loadtxt


    items = [conv(val) for (conv, val) in zip(converters, vals)]


  File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 930, in <listcomp>


    items = [conv(val) for (conv, val) in zip(converters, vals)]


  File "C:\Python34\lib\site-packages\numpy\lib\npyio.py", line 659, in floatconv


    return float(x)


ValueError: could not convert string to float: b'2018/3/16'



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40

我们发现他报错了，错误信息是不能将一个字节类型的对象转换为浮点类型对象。原因是因为NumPy是面向浮点数运算的，那么我们对症下药，对日期字符串进行一些转换处理。

我们先假定日期是一个字符串类型（下载的网络数据中往往是将字符串通过utf-8编码成字节码，这个可以见第一季中字符编码相关内容的介绍）

import numpy as np import datetime   


strdate = '2017/3/16' 


d = datetime.datetime.strptime(strdate,'%Y/%m/%d') 


print(type(d)) 


print(d)  





<class 'datetime.datetime'> 


2017-03-16 00:00:00
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

通过python标准库中的datetime函数包，我们通过指定匹配的格式%Y/%m/%d

将日期字符串转换为了datetime类型对象，Y大写匹配完整的四位数记年，y小写就是两位数，例如17。

datetime对象有一个date方法，把datetime对象中的time部分去掉，变成一个纯的日期，再调用weekday可以转换为一周中的第几天，这里是从周日开始算起的。

import numpy as np import datetime 


strdate = '2018/3/16' 


d = datetime.datetime.strptime(strdate,'%Y/%m/%d') 


print(d.date()) 


print(d.date().weekday())  





2018-03-16 4



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

最后，我们回到这份苹果公司股价的csv文件，来做一个综合分析，来看看周几的平均收盘价最高，周几的最低：

import numpy as np import datetime  


def datestr2num(bytedate):  


    return datetime.datetime.strptime(


                  bytedate.decode('utf-8'),'%Y/%m/%d').date().weekday()  





dates,c = np.loadtxt('AAPL.csv', delimiter=',', usecols=(0,1), 


                   converters={0: datestr2num}, unpack=True) 


averages = np.zeros(5) 


for i in range(5):     


    index = np.where(dates == i)     


    prices = np.take(c, index)     


    avg = np.mean(prices)     


    averages[i] = avg  print("Day {} prices: {},avg={}".format(i,prices,avg))  


top = np.max(averages) 


top_index = np.argmax(averages) 


bot = np.min(averages) 


bot_index = np.argmin(averages) 


print('highest:{}, top day is {}'.format(top,top_index)) 


print('lowest:{},bottom day is {}'.format(bot,bot_index))  





Day 0 prices: [[ 181.72  176.82  178.97  162.71  156.49  167.96  177.    174.35  176.42]],avg=172.49333333333334 


Day 1 prices: [[ 179.97  176.67  178.39  171.85  164.34  163.03  166.97  177.04  176.19    174.33  172.26  170.57  174.54]],avg=172.78076923076924 


Day 2 prices: [[ 178.44  175.03  178.12  171.07  167.37  159.54  167.43  174.22  179.1    174.29  172.23  170.6   174.35]],avg=172.44538461538463 


Day 3 prices: [[ 178.65  176.94  175.    172.5   172.99  155.15  167.78  171.11  179.26    175.28  173.03  171.08  175.01]],avg=172.59846153846152 


Day 4 prices: [[ 178.02  179.98  176.21  175.5   172.43  156.41  160.5   171.51  178.46    177.09  175.    169.23  175.01]],avg=172.71923076923073 


highest:172.78076923076924, top day is 1 


lowest:172.44538461538463,bottom day is 2



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82

简要的再分析一下：由于从csv中读取的数据类型为bytes，所以我们写了一个转换函数，先将bytes类型的日期数据进行解码（字符串编解码详见第一季），然后再用上一段程序介绍的方法转换为一个表示周几的数字

而np.loadtxt函数中的参数converters={0: datestr2num}，就是说针对第一列的数据，我们利用这个转换函数将其转化为一个数字，并将这个整形元素构成的数组赋值给dates变量。

后面的处理就很简单了，用循环依次取出每个工作日的收盘价构成的数组，对其求平均值。然后得到周一到周五，五个平均值的最大值、最小值。

最后我们再介绍两个实用函数，一个是数组的裁剪函数，即把比给定值还小的值设置为给定值，比给定值大的值设置为给定上限

import numpy as np  


a = np.arange(5) 


print(a.clip(1,3))  





[1 1 2 3 3]



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

第二个是一个筛选函数，返回一个根据给定条件筛选后得到的结果数组

import numpy as np  

'''
更多Python学习资料以及源码教程资料，可以在群1136201545免费获取
'''
a = np.arange(5) 


print(a.compress(a > 2))  





[3 4]



1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

这一小节中，我们利用NumPy的一些实用函数，对苹果公司的股价进行了一些非常非常简单的分析，目的是通过这个实例来串讲一下这些实用的数据处理函数。

其实NumPy的功能非常非常多，远不止这些，但是没有必要去一个一个学。并且另一方面，NumPy的方法都过于原始和底层，虽然功能很丰富，但是使用起来也很繁杂。这里我们为大家打一个基础，后面的章节就不会再一一介绍里面的各种函数了。后面我要介绍基于NumPy之上的一些更高层的方法库，功能更强大，使用也更简单。