Python数据分析项目实战

news2024/12/28 5:48:56

现成案例分享

Python数据分析：股票数据分析案例

步骤：

准备数据
可视化数据、审查数据
处理数据
根据ACF、PACF定阶
拟合ARIMA模型

预测

作者：python分享站
链接：https://www.zhihu.com/question/280744341/answer/1651341817
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

import pandas as pd
import pandas_datareader
import datetime
import matplotlib.pylab as plt
from matplotlib.pylab import style
from statsmodels.tsa.arima_model import ARIMA
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf

style.use('ggplot')     # 设置图片显示的主题样式

# 解决matplotlib显示中文问题
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题


def run_main():
    """
        主函数
    """
    # 1. 准备数据
    # 指定股票分析开始日期
    start_date = datetime.datetime(2009, 1, 1)
    # 指定股票分析截止日期
    end_date = datetime.datetime(2019, 4, 1)
    # 股票代码
    stock_code = '600519.SS'    # 沪市贵州茅台

    stock_df = pandas_datareader.data.DataReader(
                        stock_code, 'yahoo', start_date, end_date
                )
    # 预览数据
    print(stock_df.head())

    # 2. 可视化数据
    plt.plot(stock_df['Close'])
    plt.title('股票每日收盘价')
    plt.show()

    # 按周重采样
    stock_s = stock_df['Close'].resample('W-MON').mean()
    stock_train = stock_s['2014':'2018']
    plt.plot(stock_train)
    plt.title('股票周收盘价均值')
    plt.show()

    # 分析 ACF
    acf = plot_acf(stock_train, lags=20)
    plt.title("股票指数的 ACF")
    acf.show()

    # 分析 PACF
    pacf = plot_pacf(stock_train, lags=20)
    plt.title("股票指数的 PACF")
    pacf.show()

    # 3. 处理数据，平稳化数据
    # 这里只是简单第做了一节差分，还有其他平稳化时间序列的方法
    stock_diff = stock_train.diff()
    diff = stock_diff.dropna()
    print(diff.head())
    print(diff.dtypes)

    plt.figure()
    plt.plot(diff)
    plt.title('一阶差分')
    plt.show()

    acf_diff = plot_acf(diff, lags=20)
    plt.title("一阶差分的 ACF")
    acf_diff.show()

    pacf_diff = plot_pacf(diff, lags=20)
    plt.title("一阶差分的 PACF")
    pacf_diff.show()

    # 4. 根据ACF和PACF定阶并建立模型
    model = ARIMA(stock_train, order=(1, 1, 1), freq='W-MON')
    # 拟合模型
    arima_result = model.fit()
    print(arima_result.summary())

    # 5. 预测

    pred_vals = arima_result.predict(start=str('2019-01'),end=str('2019-03'),
                                     dynamic=False, typ='levels')
    print(pred_vals)

    # 6. 可视化预测结果
    stock_forcast = pd.concat([stock_s, pred_vals], axis=1, keys=['original', 'predicted'])

    plt.figure()
    plt.plot(stock_forcast)
    plt.title('真实值vs预测值')
    plt.savefig('./stock_pred.png', format='png')
    plt.show()


if __name__ == '__main__':
    run_main()

书籍推荐

这本书几乎是数据分析入门必读书了。主要介绍了python 3个库numpy（数组），pandas（数据分析）和matplotlib（绘图）的学习。

看到书里涉及到到当统计概率知识看不懂的时候，这时候反过来再学习统计概率的知识。
很多人错误的学习方式是，先学习统计概率，再去学习数据分析编程工具(Excel, Python, R)。
最后抱怨太难了，学不会。
这其实学习方法是可以改进的。这是为什么呢?
有两个原因:
1)因为很多统计概率讲的都是复杂的数学公式2，却不讲统计概率在生活中如何应用的。这样造成
的结果就是你学习了很多，但是也忘记了很多。
2)统计概率知识大多数时候是理论基础，如果不结合数据分析工具(Excel, Python, R)来使.
用，你肯定学不会。
比如你学习了四分位数9的理论，但是如何在实际中使用的，你不会数据分析的工具，你当然不会
用了。
但是如果你会数据分析的工具，实际操作就一行代码，四分位就计算出来了。你当然兴奋了，一高
兴学习兴趣也就上来了。
所以，我的建议，也是正确的学习方式是:先学习基础的数据分析工期法，当遇到统计概率知识
的时候，再来补这个知识，边学习边用数据分析工实现一遍。