image
初入数据分析大门，感觉需要补的知识太多太多。不太建议系统补齐各种知识，因为大概率会倒在半路上。
以项目为导向，梳理大概流程，对流程中所需的知识点进行大致学习，以后遇到知识盲点再回来补。
接下来我以股票分析为例来了解数据分析流程。
个人认为股票分析无非就分为获取数据、数据处理、数据可视化三个部分，依赖 Python 强大的第三方开源库，上手难度变得非常低。
去官网了解更多
Python 基本语法
小编整理了全套Python零基础资料视频，点击获取。
点击获取
安装 anaconda
Anaconda是一个包含180+的科学包及其依赖项的开源Python发行版本。
安装 anaconda，直接去anaconda 官网下载安装即可。
anaconda 安装成功后，会自带安装 Jupyter，jupyter 主要用于我们代码的编写和运行。
创建一个新文件夹 stock-market-analysis ,进入当前目录，启动 jupyter 。
# 启动 jupyter
conda notebook
启动成功，在浏览器中打开 http://localhost:8888/tree) ，单击 new，创建一个新的 notebook 就可以开始愉快的玩耍了！
numpy
numpy 是一个用于科学计算的 Python 库。
基本用法
# 引入 numpy
import numpy as np
# 创建一个长度为15，3乘5的二维数组
a = np.arange(15).reshape(3, 5)
# 打印a
a
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
# 创建一个长度为15，间隔10，3乘5的二维数组
b = np.arange( 1, 150, 10 ).reshape(3, 5)
# 打印b
b
array([[ 1, 11, 21, 31, 41],
[ 51, 61, 71, 81, 91],
[101, 111, 121, 131, 141]])
# 两个二维数组相加
a + b
array([[ 1, 12, 23, 34, 45],
[ 56, 67, 78, 89, 100],
[111, 122, 133, 144, 155]])
pandas
pandas 是一个基于 numpy 强大的 Python 数据分析包，它提供了很高级的数据结构和大量处理数据的方法。最终目的是为了我们更好的理解和处理数据。
基本用法
pandas 提供了两种数据结构，Series 和 DataFrame。
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
Series
Series 类似于字典，可以根据索引查找对应值
# 创建一个长度为4，1到10的随机整数
Series(np.random.randint(1,10,4))
0 4
1 2
2 3
3 1
dtype: int64
# 指定index
s = Series(np.random.randint(1,10,4), index=['a','b','c','d'])
s
a 4
b 5
c 5
d 8
dtype: int64
# 根据 index 查找
s['a']
4
DataFrame
DataFrame 是二维的数据结构，可以用行列的方式表示，可以把它想象成一个 Excel 表。
# 生成值为时间的数组
dates = pd.date_range('20130101', periods=6)
dates
DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',
'2013-01-05', '2013-01-06'],
dtype='datetime64[ns]', freq='D')
# 生成 index 为日期，列名为 ABCD 的 DataFrame
df = DataFrame(np.random.randint(1,10,24).reshape(6,4), index=dates, columns=list('ABCD'))
df
matplotlib seaborn
matplotlib 是 Python 非常重要的数据可视化库，而 seaborn 是基于 matplotlib 开发的可视化库，更为强大易用。
基本用法
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
import seaborn as sns
# 创建一个 Series，1000个从1到100间隔均匀的数组
s = Series(np.linspace(1, 100, 1000))
s.plot()
<matplotlib.axes._subplots.AxesSubplot at 0x1a226a23c8>
image
# 创建一个 DataFrame，1到10的随机整数，10乘4的二维数组，列名为 a,b,c,d
df = DataFrame(np.random.randint(1,10,40).reshape(10,4),columns=list("abcd"))
df
DU)VLH~H}SUPSKFG%$_RXLR.png
# matpoltlib 画图
df.plot()
<matplotlib.axes._subplots.AxesSubplot at 0x11fe2ab38>
image
# 对每列进行求和
df_sum = df.sum()
# 指定柱状图
df_sum.plot(kind='bar')
<matplotlib.axes._subplots.AxesSubplot at 0x1a22821668>
image
# seaborn 画图
index = df_sum.index
values = df_sum.values
sns.barplot(index, values)
<matplotlib.axes._subplots.AxesSubplot at 0x1a229041d0>
去matplotlib官网了解更多
去seaborn官网了解更多
股票分析
股票分析的步骤：
获取数据
处理数据
数据可视化
分析数据
# basic
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
# get data
import pandas_datareader as pdr
# visual
import matplotlib.pyplot as plt
import seaborn as sns
# time
from datetime import datetime
# pandas_datareader 这个库提供 API 来获取股票数据
# get_data_yahoo 代表数据源来自 yahoo，'BABA' 是阿里巴巴的股票代码
df = pdr.get_data_yahoo('BABA')
# 由于数据较多，我们只取头部的五条数据来看
# high 表示最高价，low 表示最低价，open 表示开盘价，close 表示收盘价，volume 表示交易量
df.head()
# 直接用 matplotlib 画它们的股价走势
top_df['Close'].plot()
<matplotlib.axes._subplots.AxesSubplot at 0x1a1741f748>
image
# 根据他们的股价走势，画出股价波动
top_df_dr = top_df['Close'].pct_change()
top_df_dr.plot()
<matplotlib.axes._subplots.AxesSubplot at 0x1a173004a8>
image
# 上面的估计波动图太密集，不容易开出问题，我们选亚马逊和谷歌的进行对比
# 利用 seaborn 画出亚马逊和谷歌的散点图
# 每个点对应的横坐标和纵坐标，分别对应谷歌和亚马逊当日的涨跌情况，如果都为负数说明当日股价均为下跌
sns.jointplot('AMZN', 'GOOG', top_df_dr)
<seaborn.axisgrid.JointGrid at 0x1a172d8048>
image
# 我们还可以利用强大的 seaborn 对五家公司进行相互对比
sns.pairplot(top_df_dr.dropna())
<seaborn.axisgrid.PairGrid at 0x1a1786ada0>
image
来源：本文为第三方转载，如有侵权请联系小编删除。
网友评论