这篇文章主要介绍 pandas如何实现股票分析图 ，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！
获取APPL，MSFT，GOOG的股票数据
stocks = pd.DataFrame({"Date": apple["Date"],"AAPL": apple["Adj Close"],"MSFT": microsoft["Adj Close"],"GOOG": google["Adj Close"]}).set_index("Date")
print(stocks.head())| date | AAPL | GOOG | MSFT |
|---|
| 2016-01-04 | 102.612183 | 741.840027 | 53.015032 |
| 2016-01-05 | 100.040792 | 742.580017 | 53.256889 |
| 2016-01-06 | 98.083025 | 743.619995 | 52.289462 |
| 2016-01-07 | 93.943473 | 726.390015 | 50.470697 |
| 2016-01-08 | 94.440222 | 714.469971 | 50.625489 |
1 多只股票对比
做出图形
stocks.plot(grid = True)
plt.show()
由于google的股价比较高，所以导致了Microsoft和Apple股票波动变小。一个解决的方法是使用不同的刻度线。
stocks.plot(secondary_y = ["AAPL", "MSFT"], grid = True)
还有的更好的方法是画出收益图
#df.apply(arg)将会把函数参数应用到数据框的每一列，然后再返回一个数据框#在这行代码中，lambda中的x是一个seriesstock_return = stocks.apply(lambda x: x / x[0])
stock_return.head()
做出波动图
stock_return.plot(grid = True).axhline(y = 1, color = "black", lw = 2)
通过这个图我们可以看到每一个股票相对于初始价格的收益，我们还可以看到这些股票的波动是相关的。
我们还可以做出股票的每天的变化图
stock_change = stocks.apply(lambda x: np.log(x) - np.log(x.shift(1))) # shift moves dates back by 1.
2 股票均线图
stocks["AAPL"].plot(label="APPL")
apple["20d"] = np.round(apple["Close"].rolling(window = 20, center = False).mean(), 2).plot(label="20Average")
apple["50d"] = np.round(apple["Close"].rolling(window = 50, center = False).mean(), 2).plot(label="50Average")
plt.legend()
plt.show()
以上是“ pandas如何实现股票分析图 ”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注天达云行业资讯频道！