2019年9月19日 星期四
pandas查看數據值列的彙總統計
import numpy as np
import requests
import pandas as pd
import datetime
import csv, json, sys
import matplotlib.pyplot as plt
def transform_date(date):
y, m, d = date.split('/')
return str(int(y)+1911) + '/' + m + '/' + d #民國轉西元
def transform_data(data):
data[0] = datetime.datetime.strptime(transform_date(data[0]), '%Y/%m/%d')
data[1] = int(data[1].replace(',', '')) #把千進位的逗點去除
data[2] = int(data[2].replace(',', ''))
data[3] = float(data[3].replace(',', ''))
data[4] = float(data[4].replace(',', ''))
data[5] = float(data[5].replace(',', ''))
data[6] = float(data[6].replace(',', ''))
data[7] = float(0.0 if data[7].replace(',', '') == 'X0.00' else data[7].replace(',', '')) # +/-/X表示漲/跌/不比價
data[8] = int(data[8].replace(',', ''))
#print(data)
return data
def transform(data):
return [transform_data(d) for d in data]
def save_data_file(path, stock_date,stock_id):
#http://www.twse.com.tw/exchangeReport/STOCK_DAY?date=20190901&stockNo=1314
url = 'http://www.twse.com.tw/exchangeReport/STOCK_DAY?date=%s&stockNo=%s' % ( stock_date, stock_id)
r = requests.get(url)
jdata = r.json()
filename = '%s%s_%s.json' % (path, stock_id, stock_date)
with open(filename, 'w') as json_file:
json.dump(jdata, json_file)
return jdata
def get_data_file(path, stock_date,stock_id):
filename = '%s%s_%s.json' % (path, stock_id, stock_date)
with open(filename) as f:
jdata = json.load(f)
#print(transform(jdata['data']))
#print(jdata['data'])
return (transform(jdata['data']))
def get_data_result(data,stock_no):
s = pd.DataFrame(data)
s.columns = ['date', 'shares', 'amount', 'open', 'high', 'low', 'close', 'change', 'turnover']
#"日期","成交股數","成交金額","開盤價","最高價","最低價","收盤價","漲跌價差","成交筆數"
stock = []
for i in range(len(s)):
stock.append(stock_no)
s['stockno'] = pd.Series(stock ,index=s.index) #新增股票代碼欄，之後所有股票進入資料表才能知道是哪一張股票
datelist = []
for i in range(len(s)):
datelist.append(s['date'][i])
s.index = datelist #索引值改成日期
s2 = s.drop(['date'],axis = 1) #刪除日期欄位
mlist = []
for item in s2.index:
mlist.append(item.month)
s2['month'] = mlist #新增月份欄位
return s2
def process_stock():
path = 'json/'
date = ['20190901']
listID = ['2330']
for i in range(len(listID)):
for month in range(len(date)):
#result = save_data_file(path, date[month], listID[i])
result = get_data_file(path, date[month], listID[i])
result = get_data_result(result, listID[i])
print(result)
#print(result.groupby('month').close.count()) #每個月幾個營業日
#print(result.groupby('month').shares.sum()) #每個月累計成交股數
dfTotal = result['amount']
#print('mean = %s' % (dfTotal.mean()) )
#print('std = %s' % (dfTotal.std()) )
#print('max = %s' % (dfTotal.max()) )
#print('min = %s' % (dfTotal.min()) )
#print('median = %s' % (dfTotal.median()) )
print('%s' % (dfTotal.describe()) )
dfTotal = result['close']
#print('mean = %s' % (dfTotal.mean()) )
#print('std = %s' % (dfTotal.std()) )
#print('max = %s' % (dfTotal.max()) )
#print('min = %s' % (dfTotal.min()) )
#print('median = %s' % (dfTotal.median()) )
print('%s' % (dfTotal.describe()) )
process_stock()
def process_stock():
df = pd.read_csv(r'./AQI.csv')
dfTotal = df['AQI']
print('mean = %s' % (dfTotal.mean()) )
print('std = %s' % (dfTotal.std()) )
print('max = %s' % (dfTotal.max()) )
print('min = %s' % (dfTotal.min()) )
print('median = %s' % (dfTotal.median()) )
Pandas速查
本文翻譯自文章：Pandas Cheat Sheet - Python for Data Science，同時添加了部分註解。
對於數據科學家，無論是數據分析還是數據挖掘來說，Pandas是一個非常重要的Python包。它不僅提供了很多方法，使得數據處理非常簡單，同時在數據處理速度上也做了很多優化，使得和Python內置方法相比時有了很大的優勢。
如果你想學習Pandas，建議先看兩個網站。
（1）官網：Python Data Analysis Library
（2）十分鐘入門Pandas：10 Minutes to pandas
在第一次學習Pandas的過程中，你會發現你需要記憶很多的函數和方法。所以在這裡我們彙總一下Pandas官方文檔中比較常用的函數和方法，以方便大家記憶。同時，我們提供一個PDF版本，方便大家打印。pandas-cheat-sheet.pdf
對於數據科學家，無論是數據分析還是數據挖掘來說，Pandas是一個非常重要的Python包。它不僅提供了很多方法，使得數據處理非常簡單，同時在數據處理速度上也做了很多優化，使得和Python內置方法相比時有了很大的優勢。
如果你想學習Pandas，建議先看兩個網站。
（1）官網：Python Data Analysis Library
（2）十分鐘入門Pandas：10 Minutes to pandas
在第一次學習Pandas的過程中，你會發現你需要記憶很多的函數和方法。所以在這裡我們彙總一下Pandas官方文檔中比較常用的函數和方法，以方便大家記憶。同時，我們提供一個PDF版本，方便大家打印。pandas-cheat-sheet.pdf
關鍵縮寫和包導入
在這個速查手冊中，我們使用如下縮寫：df：任意的Pandas DataFrame對象同時我們需要做如下的引入：
s：任意的Pandas Series對象
import pandas as pd
import numpy as np
導入數據
- pd.read_csv(filename)：從CSV文件導入數據
- pd.read_table(filename)：從限定分隔符的文本文件導入數據
- pd.read_excel(filename)：從Excel文件導入數據
- pd.read_sql(query, connection_object)：從SQL表/庫導入數據
- pd.read_json(json_string)：從JSON格式的字符串導入數據
- pd.read_html(url)：解析URL、字符串或者HTML文件，抽取其中的tables表格
- pd.read_clipboard()：從你的粘貼板獲取內容，並傳給read_table()
- pd.DataFrame(dict)：從字典對象導入數據，Key是列名，Value是數據
導出數據
- df.to_csv(filename)：導出數據到CSV文件
- df.to_excel(filename)：導出數據到Excel文件
- df.to_sql(table_name, connection_object)：導出數據到SQL表
- df.to_json(filename)：以Json格式導出數據到文本文件
創建測試對象
- pd.DataFrame(np.random.rand(20,5))：創建20行5列的隨機數組成的DataFrame對象
- pd.Series(my_list)：從可迭代對象my_list創建一個Series對象
- df.index = pd.date_range('1900/1/30', periods=df.shape[0])：增加一個日期索引
查看、檢查數據
- df.head(n)：查看DataFrame對象的前n行
- df.tail(n)：查看DataFrame對象的最後n行
- df.shape()：查看行數和列數
- http://df.info()：查看索引、數據類型和內存信息
- df.describe()：查看數值型列的彙總統計
- s.value_counts(dropna=False)：查看Series對象的唯一值和計數
- df.apply(pd.Series.value_counts)：查看DataFrame對象中每一列的唯一值和計數
數據選取
- df[col]：根據列名，並以Series的形式返回列
- df[[col1, col2]]：以DataFrame形式返回多列
- s.iloc[0]：按位置選取數據
- s.loc['index_one']：按索引選取數據
- df.iloc[0,:]：返回第一行
- df.iloc[0,0]：返回第一列的第一個元素
數據清理
- df.columns = ['a','b','c']：重命名列名
- pd.isnull()：檢查DataFrame對象中的空值，並返回一個Boolean數組
- pd.notnull()：檢查DataFrame對象中的非空值，並返回一個Boolean數組
- df.dropna()：刪除所有包含空值的行
- df.dropna(axis=1)：刪除所有包含空值的列
- df.dropna(axis=1,thresh=n)：刪除所有小於n個非空值的行
- df.fillna(x)：用x替換DataFrame對象中所有的空值
- s.astype(float)：將Series中的數據類型更改為float類型
- s.replace(1,'one')：用『one'代替所有等於1的值
- s.replace([1,3],['one','three'])：用'one'代替1，用'three'代替3
- df.rename(columns=lambda x: x + 1)：批量更改列名
- df.rename(columns={'old_name': 'new_ name'})：選擇性更改列名
- df.set_index('column_one')：更改索引列
- df.rename(index=lambda x: x + 1)：批量重命名索引
數據處理：Filter、Sort和GroupBy
- df[df[col] > 0.5]：選擇col列的值大於0.5的行
- df.sort_values(col1)：按照列col1排序數據，默認升序排列
- df.sort_values(col2, ascending=False)：按照列col1降序排列數據
- df.sort_values([col1,col2], ascending=[True,False])：先按列col1升序排列，後按col2降序排列數據
- df.groupby(col)：返回一個按列col進行分組的Groupby對象
- df.groupby([col1,col2])：返回一個按多列進行分組的Groupby對象
- df.groupby(col1)[col2]：返回按列col1進行分組後，列col2的均值
- df.pivot_table(index=col1, values=[col2,col3], aggfunc=max)：創建一個按列col1進行分組，並計算col2和col3的最大值的數據透視表
- df.groupby(col1).agg(np.mean)：返回按列col1分組的所有列的均值
- data.apply(np.mean)：對DataFrame中的每一列應用函數np.mean
- data.apply(np.max,axis=1)：對DataFrame中的每一行應用函數np.max
數據合併
- df1.append(df2)：將df2中的行添加到df1的尾部
- df.concat([df1, df2],axis=1)：將df2中的列添加到df1的尾部
- df1.join(df2,on=col1,how='inner')：對df1的列和df2的列執行SQL形式的join
數據統計
- df.describe()：查看數據值列的彙總統計
- df.mean()：返回所有列的均值
- df.corr()：返回列與列之間的相關係數
- df.count()：返回每一列中的非空值的個數
- df.max()：返回每一列的最大值
- df.min()：返回每一列的最小值
- df.median()：返回每一列的中位數
- df.std()：返回每一列的標準差
2019年9月18日 星期三
公開資料取股價存成json
import numpy as np
import requests
import pandas as pd
import datetime
import csv, json, sys
import matplotlib.pyplot as plt
def transform_date(date):
y, m, d = date.split('/')
return str(int(y)+1911) + '/' + m + '/' + d #民國轉西元
def transform_data(data):
data[0] = datetime.datetime.strptime(transform_date(data[0]), '%Y/%m/%d')
data[1] = int(data[1].replace(',', '')) #把千進位的逗點去除
data[2] = int(data[2].replace(',', ''))
data[3] = float(data[3].replace(',', ''))
data[4] = float(data[4].replace(',', ''))
data[5] = float(data[5].replace(',', ''))
data[6] = float(data[6].replace(',', ''))
data[7] = float(0.0 if data[7].replace(',', '') == 'X0.00' else data[7].replace(',', '')) # +/-/X表示漲/跌/不比價
data[8] = int(data[8].replace(',', ''))
#print(data)
return data
def transform(data):
return [transform_data(d) for d in data]
def save_data_file(path, stock_date,stock_id):
#http://www.twse.com.tw/exchangeReport/STOCK_DAY?date=20190901&stockNo=1314
url = 'http://www.twse.com.tw/exchangeReport/STOCK_DAY?date=%s&stockNo=%s' % ( stock_date, stock_id)
r = requests.get(url)
jdata = r.json()
filename = '%s%s_%s.json' % (path, stock_id, stock_date)
with open(filename, 'w') as json_file:
json.dump(jdata, json_file)
return jdata
def get_data_file(path, stock_date,stock_id):
filename = '%s%s_%s.json' % (path, stock_id, stock_date)
with open(filename) as f:
jdata = json.load(f)
#print(transform(jdata['data']))
#print(jdata['data'])
return (transform(jdata['data']))
def get_data_result(data,stock_no):
s = pd.DataFrame(data)
s.columns = ['date', 'shares', 'amount', 'open', 'high', 'low', 'close', 'change', 'turnover']
#"日期","成交股數","成交金額","開盤價","最高價","最低價","收盤價","漲跌價差","成交筆數"
stock = []
for i in range(len(s)):
stock.append(stock_no)
s['stockno'] = pd.Series(stock ,index=s.index) #新增股票代碼欄，之後所有股票進入資料表才能知道是哪一張股票
datelist = []
for i in range(len(s)):
datelist.append(s['date'][i])
s.index = datelist #索引值改成日期
s2 = s.drop(['date'],axis = 1) #刪除日期欄位
mlist = []
for item in s2.index:
mlist.append(item.month)
s2['month'] = mlist #新增月份欄位
return s2
path = 'json/'
date = ['20190901']
listID = ['2330']
for i in range(len(listID)):
for month in range(len(date)):
#result = save_data_file(path, date[month], listID[i])
result = get_data_file(path, date[month], listID[i])
result = get_data_result(result, listID[i])
print(result)
print(result.groupby('month').close.count()) #每個月幾個營業日
print(result.groupby('month').shares.sum()) #每個月累計成交股數
使用Python抓取台股證交所每日股價資料進行分析
使用網址「http://www.twse.com.tw/exchangeReport/STOCK_DAY?date=20180817&stockNo=2330」，由證交所所提供的網址，可以經由stockNo指定股票編號，date指定股票日期，以json格式回傳一個月的股價與交易量，以下為回傳結果。
{"stat":"OK","date":"20180817","title":"107年08月
2330 台積電
各日成交資訊","fields":["日期","成交股數","成交金額","開盤價","最高價","最低價","收盤價","漲跌價差","成交筆數"],"data":[["107/08/01","29,777,161","7,375,488,342","247.00","248.00","246.50","248.00","+2.00","11,667"],["107/08/02","22,775,110","5,611,725,541","249.00","249.50","243.50","244.50","-3.50","10,343"],["107/08/03","25,165,097","6,205,758,662","246.00","248.00","245.00","247.00","+2.50","9,585"],["107/08/06","22,364,568","5,487,396,854","245.00","247.00","244.00","245.50","-1.50","9,732"],"notes":["符號說明:+/-/X表示漲/跌/不比價","當日統計資訊含一般、零股、盤後定價、鉅額交易，不含拍賣、標購。","ETF證券代號第六碼為K、M、S、C者，表示該ETF以外幣交易。"]}
使用request.get擷取指定日期與股票編號的網頁資料，使用request的函式json進行json格式的解碼成Python的資料結構，取出data所對應的值就是當月該股票的交易資料，使用函式transform進行格式轉換。
import numpy as np import requests import pandas as pd import datetime # http://www.twse.com.tw/exchangeReport/STOCK_DAY?date=20180817&stockNo=2330 取一個月的股價與成交量 def get_stock_history(date, stock_no): quotes = [] url = 'http://www.twse.com.tw/exchangeReport/STOCK_DAY?date=%s&stockNo=%s' % ( date, stock_no) r = requests.get(url) data = r.json() return transform(data['data']) #進行資料格式轉換 def transform_date(date): y, m, d = date.split('/') return str(int(y)+1911) + '/' + m + '/' + d #民國轉西元 def transform_data(data): data[0] = datetime.datetime.strptime(transform_date(data[0]), '%Y/%m/%d') data[1] = int(data[1].replace(',', '')) #把千進位的逗點去除 data[2] = int(data[2].replace(',', '')) data[3] = float(data[3].replace(',', '')) data[4] = float(data[4].replace(',', '')) data[5] = float(data[5].replace(',', '')) data[6] = float(data[6].replace(',', '')) data[7] = float(0.0 if data[7].replace(',', '') == 'X0.00' else data[7].replace(',', '')) # +/-/X表示漲/跌/不比價 data[8] = int(data[8].replace(',', '')) return data def transform(data): return [transform_data(d) for d in data] def create_df(date,stock_no): s = pd.DataFrame(get_stock_history(date, stock_no)) s.columns = ['date', 'shares', 'amount', 'open', 'high', 'low', 'close', 'change', 'turnover'] #"日期","成交股數","成交金額","開盤價","最高價","最低價","收盤價","漲跌價差","成交筆數" stock = [] for i in range(len(s)): stock.append(stock_no) s['stockno'] = pd.Series(stock ,index=s.index) #新增股票代碼欄，之後所有股票進入資料表才能知道是哪一張股票 datelist = [] for i in range(len(s)): datelist.append(s['date'][i]) s.index = datelist #索引值改成日期 s2 = s.drop(['date'],axis = 1) #刪除日期欄位 mlist = [] for item in s2.index: mlist.append(item.month) s2['month'] = mlist #新增月份欄位 return s2 listDji = ['2330'] for i in range(len(listDji)): result = create_df('20180701', listDji[i]) print(result) print(result.groupby('month').close.count()) #每個月幾個營業日 print(result.groupby('month').shares.sum()) #每個月累計成交股數
訂閱：
文章 (Atom)