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。

所需知识

• 基础
  • Python
• 环境
  • anaconda
• 数据获取
  • pandas_datareader
• 数据处理
  • numpy
  • pandas
• 数据可视化
  • matplotlib seaborn

目的

• 分析股票走势
• 多只股票的关系

Python 基本语法

推荐去看，浅显易懂，上手很快。

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，直接去下载安装即可。

anaconda 安装成功后，会自带安装 ，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 jupyterconda notebook 复制代码

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

是一个用于科学计算的 Python 库。

基本用法

# 引入 numpyimport numpy as np复制代码

# 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aa复制代码

array([[ 0,  1,  2,  3,  4],       [ 5,  6,  7,  8,  9],       [10, 11, 12, 13, 14]])复制代码

# 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bb复制代码

array([[  1,  11,  21,  31,  41],       [ 51,  61,  71,  81,  91],       [101, 111, 121, 131, 141]])复制代码

# 两个二维数组相加 a + b复制代码

array([[  1,  12,  23,  34,  45],       [ 56,  67,  78,  89, 100],       [111, 122, 133, 144, 155]])复制代码

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 npimport pandas as pdfrom pandas import Series, DataFrame复制代码

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))复制代码

0    41    22    33    1dtype: int64复制代码

# 指定indexs = Series(np.random.randint(1,10,4), index=['a','b','c','d'])s复制代码

a    4b    5c    5d    8dtype: int64复制代码

# 根据 index 查找s['a']复制代码

4复制代码

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复制代码

DatetimeIndex(['2013-01-01', '2013-01-02', '2013-01-03', '2013-01-04',               '2013-01-05', '2013-01-06'],              dtype='datetime64[ns]', freq='D')复制代码

# 生成 index 为日期，列名为 ABCD 的 DataFramedf = DataFrame(np.random.randint(1,10,24).reshape(6,4), index=dates, columns=list('ABCD'))df复制代码

matplotlib seaborn

是 Python 非常重要的数据可视化库，而 是基于 matplotlib 开发的可视化库，更为强大易用。

基本用法

import numpy as npimport pandas as pdfrom pandas import Series, DataFrameimport matplotlib.pyplot as pltimport seaborn as sns复制代码

# 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))复制代码

s.plot()复制代码

    
     复制代码
    

# 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,ddf = DataFrame(np.random.randint(1,10,40).reshape(10,4),columns=list("abcd"))复制代码

df复制代码

# matpoltlib 画图df.plot()复制代码

    
     复制代码
    

# 对每列进行求和df_sum = df.sum()# 指定柱状图df_sum.plot(kind='bar')复制代码

    
     复制代码
    

# seaborn 画图index = df_sum.indexvalues = df_sum.valuessns.barplot(index, values)复制代码

    
     复制代码
    

有了以上的一些基本知识就可开始分析股票了。

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

# basicimport numpy as npimport pandas as pdfrom pandas import Series, DataFrame# get dataimport pandas_datareader as pdr# visualimport matplotlib.pyplot as pltimport seaborn as sns# timefrom datetime import datetime复制代码

# 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()复制代码

# 我们取五家从2015年1月1号至今的股票数据进行分析# 'MSFT'：微软, 'AAPL'：苹果, 'AMZN'：亚马逊, 'FB'：脸书, 'GOOG'：谷歌start = datetime(2015,1,1)company = ['MSFT', 'AAPL', 'AMZN', 'FB', 'GOOG']top_df = pdr.get_data_yahoo(company, start=start)复制代码

# 得到一个数据集合，这个数据集合是 pandas.core 数据结构type(top_df)复制代码

pandas.core.frame.DataFrame复制代码

# 看一下他们最近几日的收盘价top_df['Close'].tail()复制代码

# 直接用 matplotlib 画它们的股价走势top_df['Close'].plot()复制代码

    
     复制代码
    

# 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()复制代码

    
     复制代码
    

# 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)复制代码

    
     复制代码
    

# 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())复制代码

    
     复制代码
    

感谢阅读！