Python Pandas DataFrame 综合使用之股票信息统计 (二十四)

股票数据统计信息

在此 Lab 中，我们将在 Pandas DataFrame 中加载股票数据，并计算一些统计指标。我们将处理 Google、Apple 和 Amazon 的股票数据。所有数据都来自雅虎金融，格式为 CSV。在你的 workspace 中应该有一个包含 Google 股票数据的 GOOG.csv 文件，一个包含 Apple 股票数据的 AAPL.csv 文件和一个包含 Amazon 股票数据的 AMZN.csv 文件。所有文件都包含 7 列数据：

Date Open High Low Close Adj_Close Volume

首先，我们会将上述 CSV 文件读取到 DataFrame 中，看一下数据看起来如何。

# We import pandas into Python
import pandas as pd

# We read in a stock data data file into a data frame and see what it looks like
df = pd.read_csv('./GOOG.csv')

# We display the first 5 rows of the DataFrame
df.head()

可以清晰地看出，Dataframe 自动使用整数标记行索引，并使用 CSV 文件中的列名称标记列。

TODO

现在，你需要将 Google、Apple 和 Amazon 的股票数据加载到单独的 DataFrame 中。但是，对于每个股票数据，你只需将 Date 和 Adj Close 列加载到 Dataframe 中。此外，你需要将 Date 列用做行索引。最后，你需要让 DataFrame 将日期识别为真实日期（年-月-日），而不是字符串。对于每支股票，你可以通过在 pd.read_csv() 函数中使用相应的关键字，只需一行代码就能完成所有这些操作。下面是一些提示：

• 使用 index_col 关键字表示要将哪列作为索引。例如 index_col = ['Open']

• 将 parse_dates 关键字设为 ['Date']，将字符串类型的日期转换为日期类型的日期

• 使用 usecols 关键字选择要将哪些列加载到 DataFrame 中。例如 usecols = ['Open', 'High']

填充以下代码：

# We load the Google stock data into a DataFrame
google_stock = pd.read_csv('./GOOG.csv', index_col = ['Date'], parse_dates=['Date'], usecols = ['Date', 'Adj Close'])

# We load the Apple stock data into a DataFrame
apple_stock = pd.read_csv('./AAPL.csv', index_col = ['Date'], parse_dates=['Date'], usecols = ['Date', 'Adj Close'])

# We load the Amazon stock data into a DataFrame
amazon_stock = pd.read_csv('./AMZN.csv', index_col = ['Date'], parse_dates=['Date'], usecols = ['Date', 'Adj Close'])

你可以通过显示 DataFrame 的标头，检查是否正确地加载了数据。

# We display the google_stock DataFrame
google_stock.head()

现在，你需要将上述三个 DataFrame 连接到一起，创建一个新的 DataFrame，其中包含所有股票的所有 Adj Close。我们先创建一个空的 DataFrame，其中具有在 2000-01-01 和 2016-12-31 之间的行索引日历日期。我们首先将使用 pd.date_range() 函数创建日历日期，然后创建一个将这些日期当做行索引的 DataFrame：

# We create calendar dates between '2000-01-01' and  '2016-12-31'
dates = pd.date_range('2000-01-01', '2016-12-31')
print(dates)

# We create and empty DataFrame that uses the above dates as indices
all_stocks = pd.DataFrame(index = dates)

    DatetimeIndex(['2000-01-01', '2000-01-02', '2000-01-03', '2000-01-04',
                   '2000-01-05', '2000-01-06', '2000-01-07', '2000-01-08',
                   '2000-01-09', '2000-01-10',
                   ...
                   '2016-12-22', '2016-12-23', '2016-12-24', '2016-12-25',
                   '2016-12-26', '2016-12-27', '2016-12-28', '2016-12-29',
                   '2016-12-30', '2016-12-31'],
                  dtype='datetime64[ns]', length=6210, freq='D')

TODO

现在需要将单个 DataFrame google_stock、apple_stock 和 amazon_stock 连接成 all_stocks DataFrame。但是，在执行此操作之前，有必要更改三个 DataFrame 中的列名称。因为 all_stocks DataFrame 中的列标签必须是唯一的。因为三个 DataFrame 中的所有列都具有相同的名称 Adj Close，我们必须将它们更改为股票名称，然后再连接它们。在下面的空白处，将每个 DataFrame 的列标签 Adj Close 更改为相应股票的名称。为此，你可以使用 pd.DataFrame.rename() 函数。

# Change the Adj Close column label to Google
google_stock = google_stock.rename(columns = {'Adj Close': 'Google'})

# Change the Adj Close column label to Apple
apple_stock = apple_stock.rename(columns = {'Adj Close': 'Apple'})

# Change the Adj Close column label to Amazon
amazon_stock = amazon_stock.rename(columns = {'Adj Close': 'Amazon'})

你可以通过显示 DataFrame，检查是否正确地更改了列标签

# We display the google_stock DataFrame
google_stock.head()

现在列标签已经是唯一的，我们可以将单个 DataFrame 连接成 all_stocks DataFrame。为此，我们将使用 dataframe.join() 函数。函数 dataframe1.join(dataframe2) 将 dataframe1 与 dataframe2相连接。我们将逐个将每个 DataFrame 连接到 all_stocks DataFrame。请填写以下代码，以连接这些 DataFrame，我们已帮你完成第一次连接：

# We join the Google stock to all_stocks
all_stocks = all_stocks.join(google_stock)

# We join the Apple stock to all_stocks
all_stocks = all_stocks.join(apple_stock)

# We join the Amazon stock to all_stocks
all_stocks = all_stocks.join(amazon_stock)

你可以通过显示 all_stocks DataFrame 检查是否正确地连接了这些 DataFrame。

# We display the google_stock DataFrame
all_stocks.head()

代办事项

在获取股票数据的统计信息之前，我们先检查下是否有任何 NaN 值。在下面的空白处，检查 all_stocks DataFrame 中是否有任何 NaN 值。如果有，请删除包含 NaN 值的所有行：

# Check if there are any NaN values in the all_stocks dataframe
all_stocks.isnull().any()

# Remove any rows that contain NaN values
all_stocks.dropna(axis = 0)

你已经删除了任何 NaN 值，我们可以计算股价的一些基本统计指标了。请填充以下代码

# Print the average stock price for each stock
all_stocks.mean()

# Print the median stock price for each stock

# Print the standard deviation of the stock price for each stock  

# Print the correlation between stocks

    Google    347.420229
    Apple      35.222976
    Amazon    166.095436
    dtype: float64

我们现在将了解如何计算滚动统计指标，也称之为移动统计指标。例如，我们可以通过使用 Pandas dataframe.rolling().mean() 方法，计算 Google 股价的滚动均值（移动平均值）。dataframe.rolling(N).mean() 会计算 N 天期限的滚动均值。换句话说，我们可以通过使用上述方法查看每隔 N 天的平均股价。请填写以下代码，计算 Google 股票每隔 150 天的平均股价。

# We compute the rolling mean using a 150-Day window for Google stock
rollingMean = all_stocks['Google'].rolling(150).mean()
# print(rollingMean)

我们还可以通过绘制 DataFrame 中的数据可视化滚动均值。在下面的课程中，你将学习如何使用 Matplotlib 可视化数据。暂时我们将导入 matplotlib 并在滚动均值上方绘制 Google 股票数据。你可以更改滚动均值期限，看看图形有何变化。

# We import matplotlib into Python
import matplotlib.pyplot as plt

# We plot the Google stock data
plt.plot(all_stocks['Google'])

# We plot the rolling mean ontop of our Google stock data
plt.plot(rollingMean)
plt.legend(['Google Stock Price', 'Rolling Mean'])
plt.show()

为者常成，行者常至