pandas金融数据绘图

1、加载numpy和pandas，pandas中的DataFrame,Series，pandas_datareader。Google=data.DataReader('GOOG', data_source="yahoo")表示从雅虎网站读取谷歌股票数据，赋值给Google；Google.info()表示查看Google的信息；Google.tail()表示查看Google的最后5条数据；如图所示

2、绘制谷歌收盘价的趋势图。Google['Close'].plot(figsize=(8,5))表示在一个尺寸为8*5的图上绘制谷歌的收盘价图

3、对数收益率的两种计算方法效率比较（借助魔术函数）。（1）for循环完成需要3/116微秒；（2）使用向量化代码实现需要3/485微秒；查看结果是一致，使用向量化代码效率是for循环的3倍以上；如图所示

4、收盘价和收益率的绘图del Google['ret']表示删除Google的字段‘ret’；Google[['Close','return']].plot(subplots=True,style='b',figsize=(8,5))表示在尺寸为8*5的画布上，用蓝色线绘制收盘价和收益率的图形；如图所示

5、谷歌股票趋势图的字段。Google['42d']=pd.roll坡纠课柩ing_mean(Google[&#泌驾台佐39;Close'],window=42)表示使用42个工作日的移动平均值体现2个月的趋势；Google['252d']=pd.rolling_mean(Google['Close'],window=252)表示使用252个工作日的移动平均值体现1年的趋势；Google[['Close','42d','252d']].tail()查看收盘价和42d、252d的最后5条数据；如图所示

6、谷歌股票趋势图的绘制。Google[['Close','42d','252d']].plot(figsize=(8,5))表示在8*5的画布上绘制收盘价、2个月、1年趋势图；如图所示

7、加载数学函数math。Google['Mov_Vol']=Google['return'].rolling(window=252,center=False).std()表示用移动历史标准差计算Google的移动历史波动率；Google[['Close','Mov_Vol','return']].plot(subplots=True,style='b',figsize=(10,8))表示在10*8的画布上，用蓝色线分别绘制收盘价，移动年化波动率，对数收益率的图形；如图所示