【python】python基于tushare股票数据分析可视化（源码+数据+报告）【独一无二】

博__主：米码收割机

技__能：C++/Python语言

公众号：测试开发自动化【获取源码+商业合作】

荣__誉：阿里云博客专家博主、51CTO技术博主

专__注：专注主流机器人、人工智能等相关领域的开发、测试技术。

【python】python基于tushare股票数据分析可视化（源码+数据+报告）【独一无二】

目录

• 【python】python基于tushare股票数据分析可视化（源码+数据+报告）【独一无二】
• 设计思路
• 二、数据抓取
• 三、分析数据
• 四、数据的可视化

  ---

  设计思路

  主要是用于使用tushare爬取股票数据并进行数据分析和可视化的Python脚本。以下是代码中导入的模块的分析：

  1. tushare模块：

     import tushare as ts：导入了tushare库并使用别名ts，用于获取股票数据。

  2. matplotlib模块：

     import matplotlib.pyplot as plt：导入了matplotlib库并使用别名plt，用于绘制数据可视化图表。

  3. pandas模块：

     import pandas as pd：导入了pandas库并使用别名pd，用于处理和分析数据，包括读取和操作CSV文件、创建数据框、进行数据描述性统计等。

  4. glob模块和os模块：

     import glob：导入glob模块，用于查找匹配的文件名。

     import os：导入os模块，用于操作操作系统相关的功能，如获取文件大小等。

  这些导入的模块用于不同的功能，tushare用于获取股票数据，matplotlib用于数据可视化，pandas用于数据处理和分析，而glob和os用于文件操作。

  二、数据抓取

  1. 导入了tushare库，使用了该库提供的接口获取股票数据。
  2. 通过设置token，建立了与tushare的连接。

  以下是获取数据的主要步骤和代码分析：

  源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。

  设置 token

  token = '672ce8cxxxxxxxxxxxxxxxxxxxxxd4e120'ts.set_token(token)

  获取股票数据

  stock_code = '600665.SH'stock_code1 = '600208.SH'stock_code2 = '600162.SH'pro = ts.pro_api()

  使用pro.daily()方法获取每只股票的日交易数据，并保存为CSV文件

  # 代码略....df.to_csv('600665.SH.csv', index=False)df.to_csv('600208.SH.csv', index=False)df.to_csv('600162.SH.csv', index=False)

  通过设置token建立与tushare的连接，确保可以使用tushare的API。

  使用tushare的pro_api()方法创建了一个pro对象，用于获取股票数据。

  通过pro.daily()方法获取了每只股票（使用不同的ts_code参数）的日交易数据。

  获取的数据被保存为CSV文件，文件名对应不同的股票代码，例如’600665.SH.csv’，‘600208.SH.csv’，‘600162.SH.csv’。

  这样，通过调用tushare提供的API和设置的token，可以获取股票的日交易数据并将其保存为CSV文件以供后续分析和可视化。

  ---

  三、分析数据

  1. 数据的基本信息查看

     查看股票数据的行索引

  print("行索引:")print(df.index)

  数据集情况

  print("\n数据集情况:")print(df.head())   显示前几行数据

  源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。

  数据类型

  print("\n数据类型:")print(df.dtypes)

  数据集描述统计信息

  print("\n数据集描述统计信息:")print(df.describe())

  源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。

  统计各字段空缺的个数

  print("\n各字段空缺的个数:")print(df.isnull().sum())

  通过代码，首先查看了股票数据集的一些基本信息。行索引：展示数据集的行索引，即数据的序号。数据集情况：显示了数据集的前几行数据，以便了解数据的结构和内容。数据类型：展示了每个列的数据类型，有助于了解数据的特征。

  数据集描述统计信息：提供了数据的统计摘要，包括均值、标准差、最小值、最大值等。各字段空缺的个数：统计了每个字段中缺失值的数量，有助于识别数据质量问题。

  源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。

  数据的特征工程。增加 “DayHL” 列，表示日最高价和最低价之间的差值

  df['DayHL'] = df['high'] df['low']

  将修改后的数据保存到 new_merged.csv 文件中

  df.to_csv('new_merged.csv', index=False)

  源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。

  ---

  四、数据的可视化

  # 创建一个走势图plt.figure(figsize=(12, 6))   设置图表大小# 绘制股票的收盘价走势plt.plot(df.index, df['close'], label='Close Price', color='blue', linewidth=2)# 添加标题和标签plt.title('Stock Price Trend for 600162.SH')plt.xlabel('Date')plt.ylabel('Close Price')

  # 显示图例plt.legend()# 显示走势图plt.grid(True)plt.show()

  通过上述代码，创建了一个走势图，展示了股票的收盘价走势。

  图表的标题、x轴标签和y轴标签用于说明图表的内容。

  图例显示了数据中的列标签，以便理解图表中的线条代表的含义。

  最后，通过plt.show()显示了绘制的走势图。

  源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。

  展示了三支不同股票的最高价格。每个柱子代表一支股票，横坐标是股票代码，纵坐标是最高价。通过比较柱子的高度，可以看出这三支股票中哪支的最高价最高。这有助于比较不同股票的价格表现。

  显示了股票代码为’600162.SH’的股票的最高价和最低价随时间的变化。横坐标表示日期，纵坐标表示价格。通过观察折线的走势，可以了解特定股票在一段时间内的价格波动情况，包括最高价和最低价的变化趋势。

  示了三支不同股票的闭盘价格中最低价的前5名。每个柱子代表一支股票，横坐标是股票代码，纵坐标是最低闭盘价。通过比较柱子的高度，可以看出哪些股票的最低闭盘价最低，这有助于确定在一段时间内价格波动最大的股票。

  展示了三支不同股票的市值占比。饼状图将三支股票的市值按比例分成不同的扇形。每个扇形代表一支股票，其大小表示该股票在三支股票中的市值占比。这个图表有助于了解不同股票在总市值中所占的比例，帮助投资者分析投资组合的分布情况。

  源码获取 关注【测试开发自动化】公众号，回复 “ 股票数据分析 ” 获取。