一.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
导入了tushare库，使用了该库提供的接口获取股票数据。
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
- 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。👈👈👈
