有了资料後,就要进行分析,因此需要做出图表比较适合观察,所以我们现在来做图罗!
本日程序码使用:d8_3Legal_chart.ipynb
需要安装好用的Python编辑器:Jupyter,可以看之前的文章。需要使用这个语法:
pipenv install jupyter
安装完後,就有了Jupyter的样子罗
需要从资料库取的资料,因此需要引入之前的连线功能,再加上pandas制作图表。记得要安装matplotlib
来制作图表,不然会发生错误:
matplotlib is required for plotting when the default backend "matplotlib" is selected.
都安装好後,就开始写程序罗!
首先把所需的模组放入:
import db_connect
import pandas
接着建立与MySQL的连线:
my_connt_obj = db_connect.mysql_connect()
# print(my_connt_obj.db_settings) #for check data
conn = my_connt_obj.connect()
取得连线後,取得我们所需要的资料,放在Dataframe中,是使用read_sql,直接取得我们所需要影响市场最大且交易量最多的三大法人之首:外资及陆资的每日期货留存部位:
df = pandas.read_sql("SELECT TradeDate,FutureOINetQty FROM LegalDailyFutureOption WHERE TradeGroup ='外资及陆资'", con=conn)
然後我们把X轴变成日期,然後画图:
total_data = df.set_index("TradeDate")
ax1 = total_data.plot()
看不出来什麽东西来,把时间缩点一点,变成近100个交易日:
total_data2 = total_data.iloc[-100:]
print(total_data2.head())
ax2 = total_data2.plot()
这边使用.iloc
的方式,取得最後100笔资料,所以就会从2021年开始,不会从2018开始画,图表也比较清楚趋势。
但是这样还是无法研究出什麽,这时候需要大盘指数,来验证我们的资料是否可以做参考。
<<: Day8 - 读 Concurrency is not Parallelism - Rob Pike (三)
>>: #8 Button Ripple Effect(原生JS版)、#5. Q&A Section(Vue版)
前言 昨天有讲到怎麽运用 nginx 来做基本的分流、限流,但因为昨天举的例子比较简单,真实世界的应...
昨天在研究MDS的时候顺便把PCA也复习了一下,所以今天来把它相关的原理补上(非常推荐观看refer...
在谈论V8引擎时,我们得先了解什麽是 JavaScript 引擎。 JavaScript Engin...
当我在犹豫这季是否参赛时,起了不少的犹豫。主要是今年并没有酝酿出一个真正打从内心想要发展的特定主题,...
F.prototype 我们可以使用new F()这样的构造函数创建一个新object,如果F.pr...