Visualisierung des Aktienportfoliotrends mit Python, matplotlib
Zuvor habe ich erläutert, wie man Tagespreise in einem Datenformat vom Typ „Kerze“ visualisiert. Hier möchte ich erläutern, wie man eine Sammlung von Aktienportfolios in einem Zeitreihen-Datenformat visualisiert.
Zuvor habe ich erläutert, wie man Tagespreise in einem kerzenartigen Datenformat visualisiert. Hier möchte ich erläutern, wie man eine Sammlung von Aktienportfolios in einem Zeitreihen-Datenformat visualisiert.
Inhaltsverzeichnis: Trendvisualisierung der Aktienportfolio-Performance mit Python
- Python-Pakete: matplotlib, yfinance
- Erforderlicher Datensatz: Datum/Uhrzeit, spezifischer Preisdatensatz von Tickern
- Geben Sie die Schlusskursdaten jedes Tickers zur Darstellung ein
- Vollständiges Python-Skript zur Visualisierung des Leistungstrends des Aktienportfolios
- Kursempfehlung für Kurse zu Datenwissenschaft und maschinellem Lernen
Python-Pakete: matplotlib, yfinance, pandas-datareader
Pip install finance
Pip install pandas-datareader
Pip install matplotlib
from pandas_datareader import data as pdr
import matplotlib . pyplot as plt
import yfinance as yf
Erforderlicher Datensatz: Datum/Uhrzeit, spezifischer Preisdatensatz von Tickern
Neben dem Kapitel zur täglichen Aktienpreisvisualisierung müssen wir die Fix-Yahoo-Finance-Bibliothek implementieren, um defektes Yahoo-Finance von Pandas zu ersetzen
yf.pdr_override()
Anders als bei einem einzelnen Ticker müssen Portfolio-Ticker den Preisdatensatz für jeden Ticker abrufen. Aus meiner persönlichen Sicht ist es großartig, auch die Preise des Sicherheitsindex hinzuzufügen, um einen Ankerpunkt hinzuzufügen. Hier füge ich Nasdaq hinzu, da meine Portfolio-Ticker alle von Nasdaq stammen.
dataA = pdr . get_data_yahoo ( 'NDAQ' , startDate , endDate )
dataB = pdr . get_data_yahoo ( 'TSLA' , startDate , endDate )
dataC = pdr . get_data_yahoo ( 'AMZN' , startDate , endDate )
dataD = pdr . get_data_yahoo ( 'AAPL' , startDate , endDate )
Geben Sie die Schlusskursdaten jedes Tickers zur Darstellung ein
Aufgrund der unterschiedlichen Skalierung jedes Tickers ist es notwendig, ihn auf 100 zu normalisieren und dann die Schlusskursdaten jeder Aktie zur Darstellung einzufügen.
ax = ( dataA [ 'Close' ] / dataA [ 'Close' ]. iloc [ 0 ] * 100 ).plot( figsize =( 15 , 6 ))
( dataB [ 'Close' ] / dataB [ 'Close' ]. iloc [ 0 ]
* 100 ).plot( ax = ax , figsize =( 15 , 6 ))
plt . legend ([ 'NASDAQ' , 'Tesla' , 'Amazon' , 'Apple' ], loc = 'upper left' )
plt . show ()
Vollständiges Python-Skript zur Visualisierung von Aktienpreisen und Handelsvolumen
Wenn Sie sich für die Trendvisualisierung von Aktienportfolios mit Python, Matplotlib, Bitte abonnieren Sie unseren Newsletter , indem Sie die Nachricht „Visualisierung des Aktienportfoliotrends“ hinzufügen. . Wir senden Ihnen das Skript umgehend in Ihr Postfach.
Ich wünsche Ihnen viel Spaß beim Lesen von Aktienportfolio-Trendvisualisierung mit Python, matplotlib. Wenn ja, unterstützen Sie uns bitte, indem Sie eine der unten aufgeführten Maßnahmen ergreifen, da dies unserem Kanal immer weiterhilft.
- Unterstützen Sie unseren Kanal und spenden Sie über PayPal ( paypal.me/Easy2digital )
- Abonnieren Sie meinen Kanal und aktivieren Sie die Benachrichtigungsglocke des Easy2Digital-Youtube-Kanals .
- Folgen und liken Sie meine Easy2Digital-Facebook-Seite
- Teilen Sie den Artikel in Ihrem sozialen Netzwerk mit dem Hashtag #easy2digital
- Sie melden sich für unseren wöchentlichen Newsletter an, um die neuesten Artikel, Videos und Rabattcodes von Easy2Digital zu erhalten
- Abonnieren Sie unsere monatliche Mitgliedschaft über Patreon, um exklusive Vorteile zu genießen ( www.patreon.com/louisludigital )
