Press "Enter" to skip to content

在Python里,用股票案例讲描述性统计分析方法

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

描述性统计是数学统计分析里的一种方法,通过这种统计方法,能分析出数据整体状况以及数据间的关联。在这部分里,将用股票数据为样本,以matplotlib类为可视化工具,讲述描述性统计里常用指标的计算方法和含义。

 

1 平均数、中位数和百分位数

 

平均数比较好理解,是样本的和除以样本的个数。

 

中位数也叫中值,假设样本个数是奇数,那幺数据按顺序排列后处于居中位置的数则是中位数,如果样本个数是偶数,那幺排序后,中间两个数据的均值则是中位数。通俗地讲,在样本数据里,有一半的样本比中位数大,有一半比它小。

 

把中位数的概念扩展一下,即可得到百分位数。比如第25百分位数则表示,样本数据里,有25%的数据小于等于它,而75%的数据大于它。在实际项目里,还会把第25百分位数、中位数和第75百分位数组合起来形成四分位数,因为通过这些数,能把样本一分为四。其中第25百分位数也叫下四分位数,第75百分位数也叫上四分位数。

 

理解概念后,在如下的CalAvgMore.py范例中,将以股票收盘价为例,演示平均数、中位数和四分位数的求法。

 

1	#coding=utf-8
2	import pandas as pd
3	filename='D:\\work\\data\\ch9\\6007852019-06-012020-01-31.csv'
4	df = pd.read_csv(filename,encoding='gbk') #读取数据到DataFrame
5	print(df['Close'].mean()) #输出收盘价的平均值
6	print(df['Close'].median()) #输出收盘价的中位数
7	print(df['Close'].quantile(0.5)) #输出收盘价第50百分位数
8	print(df['Close'].quantile(0.25)) #输出收盘价第25百分位数
9	print(df['Close'].quantile(0.75)) #输出收盘价第75百分位数

 

在进行数据分析时,一般会先从csv文件等数据源里获取样本,获取后用表格类型的DataFrame对象来存储,所以在第3行和第4行里,演示从指定csv文件里得到数据并通过read_csv导入到DataFrame类型对象的做法,这里用到csv是由9.1.4部分的StoreStockToMySQL范例生成的。

 

Pandas库的DataFrame对象已经封装了求各种统计数据的方法,具体而言,能通过第5行的mean方法求平均值,在调用时,还可以用诸如df[‘Close’]的样式,指定针对哪列数据计算。通过第6行的median方法,能计算指定列的中位数。

 

在第7行到第9行的代码里,是通过 quantile方法求百分位数,比如第7行的参数是0.5,则求第50的百分位数。运行本范例,能看到如下的输出结果,其中第2行输出的中位数和第3行输出的第50百分位数是一个结果。

 

2用箱状图展示分位数

 

箱状图能以可视化的方式,形象地展示平均数和诸多分位数。在如下的BoxPlotDemo.py范例中,将还是以股票收盘价为例,展示箱状图的绘制技巧,从中大家能进一步了解分位数的概念。

 

1	#coding=utf-8
2	import pandas as pd
3	import matplotlib.pyplot as plt
4	filename='D:\\work\\data\\ch9\\6007852019-06-012020-01-31.csv'
5	df = pd.read_csv(filename,encoding='gbk') #读取数据到DataFrame
6	#绘制箱状图
7	df['Close'].plot.box(patch_artist=True,notch = True)  
8	plt.show()

 

在代码的第5行里,还是通过read_csv方法把csv文件数据读到df对象,之后,是通过第7行的plot.box方法,绘制“收盘价”的箱状图,运行本范例后,能看到如下图所示的效果。

 

 

在第7行绘制箱状图时传入了两个参数,其中patch_artist=True表示需要填充箱体的颜色,用notch = True表示以凹口的方式展示箱状图。从上述箱状图里,能形象地看到最高和最低的值,以及第25、第50和第75百分位数的值,由此更能形象地看到“收盘价”样本数的聚集区间。

 

3 统计极差、方差和标准差

 

在统计学里,一般用这三个指标来衡量样本数据的离散度,即衡量样本数对于中心位置(一般是平均数)的偏离程度。

 

其中,极差的算法比较简单,是样本里最大值和最小值的差,而方差是每个样本值与全体样本值的平均数之差的平方值的 平均数 ,标准差则是方差的平方根。在如下的CalAlias.py范例中,将演示这三个值的获取方式。

 

1	#coding=utf-8
2	import pandas as pd
3	filename='D:\\work\\data\\ch9\\6007852019-06-012020-01-31.csv'
4	df = pd.read_csv(filename,encoding='gbk') #读取数据到DataFrame
5	print(df['Close'].max() - df['Close'].min()) #求极差
6	print(df['Close'].var()) #求方差
7	print(df['Close'].std()) #求标准差

 

在第5行里,是通过最大值减最小值的方法算出了极差,在第6行里,通过var方法计算了方差,第7行则通过std方法求标准差。

 

本文出自我写的书: Python爬虫、数据分析与可视化:工具详解与案例实战, https://item.jd.com/10023983398756.html

Be First to Comment

发表评论

邮箱地址不会被公开。 必填项已用*标注