最近股市比較火，我7月初上車了，現(xiàn)在已經(jīng)下了。中間雖然吃了點肉，但下車的時候都虧進去了，最后連點湯都沒喝著。

這篇文章我們就用它python 對股票數(shù)據(jù)做個簡單的分析。數(shù)據(jù)集是從1999年到2016年上海證券交易所的1095只股票。

共1000個文件。

我們的分析思路大致如下：

每年新發(fā)股票數(shù)

目前市值最大的公司有哪些

股票一段時間的漲跌幅如何

牛市的時候，個股表現(xiàn)如何

首先導入模塊

importpandasaspdimportnumpyasnpimportosimportseabornassnsimportmatplotlib.pyplotasplt# 繪圖顯示中文plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False

用 pandas 讀文件

file_list =os.listdir('./data/a-share/')pieces = []forfile_nameinfile_list:path='./data/a-share/%s'% file_name? ? file = pd.read_csv(path, encoding ='gb2312')? ? pieces.append(file)? ? shares = pd.concat(pieces)

使用 read_csv 讀文件的時候需要指定文件編碼 encoding ='gb2312' 。將各個文件的 DataFrame 合并后，將索引重置一下，并預覽一下數(shù)據(jù)

shares.reset_index(inplace=True,drop=True)shares.head()

這里我們最關注的就是 日期 、 代碼 、 簡稱 、 收盤價 。

按照分析思路，我們首先來看看上市公司的總數(shù)

len(shares['代碼'].unique())

對股票代碼去重、計數(shù)可以看到一共有 1095 家上市公司。那我們再看看每年新增的上市公司有多少家

# 計算每只股票的最早交易時間（即：上市時間）shares_min_date = shares.groupby('簡稱').agg({'日期':'min'})shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x:str(x)[:4])# 每年上市公司的數(shù)量shares_min_date.groupby('上市年份').count().plot()

可以看到，多的時候每年 60-80 家，而 05年-13年 這段時間上市后的公司特別少，尤其是 13年 只有1家，原因是13年暫停了IPO。

下面我們再來看看數(shù)據(jù)集中最新的時間點（2016-06-08），市值較大的公司有哪些

shares_market_value = shares[shares['日期'] =='2016-06-08'][['簡稱','總市值(元)']].sort_values(by='總市值(元)', ascending=False)# 市值最大的公司 top10tmp_df = shares_market_value.head(10)# 畫圖sns.barplot(x=tmp_df['總市值(元)'], y=tmp_df['簡稱'])

截至16年6月8號，工商銀行（愛存不存）的市值最高1.5萬億，不愧是宇宙第一大行。并且能發(fā)現(xiàn)市值前十的公司大部分是銀行。

下面再來看看，從 11.06.09 - 16.06.08 5年時間里個股漲跌情況。起點選 11.06.09 的原因是這一天包含了900左右只股票，樣本較大。然后，我們抽取這兩天股票的收盤價，計算漲跌幅

shares_110609 = shares[shares['日期'] == '2011-06-09'][['代碼', '簡稱', '收盤價(元)']]shares_160609 = shares[shares['日期'] == '2016-06-08'][['代碼', '收盤價(元)']]# 按照股票代碼將2天數(shù)據(jù)關聯(lián)shares_price = shares_110609.merge(shares_160609, on='代碼')shares_price

一共有 879 只股票

# 多少家股票是上漲的shares_price[shares_price['漲跌幅(%)'] >0].count()

# 多少家股票是上漲的shares_price[shares_price['漲跌幅(%)'] <0].count()

可以看到，上漲的股票 627 只，占比 71% 。那我們再來看看，上漲的股票，漲幅分布情況

bins = np.array([0,40,70,100,1700])# 股價上漲的公司shares_up = shares_price[shares_price['漲跌幅(%)'] >0]# 按漲幅進行分組shares_up['label'] = pd.cut(shares_up['漲跌幅(%)'], bins)# 分組統(tǒng)計up_label_count = shares_up[['label','代碼']].groupby('label').count()up_label_count['占比'] = up_label_count['代碼'] / up_label_count.sum().valuessns.barplot(x=up_label_count['占比'], y=up_label_count.index)

漲幅分布還是比較極端的，雖然上漲的股票總體比較高，但上漲的股票中有30%只股票漲幅不足 40% ，也就是平均一年漲 8% ，如果理財年收益 10% 算及格的話， 8% 明顯偏低了。再加上跌的股票，收益率低于 10% 的股票大于 50% ，所以股市的錢也不是那么好掙的。

當然也有踩狗屎運的時候，比如買到了下面這些股票并且長期持有

# 漲幅最大的公司tmp_df = shares_up.sort_values(by='漲跌幅(%)',ascending=False)[:8]sns.barplot(y=tmp_df['簡稱'], x=tmp_df['漲跌幅(%)'])

像 金證股份 持有5年后可以翻16倍。

同樣的方式，我們可以看看股票跌幅分布

因為代碼類似，這里就不貼了。從數(shù)據(jù)上將近 70% 的股票5年后跌幅在 0-40% 的區(qū)間。

最后一個有意思的數(shù)據(jù)，我們看看牛市的時候個股漲跌是怎么樣的。我們選擇 14.06.30 和 15.06.08 這兩天個股的漲跌情況。分析思路跟上面類似，我就直接說數(shù)據(jù)了。

牛市期間 99.6% 的股票都是漲的，也就是說個股基本都在上漲。來看看漲幅分布

可以看到， 86% 只股票翻了一番，所以牛市來了，基本上閉著眼選股都能掙錢。也不知道這種大牛市什么時候能再來一次，當然了，牛市來了能不能把握住是個大問題。

我的分析就到這里了，其實分析有意思的數(shù)據(jù)還有很多，比如結合一些 市盈率 等其他維度進行分析，有興趣的朋友可以自行探索，我覺得還有一個更有挑戰(zhàn)性的分析是預測個股的走勢，雖然實踐上不可行，但從學習角度來看還是挺值得研究的，如果大家點贊較多，我下周考慮寫一下。