用Pandas获取商品期货价格并可视化

 用Pandas获取商品期货价格并可视化

摘  要

1、用pandas从excel中读取数据；

2、用pandas进行数据清洗、整理；

3、用bokeh进行简单的可视化。

1、数据读取

本文主要是将获取到的商品期货价格进行整理，获取报价当日对应的当年度年底期货价格，并进行简单的可视化。最终，我们要获取的数据结果为，（a）对于非12月份的报价，获取当年度12月的期货价格；（b）对于12月份的报价，获取第二年12月的报价，如下图所示：

原始数据是从网站上直接copy到excel表格中，所以有些数据在excel中的显示值和实际存储信息有些不一致。

如上图所示，excel中B4单元格中，“Strip”列显示的是“18-Dec”，代表的意思是2018年12月，对应的“Price”是2018年12月的期货价格。但excel中实际存储的数据是“2017-12-18”，与显示值不一致。需要后续进行整理。

 

1.1 导入pandas和bokeh：

1.2 用pd.read_excel()方法从excel中读取相关数据：

2、数据清洗、整理

2.1 整理数据，使strip列显示跟excel中一致：

用pandas从excel中读取数据后，发现“Strip”列的数据值跟excel中实际保存的信息是一致的，但这并不是我们所需要的结果，需要进行调整，使之跟excel中显示值一致，也是我们需要的对应的期货价格。

运行结果如下：

2.2 获取年底期货价格：

从excel表格中获取的数据，通过观察，可以发现“Date”列的数据类型并不是日期类型，需要进行转化，以便后续分析中对日期进行操作。将“Date”列转换成日期格式，代码如下：

从运行结果可以看出，经过转换后，“Date”列的数据类型是datetime类型了，可以在后续分析中继续使用。

为了获取“Date”列对应日期当年度或次年度年底的期货价格，我们先添加2个辅助列，命名为“Year”和“Month”，对应的值分别是“Date”列的年份和月份，便于在后续分析中使用。

为啥要添加辅助列呢，为啥要添加辅助列呢，不要问为啥了，我也是遇到好多坑之后，觉得直接设置辅助列可能更方便。

添加辅助列后如下：

处理特殊情况，12月数据：

12月属于特殊情况，此处代码属于观察12月数据使用（数据未调整前），如下：

将12月的数据进行处理后，结果如下：

在将处理后的数据跟未进行调整前进行对比查看，发现报价日期是12月的价格，没有当年度年底的价格，而是第二年12月的价格，从而获取我们所需的信息。如下：

接下来，用pandas的replace()方法将“Year”列的格式调整，使之跟“Strip”列一致，方便后续进行分析、判断：

当Strip列和Year列两者相等时，即为对应日期的当年度或次年度12月的期货价格，最后将整理好的数据保存到csv文件中，如下：

至此，针对原始数据的清洗和整理已完毕，上述是在jupyter notebook中分步骤的演示，为了方面查看，将上述代码合并如下（在代码中，将代码选中后，按 Ctrl+"/" 可以取消注释）：

3、数据可视化

最后，在bokeh中针对数据信息进行可视化显示，当然，用matplotlib或者其他绘图包来可视化也是ok的。至于bokeh的进一步用法，本文暂不做详细描述。

bokeh中用timeseries可视化后如下：

闲谈：

从上述曲线图来看，2006-2008年期间，价格经历了剧烈的波动，如果是在期初买入，期末卖出，估计要跳楼了~~~。笔者当年虽未买入，但也经历了这么一波，想起来也是哇凉哇凉的。

4、源码分享

最后，为了方便大家查看，本文的源代码及所用数据源，请从微信公众号获取：