当前位置：首页 > news >正文

输出该股票所有收盘比开盘上涨3%以上的日期

news 2025/9/15 20:34:24

1：输出该股票所有收盘比开盘上涨3%以上的日期

#coding=utf-8
import tushare as ts
import pandas as pd
import numpy as np#获取某支股票的历史行情数据
df=ts.get_hist_data(code='600519',start='2001-01-01')
#将互联网上的数据获取并且存储到本地
df.to_csv('./maotai.csv')
#将本地的数据读取
date_path='./maotai.csv'
df2=pd.read_csv(date_path)
#print(df2.info())#需要对读取出的数据做相关的处理
#df2.drop(labels='close',axis=1,inplace=True)
# print(df2)
# print(df2.head())
#查看每一列的数据类型
#print(df2['date'].dtype)
#print(df.head())
df2.set_index('open')
#print(df2.info())
#将date一列转成了时间序列
#print(df2)
df2['date']=pd.to_datetime(df2['date'])
df=df2.set_index('date')
#print(df)
#print(df)
#print(df2.info())
#print(df2.head())
#伪代码：（收盘-开盘）/开盘。0.3
a=df.loc[(df['close']-df['open'])/df['open']>0.03].index
print(a)
#如果对布尔值作为df的行索引，则可以取出true对应的
#然后通过.index取出所需要的时间

2：该股票开盘比前日收盘超出2%的日期

#前日收盘：df['date'].shift(1)

#coding=utf-8
import tushare as ts
import pandas as pd
import numpy as np#获取某支股票的历史行情数据
df=ts.get_hist_data(code='600519',start='2001-01-01')
#将互联网上的数据获取并且存储到本地
df.to_csv('./maotai.csv')
#将本地的数据读取
date_path='./maotai.csv'
df2=pd.read_csv(date_path)
#print(df2.info())# #将date一列转成了时间序列df2['date']=pd.to_datetime(df2['date'])
df=df2.set_index('date')
#伪代码：（开盘-前日收盘）/前日收盘<-0.02
b=df.loc[(df['open']-df['close'].shift(1))/df['close'].shift(1)<-0.02].index
print(b)

3:从2010年的1月1日开始，每月第一个交易工作日买入1手股票，每年最后一个交易工作日卖出所有股票，到今天为止，我的收益如何？

#时间切片：df[2010-01:2020-02]

df2['date']=pd.to_datetime(df2['date'])
df=df2.set_index('date')
new_df=df['2021-01':'2023-02']
print(new_df)

#买股票：

找出每月第一天的数据

df2['date']=pd.to_datetime(df2['date'])
df=df2.set_index('date')
new_df=df['2021-01':'2023-02']
#找出每月第一行的数据
new_df=new_df.resample('M').first()
print(new_df)

买入股票花费的总金额

#找出每月第一行的数据
df_monthly=new_df.resample('M').first()
#计算花费
cost=df_monthly['open'].sum()*100
print(cost)

#卖股票

卖出股票到手的钱
特殊情况：2020年的股票卖不出去（将最后一行切除） df[:-1]

#计算卖出去的收益
df_yearly=new_df.resample('A').last()[:-1]
#print(df_yearly)
income=df_yearly['close'].sum()*100
print(income)

卖出股票到手的钱

df_yearly=new_df.resample('A').last()[:-1]
#print(df_yearly)
income=df_yearly['open'].sum()*1200
print(income)

#最后股价剩余的价值要估算到总收益中

#估算2023年2个月还剩多少钱
lat_money=200*new_df['close'][-1]
print(lat_money)

#计算最后的收益

#算出最后的钱
Finally=income+lat_money-cost
print(Finally)

全部代码展现

#coding=utf-8
import tushare as ts
import pandas as pd
import numpy as np#获取某支股票的历史行情数据
df=ts.get_hist_data(code='600519',start='2001-01-01')
#将互联网上的数据获取并且存储到本地
df.to_csv('./maotai.csv')
#将本地的数据读取
date_path='./maotai.csv'
df2=pd.read_csv(date_path)
#print(df2.info())#需要对读取出的数据做相关的处理
#df2.drop(labels='close',axis=1,inplace=True)
# print(df2)
# print(df2.head())
#查看每一列的数据类型
#print(df2['date'].dtype)
#print(df.head())
# df2.set_index('open')
# #print(df2.info())
# #将date一列转成了时间序列
# #print(df2)
df2['date']=pd.to_datetime(df2['date'])
df=df2.set_index('date')
#print(df.head(20))
#print(df.tail())
new_df=df['2021-01':'2023-02']
#找出每月第一行的数据
df_monthly=new_df.resample('M').first()
#计算花费
cost=df_monthly['open'].sum()*100
#print(cost)
#计算卖出去的收益
df_yearly=new_df.resample('A').last()[:-1]
#print(df_yearly)
income=df_yearly['open'].sum()*1200
#估算2023年2个月还剩多少钱
lat_money=200*new_df['close'][-1]
#print(lat_money)#算出最后的钱
Finally=income+lat_money-cost
print(Finally)

查看全文

http://www.lryc.cn/news/10858.html