機械学習：pandas_datareaderで株価を取得してpandasで統計処理してmatplotlibで可視化する

pandas_datareaderで株価を取得してpandasで統計処理してmatplotlibで可視化してみます。

次回は、sklearnで株価を予測してみますので、当該記事でpandas_datareaderの使い方を覚えてしまいましょう。

# 使用するモジュール群をインポート

# 使用するモジュール群をインポート
import datetime
import matplotlib.pyplot as plt
import numpy as np
import pandas_datareader
import sklearn
import sklearn.linear_model
import sklearn.model_selection

# 使用するモジュール群をインポート

import datetime

import matplotlib.pyplot as plt

import numpy as np

import pandas_datareader

import sklearn

import sklearn.linear_model

import sklearn.model_selection

# データウェアハウスからAPIを利用してデータを引っ張ってくる

# データウェアハウス
df_nvda = pandas_datareader.data.DataReader("NVDA","yahoo","2014-11-01")
df_aapl = pandas_datareader.data.DataReader("AAPL","yahoo","2014-11-01")
df_fb = pandas_datareader.data.DataReader("FB","yahoo","2014-11-01")
df_gold = pandas_datareader.data.DataReader("GLD","yahoo","2014-11-01")

# データウェアハウス

df_nvda = pandas_datareader.data.DataReader("NVDA","yahoo","2014-11-01")

df_aapl = pandas_datareader.data.DataReader("AAPL","yahoo","2014-11-01")

df_fb = pandas_datareader.data.DataReader("FB","yahoo","2014-11-01")

df_gold = pandas_datareader.data.DataReader("GLD","yahoo","2014-11-01")

#終値のチャートを可視化

#終値のチャートを可視化
df_nvda["Close"].plot(figsize=(16,5),color="green")
df_fb["Close"].plot(figsize=(16,5),color="blue")
df_gold["Close"].plot(figsize=(16,5),color="orange")

# figを保存
plt.savefig("chart_001.png")
plt.show()

#終値のチャートを可視化

df_nvda["Close"].plot(figsize=(16,5),color="green")

df_fb["Close"].plot(figsize=(16,5),color="blue")

df_gold["Close"].plot(figsize=(16,5),color="orange")

# figを保存

plt.savefig("chart_001.png")

plt.show()

# 統計処理：単純移動平均

# 統計処理

# 過去14日単純移動平均のcolumnを作成する
df_nvda["SMA"] = df_nvda["Close"].rolling(window=14).mean()

#終値と過去14日単純移動平均を比較したグラフを作成する
df_nvda["Close"].plot(figsize=(15,6), color="red")
df_nvda["SMA"].plot(figsize=(15,6), color="green")
plt.show()

# 過去14日単純移動平均が追加されたデータフレームを確認
df_nvda

# 統計処理

# 過去14日単純移動平均のcolumnを作成する

df_nvda["SMA"] = df_nvda["Close"].rolling(window=14).mean()

#終値と過去14日単純移動平均を比較したグラフを作成する

df_nvda["Close"].plot(figsize=(15,6), color="red")

df_nvda["SMA"].plot(figsize=(15,6), color="green")

plt.show()

# 過去14日単純移動平均が追加されたデータフレームを確認

df_nvda

#統計処理：変動率

# 始値に対する当日の変動率 % のcolumnを新規追加
df_nvda["change"] = ((df_nvda["Close"]-df_nvda["Open"])/df_nvda["Open"])*100
df_aapl["change"] = ((df_aapl["Close"]-df_aapl["Open"])/df_aapl["Open"])*100
df_fb["change"] = ((df_fb["Close"]-df_fb["Open"])/df_fb["Open"])*100
df_gold["change"] = ((df_gold["Close"]-df_gold["Open"])/df_gold["Open"])*100

# 直近１００日間の変動率 %　を可視化 
df_nvda["change"].tail(100).plot(figsize=(15,6), color="green")
df_aapl["change"].tail(100).plot(figsize=(15,6), color="red")
df_fb["change"].tail(100) .plot(figsize=(15,6), color="blue")
df_gold["change"].tail(100) .plot(figsize=(15,6), color="gold")

# 保存
plt.savefig("chart_variable.png")
plt.show()