Pandas 를 통한 데이터분석 01)

23.07.05 ~

- pandas를 이용하여 간단한 주식 데이터 분석

 

사용 라이브러리

import yfinance as yf

import pandas as df

import matplotlib.pyplot as plt

+

 

사용 함수

pct_change() : DataFrame 또는 Series의 요소 간의 백분율 변화를 계산하는 함수,

이 함수를 사용하면 이전 요소와의 백분율 변화를 계산할 수 있음.

ex) return = data_seri.pct_change()

print) 0.000001 (6자리)

 

cumprod() : DataFrame 또는 Series 의 요소들을 누적하여 곱하는 연산을 수행하는 함수

첫번째 요소부터 시작하여 각 요소를 이전 결과에 곱한 값을 계속해서 누적하여 최종적으로 모든 요소의 곱을 반환

이를 통해 시리즈 및 데이터 프레임의 값이 시간에 따라 얼마나 누적적으로 변화했는지 알 수 있음.

 

출처 : ChatGPT May 24 Version / OpenAI

 

 

df  = yf.download('347860.KQ', '2020-12-21', '2023-07-13')

df.to_excel("알체라.xlsx")

df.to_csv("알체라.csv")

 

alche_df = df.copy()

alche_df = alche_df.astype({'Close' : 'int'})

alche_df.dtypes

 

#graph

plt.figure(figsize=(15,5))

plt.plot(alche_df['Close'])

 

#일일 수익률 계산 후 새로운 컬럼에 데이터 대입 (소수점 2번째 자리 까지)

daily_returns = alche_df['Close].pct_change()

daily_returns = daily_returns.round(2)

alche_df['daily_return'] = daily_returns

 

# 누적 수익률 계산

cumulative_returns = (1 + daily_returns).cumprod() - 1

cumulative_returns = cumulative_returns.round(2)

alche_df['cumulative_return'] = cumulative_returns

 

#이동평균(Moving Average) 계산 이란 ?

시계열 데이터에서 특정 기간(window) 동안의 평균값을 계산하는 통계적 기법.

이동평균의 데이터의 추세를 부드럽게 표현하고 주요한 패턴을 도출하는데 사용됨.

 

- 이동평균을 계산하려는 기간(window)를 설정, 이 기간은 데이터 포인터의 개수를 의미함.

ex) 20일 이동평균은 최근 20일 동안의 데이터를 사용하여 평균을 계산함

- 설정된 기간동안의 데이터를 선택 -> 데이터는 이동평균을 계산하려는 대상이 되는 값

- 선택된 데이터의 평균을 계산 -> 평균은 선택된 데이터의 합을 데이터의 개수로 나눔

 

주식 데이터에서 이동평균은 주식 가격의 추세를 파악하는 데에 유용함.

일반적으로 단기 이동평균은 장기 이동평균과 비교하여 주가 추세의 변화를 확인하는데 사용됨.