python2

o__o·2022년 5월 20일
0

python

목록 보기
2/5

<Pandas 판다스>

: 파이썬에서 데이터를 쉽게 다룰 수 있게 해주는 라이브러리 / 데이터분석 필수사항

import pandas as pd
import numpy as np

: 판다스의 DataFrame 형식을 이용하면 표 형태로 데이터를 볼 수 있다
⇒ DataFrame은 “딕셔너리” 형태로 표현된 데이터를 표로 바꿔주는 역할
⇒ 맨 왼쪽은 “index”

data = {
    'name' : ['영수','철수','영희','소희'],
    'age' : [20,15,38,8]
}

df = pd.DataFrame(data)

<Dataframe 기초>

1) 행 추가 (ignore_index=True 해야 밑에추가됨)

doc = {
	'name':'세종',
	'age':14,
}
df = df.append(doc,ignore_index=True)

2) column 추가

df['city'] = ['서울','부산','부산','서울','서울']

3) 특정 column 뽑기
⇒ 대괄호를 두번 해야 dataframe형식으로 반환된다!

df[['name','city']]

4) 원하는 조건 행 뽑기

df[df['age'] < 20]

5) 특정 행에서 뽑기(많이 사용!)

df.iloc[-1,0] # 마지막 행의 0번째 정보
df.iloc[0,0] # 첫 행의 0번째 정보

<Dataframe 연산>

1) 열 정렬(나이로 ascending오름차순)

df.sort_values(by='age',ascending=True)

2) 조건맞는 열 추가
⇒ 조건에 맞는 데이터 넣을때 numpy를 쓴다!

df['is_adult'] = np.where(df['age'] > 20,'성인','청소년')

3) 평균/최대값/최소값/개수

df['age'].mean()

df['age'].max()

df['age'].min()

df['age'].count()

⇒ 요약

df['age'].describe()

4) 퀴즈-서울사는사람중 나이가장많은사람은 몇살?

df[df['city'] == '서울']['age'].max()

df[df['city'] == '서울'].sort_values(by='age',ascending=False).iloc[0,1]

<엑셀 가져와서 dataframe으로 읽기>

pd.read_excel('종목데이터.xlsx')
df = pd.read_excel('종목데이터.xlsx')

<일부만 보기>

  • 처음5개 df.head()

  • 끝5개 df.tail()

  • 처음20개 df.head(20)

  • 끝20개 df.tail(20)

  • 소수점 둘째자리까지 보기

pd.options.display.float_format = '{:.2f}'.format

<Pandas 실전>

1) 어제 오른 종목들만 골라보기

df[df['change_rate'] > 0]

2) per가 0 인 종목들을 제거하기

df = df[df['per'] > 0]


3) 순이익, 종가를 추가하기
⇒ per = 시가총액/이익 = 주가/주당순이익

df['earning'] = df['marketcap'] / df['per']
df['close'] = df['per'] * df['eps']

4) date 컬럼을 없애기

del df['date']

5) pbr < 1 & 시총 1조 이상 & per < 20 을 추려보기

cond = (df['marketcap'] > 1000000000000) & (df['pbr'] < 1) & (df['per'] < 20)
df[cond]

⇒ 시총이 큰 순서대로 보기

df[cond].sort_values(by='marketcap', ascending=False)

⇒ 평균, 표준편차 등의 정보를 보기 (함께하기)

df[cond].describe()

<yfinance:yahoo finance를 통해 해외주식 분석>

!pip install yfinance

⇒ !느낌표 꼭 붙여주기

import yfinance as yf

<기업 정보 보기>

company = yf.Ticker('TSLA')
company.info

<yfinance 사용법>

* 전체 사용법 : https://pypi.org/project/yfinance/

1) 기본 정보 얻기(예) 회사명, 산업, 시가총액, 매출)

name = company.info['shortName']
industry = company.info['industry']
marketcap = company.info['marketCap']
revenue = company.info['totalRevenue']
print(name,industry,marketcap,revenue)

2) 재무제표에서 3년치 데이터 얻기(대차대조표, 현금흐름표, 기업 실적)

company.balance_sheet

company.cashflow

company.earnings

3) 그 외 정보(주주정보, 애널리스트 추천 등)

company.institutional_holders

company.recommendations

company.calendar

news = company.news

for n in news:
  print(n['title'])

yahoo finance

  • 52주 change / 주소 / beta값 / current price(현재가) / Earning / freeCashflow / trailingPE(PER) / Name / Business Summary / Zip code

: yahoo finance UI와 코드상 항목별name과 상이해서 잘 비교해서 분석해야한다.

yahoo finance둘러보기

cash index만 df형태로 보기 : 

company.balance_sheet.loc[['Cash']]

jpMorgan의 recommendations만 필터링해서 정보 보기


df = company.recommendations
cond = df['Firm'] == 'JP Morgam'
df[cond]

<분석: 전략 세우기 - 데이터 모으기 - 모은 데이터 분석하기>

<1. 전략 세우기>

  • 종목코드 ⇒ code
  • 회사명 ⇒ company.info[’shortName’]
  • 산업 ⇒ company.info[’industry’]
  • 설명 ⇒ company.info[’longBusinessSummary’]
  • 시가총액 ⇒ company.info[’marketCap’]
  • 현재 주가 ⇒ company.info[’currentPrice’]
  • 1년 후 예상 주가 ⇒ company.info[’targetMeanPrice’]
  • PER ⇒ company.info[’trailingPE’]
  • EPS ⇒ company.info[’trailingEps’]
  • PBR ⇒ company.info[’priceToBook’]
  • 매출 (3년치) ⇒ company.earnings ⇒ 3년 치 가져오기
  • 순이익 (3년치) ⇒ company.earnings ⇒ 3년 치 가져오기
  • 뉴스 ⇒ company.news ⇒ 최근 뉴스 1개 가져오기
company = yf.Ticker('TSLA')

code = 'TSLA'
name = company.info['shortName']
industry = company.info['industry']
marketcap = company.info['marketCap']
summary = company.info['longBusinessSummary']
currentprice = company.info['currentPrice']
targetprice = company.info['targetMeanPrice']

per = company.info['trailingPE']
eps = company.info['trailingEps']
pbr = company.info['priceToBook']

print(code,name,industry,marketcap,summary,
currentprice,targetprice,per,eps,pbr)

⇒ 최근 3년 매출, 순이익 더하기

rev2021 = company.earnings.iloc[-1,0]
rev2020 = company.earnings.iloc[-2,0]
rev2019 = company.earnings.iloc[-3,0]

ear2021 = company.earnings.iloc[-1,1]
ear2020 = company.earnings.iloc[-2,1]
ear2019 = company.earnings.iloc[-3,1]

<2. 데이터 모으기>

데이터를 모을 빈 DataFrame 만들기
정보 모아서 딕셔너리 변환
딕셔너리 형태로 append 

doc = {
    'code':code,
    'name':name,
    'industry':industry,
    'bussiness':bussiness,
    'marketCap':marketCap/1000,
    'currentPrice':currentPrice,
    'targetPrice':targetPrice,
    'per':per,
    'eps':eps,
    'pbr':pbr,
    'news':news,
    'rev2021':rev2021/1000,
    'rev2020':rev2020/1000,
    'rev2019':rev2019/1000,
    'ear2021':ear2021/1000,
    'ear2020':ear2020/1000,
    'ear2019':ear2019/1000,
}

df.append(doc,ignore_index = True)

전체 데이터 모으는 함수!

def add_company(code):
  company = yf.Ticker(code)
  name = company.info['shortName']
  industry = company.info['industry']
  bussiness = company.info['longBusinessSummary']
  marketCap= company.info['marketCap']
  currentPrice= company.info['currentPrice']
  targetPrice= company.info['targetMeanPrice']
  per = company.info['forwardPE']
  eps = company.info['forwardEps']
  pbr = company.info['priceToBook']
  rev2021 = company.earnings.iloc[-1,0]
  rev2020 = company.earnings.iloc[-2,0]
  rev2019 = company.earnings.iloc[-3,0]
  ear2021 = company.earnings.iloc[-1,1]
  ear2020 = company.earnings.iloc[-2,1]
  ear2019 = company.earnings.iloc[-3,1]

  doc = {
    'code':code,
    'name':name,
    'industry':industry,
    'bussiness':bussiness,
    'marketCap':marketCap/1000,
    'currentPrice':currentPrice,
    'targetPrice':targetPrice,
    'per':per,
    'eps':eps,
    'pbr':pbr,
    'rev2021':rev2021/1000,
    'rev2020':rev2020/1000,
    'rev2019':rev2019/1000,
    'ear2021':ear2021/1000,
    'ear2020':ear2020/1000,
    'ear2019':ear2019/1000,
  }
  return doc

분석하기2

df = pd.DataFrame()

codes = ['AAPL','ABNB','BIDU','FB','GOOG','MSFT','TSLA','PYPL','NFLX','NVDA']

for code in codes:
  print(code)
    row = add_company(code)
    df = df.append(row, ignore_index = True)

df

이렇게만 입력하면 에러뜨는데, 특정 코드에 데이터가 없는 경우 에러가 뜸.
=> 에러처리 해줘야함 (아래 코드) : try except 구문!

df = pd.DataFrame()

codes = ['AAPL','ABNB','BIDU','FB','GOOG','MSFT','TSLA','PYPL','NFLX','NVDA']

for code in codes:
  print(code)
  try:
    row = add_company(code)
    df = df.append(row, ignore_index = True)
  except:
    print(f'error - {code}')

df

<3. 모은 데이터 분석하기>

: 관심 종목을 매일 자동으로 모아서, 분석하고 결과까지 내어줄 수 있다!

1) eps 순서대로 정렬해보기

df.sort_values(by='eps',ascending=False)

2) 특정 per 이하만 보기

df[df['per'] < 30].sort_values(by='per',ascending=False)

3) 현재가격 - 1년 후 가격의 비율 차이가 큰 종목들을 추려내기

df[['code','name','currentPrice','targetPrice']]

new_df = df[['code','name','currentPrice','targetPrice']].copy()
new_df['gap'] = new_df['targetPrice'] / new_df['currentPrice'] -1
new_df.sort_values(by='gap',ascending=False)

4) 3년 연속 순수익이 오른 기업을 표기하기

import numpy as np
new_df2 = df[['code','name','ear2021','ear2020','ear2019']].copy()

cond = (new_df2['ear2021'] > new_df2['ear2020']) & (new_df2['ear2020'] > new_df2['ear2019'])

new_df2['is_target'] = np.where(cond,'O','X')

new_df2[new_df2['is_target'] == 'O']

분석하기3

현재가격 - 1년 후 가격의 비율 차이가 큰 종목들을 추려내기

new_df['gap'] = new_df['targetPrice'] / new_df['currentPrice'] -1

  • newdf = df[['code','name','currentPrice','targetPrice']].copy()
    원본 필터링 후 조작하려면     .copy() _추가해주기!

    ox 표기할 열 만들기

 new_df['is_target'] = np.where(cond,'O','X')

index 숫자찍히도록 0부터시작 초기화(?)

df.reset_index(drop=True)

# 과제

#소수점 둘째자리까지 표기하기
pd.options.display.float_format = '{:.2f}'.format

#과제
company = yf.Ticker('AAPL')

df = company.balance_sheet.loc[['Cash']]
df.columns = ['2021','2020','2019','2018']
df['name'] = company.info['shortName']

new_df =  df[['name','2021','2020']].copy()
new_df['diff'] = new_df['2021'] - new_df['2020']

new_df.reset_index(drop=True)
profile
o__o
이전 포스트

python1

다음 포스트

python3

0개의 댓글