五大股指对比图(周线数据, 规整到起点为1000点的相对值)

五大股指对比图

用jupyter notebook工具编写的笔记文档, 看看能不能很好地变成一篇博客保留下来.

整体看来还不错, 下面是操作步骤.

1. 在jupyter里把文档导出为md格式. 步骤为: file/download as / markdown, 结果保存为本地的一个zip文档.
2. 解压缩, 得到.md和内嵌的.png文件.
3. 用tc打开md文档, copy所有内容
4. 回到cnblogs的网页里, 添加新随笔(注意:选用markdown编辑器)
5. 填写标题, 写入摘要等内容.
6. 粘贴.md的文本内容.
7. 浏览内容, 找到内嵌图片的位置, 把.png文件从本地拖拽到blog页面内的位置
   • 注意: 如果没有拖拽方式上传图片文件, 则博文内是没有内嵌的图片的, 会很让人失望.
   • (关于markdown里的层次列表项的语法: 用tab进行缩进, 后跟*/+/-都行, 表示缩进的内容为次级列表项目)
8. 点击保存草稿
9. 立即查看或者继续编辑博文
10. 点击发布草稿或者保存草稿/立即查看
11. ==>最后发布成功.

# %load ../script/my_import.py
# my_import.py
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import tushare as ts
from datetime import datetime,timedelta
import matplotlib.pyplot as plt
%matplotlib inline

# %load方法和%run方法都无法取代import语句. 
# 所以深刻理解/使用导入语句是最重要的.    ../script/create_dict.py

import sys
sys.path.append('C:/Documents and Settings/Administrator/duanqs/script/')
import dict_indexcode as dic
import dict_stockcode as dsc
# reload(dsc)

# python怎么import指定文件夹下的模块(自定义的模块)?
# 简答: sys.path.append(自定义模块的路径)

# reload()函数将以前导入过的模块再加载一次。
# 重新加载（reload）包括最初导入模块时的分析过程和初始化过程。
# 这样就允许在不退出解释器的情况下重新加载已更改的Python模块。
# 在jupyter notebook里的保险的做法是: kernel/restart and clear output(重启并清除输出, 重启内核的快捷键: 0+0)

# %pwd
# print dic.dict_indexcode.items()
# print dsc.dict_stockcode.items()
# dsc.dict_stockcode.get(u'天山股份')

def get_indexohlc_weekly(indexname,startdate='2010-06-04'):
    code= dic.dict_indexcode.get(indexname)
    df=ts.get_k_data(code,startdate, ktype='W', index=True)
    
    df2=df.iloc[:,1:7]; df2.index = df.date
    ini_open = df2.open['2010-06-04']
#     print ini_open
    norm_close = df2.close/ini_open *1000.0; norm_close.name='normC'+'.'+indexname
    df = pd.concat([df2, norm_close], axis=1)
    return df
# 000001 000300 399001 399005 399006
# 历史数据最短, 周线的 起始日期: 2010/6/4

def get_5index_weekly():
    df0001=get_indexohlc_weekly(u'上证指数')  
    df0300=get_indexohlc_weekly(u'沪深300')  
    
    df3001=get_indexohlc_weekly(u'深证成指')  
    df3005=get_indexohlc_weekly(u'中小板指')  
    df3006=get_indexohlc_weekly(u'创业板指')

    df_5index=df0001.iloc[:, 6]
    df_5index=pd.concat( [df_5index, 
                          df0300.iloc[:, 6],
                          df3001.iloc[:, 6],
                          df3005.iloc[:, 6],
                          df3006.iloc[:, 6]
                          ],axis=1)
#     df_5index.index.name= 'date'
    return df_5index

df5=get_5index_weekly()

df5.plot(figsize=(12,4))
# df5['2016'].plot()
print u'df5的行索引的类型为:', type(df5.index)

df5的行索引的类型为: <class 'pandas.indexes.base.Index'>

df5.head(4)

	normC.上证指数	normC.沪深300	normC.深证成指	normC.中小板指	normC.创业板指
2010-06-04	964.395884	967.925119	974.354062	988.001251	1062.082928
2010-06-11	970.570285	973.030338	979.340031	1015.556369	1159.764946
2010-06-18	949.149278	950.916541	953.248579	957.235085	1033.761571
2010-06-25	964.102818	965.066902	966.475600	969.350218	1050.303377

df5.tail(5)

	normC.上证指数	normC.沪深300	normC.深证成指	normC.中小板指	normC.创业板指
2016-12-02	1225.076174	1244.632907	1043.737459	1262.989115	2215.202628
2016-12-09	1220.936995	1232.200510	1031.972179	1258.068591	2170.184444
2016-12-16	1179.431905	1180.118462	988.467137	1204.935403	2064.997328
2016-12-23	1174.586498	1166.564504	975.564640	1196.562042	2030.303563
2016-12-30	1172.127916	1167.439180	973.391587	1191.869865	2027.740544