最近股市比较火，我7月初上车了，现在已经下了。中间虽然吃了点肉，但下车的时候都亏进去了，最后连点汤都没喝着。
这篇文章我们就用python对股票数据做个简单的分析。数据集是从1999年到2016年上海证券交易所的1095只股票。
共1000个文件。
我们的分析思路大致如下：
每年新发股票数
目前市值最大的公司有哪些
股票一段时间的涨跌幅如何
牛市的时候，个股表现如何
首先导入模块
import pandas as pd import numpy as np import os import seaborn as sns import matplotlib.pyplot as plt # 绘图显示中文 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False用pandas读文件
file_list = os.listdir('./data/a-share/') pieces = [] for file_name in file_list: path = './data/a-share/%s' % file_name file = pd.read_csv(path, encoding ='gb2312') pieces.append(file) shares = pd.concat(pieces)使用read_csv读文件的时候需要指定文件编码encoding ='gb2312'。将各个文件的DataFrame合并后，将索引重置一下，并预览一下数据
shares.reset_index(inplace=True, drop=True) shares.head()这里我们最关注的列是日期、代码、简称、收盘价。
按照分析思路，我们首先来看看上市公司的总数
len(shares['代码'].unique())对股票代码去重、计数可以看到一共有1095家上市公司。那我们再看看每年新增的上市公司有多少家
# 计算每只股票的最早交易时间（即：上市时间） shares_min_date = shares.groupby('简称').agg({'日期':'min'}) shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x: str(x)[:4]) # 每年上市公司的数量 shares_min_date.groupby('上市年份').count().plot()可以看到，多的时候每年60-80家，而05年-13年这段时间上市后的公司特别少，尤其是13年只有1家，原因是13年暂停了IPO。
下面我们再来看看数据集中最新的时间点（2016-06-08），市值较大的公司有哪些
shares_market_value = shares[shares['日期'] == '2016-06-08'][['简称', '总市值(元)']].sort_values(by='总市值(元)', ascending=False) # 市值最大的公司 top10 tmp_df = shares_market_value.head(10) # 画图 sns.barplot(x=tmp_df['总市值(元)'], y=tmp_df['简称'])截至16年6月8号，工商银行（爱存不存）的市值最高1.5万亿，不愧是宇宙第一大行。并且能发现市值前十的公司大部分是银行。
下面再来看看，从11.06.09 - 16.06.085年时间里个股涨跌情况。起点选11.06.09的原因是这一天包含了900左右只股票，样本较大。然后，我们抽取这两天股票的收盘价，计算涨跌幅
shares_110609 = shares[shares['日期'] == '2011-06-09'][['代码', '简称', '收盘价(元)']] shares_160609 = shares[shares['日期'] == '2016-06-08'][['代码', '收盘价(元)']] # 按照股票代码将2天数据关联 shares_price = shares_110609.merge(shares_160609, on='代码') shares_price一共有879只股票
# 多少家股票是上涨的 shares_price[shares_price['涨跌幅(%)'] > 0].count()可以看到，上涨的股票627只，占比71%。那我们再来看看，上涨的股票，涨幅分布情况
bins = np.array([0, 40, 70, 100, 1700]) # 股价上涨的公司 shares_up = shares_price[shares_price['涨跌幅(%)'] > 0] # 按涨幅进行分组 shares_up['label'] = pd.cut(shares_up['涨跌幅(%)'], bins) # 分组统计 up_label_count = shares_up[['label', '代码']].groupby('label').count() up_label_count['占比'] = up_label_count['代码'] / up_label_count.sum().values sns.barplot(x=up_label_count['占比'], y=up_label_count.index)涨幅分布还是比较极端的，虽然上涨的股票总体比较高，但上涨的股票中有30%只股票涨幅不足40%，也就是平均一年涨8%，如果理财年收益10%算及格的话，8%明显偏低了。再加上跌的股票，收益率低于10%的股票大于50%，所以股市的钱也不是那么好挣的。
当然也有踩狗屎运的时候，比如买到了下面这些股票并且长期持有
# 涨幅最大的公司 tmp_df = shares_up.sort_values(by='涨跌幅(%)', ascending=False)[:8] sns.barplot(y=tmp_df['简称'], x=tmp_df['涨跌幅(%)'])像金证股份持有5年后可以翻16倍。
同样的方式，我们可以看看股票跌幅分布
因为代码类似，这里就不贴了。从数据上将近70%的股票5年后跌幅在0-40%的区间。
最后一个有意思的数据，我们看看牛市的时候个股涨跌是怎么样的。我们选择14.06.30和15.06.08这两天个股的涨跌情况。分析思路跟上面类似，我就直接说数据了。
牛市期间99.6%的股票都是涨的，也就是说个股基本都在上涨。来看看涨幅分布
可以看到，86%只股票翻了一番，所以牛市来了，基本上闭着眼选股都能挣钱。也不知道这种大牛市什么时候能再来一次，当然了，牛市来了能不能把握住是个大问题。
我的分析就到这里了，其实分析有意思的数据还有很多，比如结合一些市盈率等其他维度进行分析，有兴趣的朋友可以自行探索，我觉得还有一个更有挑战性的分析是预测个股的走势，虽然实践上不可行，但从学习角度来看还是挺值得研究的，如果大家点赞较多，我下周考虑写一下。