7.3 股票分析(project)
目录
第1关：涨幅和成交量
第2关 涨幅与最高价
第3关 跌幅与最低价
本关任务：完成涨幅和成交量股票分析。
相关知识
1.sorted()函数 2.集合运算
sorted()函数
sorted() 函数对所有可迭代的对象进行排序操作。
sorted(iterable, key=None, reverse=False)
参数说明
- iterable 可迭代对象。
- key 主要是用来进行比较的元素，只有一个参数，具体的函数的参数就是取自于可迭代对象中，指定可迭代对象中的一个元素来进行排序。
- reverse 排序规则，reverse=True 降序， reverse=False 升序（默认）。
编程 在右侧编辑器中补充代码，根据用户输入，利用集合运算和这些文件数据输出以下内容：
- 涨幅和成交量均在前10名的股票
- 涨幅或成交量在前10名的股票
- 涨幅前10名，但成交量未进前10名的股票
- 涨幅和成交量不同时在前10名的股票 交易数据文件数据内容格
第1关：涨幅和成交量
import numpy as np
# 设置常量，对应各列数据的语义，方便索引
HIGH = 0
LOW = 1
CLOSE = 3
VOLUME = 4
def statistics_of_all(code_list):
"""
@参数 code_list：股票代码列表，列表类型
接收股票数据文件名列表，逐个统计各股票数据文件涨跌幅、总成交量、最高价和最低价。
涨跌幅计算公式为：(最新记录收盘价-最早记录收盘价) / 最早记录收盘价 * 100
为方便处理，读入数据时，略过日期列。
"""
statistics_of_stock = []
for code in code_list:
data_of_code = np.genfromtxt('datas/' + code, dtype=None,
usecols=[1, 2, 3, 4, 5, 6], delimiter=',',
skip_header=1)
# 计算当前股票涨跌幅、总成交量、最高价和最低价
uplift_or_fall = round((data_of_code[:, CLOSE][-1] - data_of_code[:, CLOSE][0]) / data_of_code[:, CLOSE][0] * 100, 2)
volumes = round(sum(data_of_code[:, VOLUME]), 2)
statistics_of_stock.append([code[:6], uplift_or_fall, volumes])
return statistics_of_stock # 每支股票涨跌幅、总成交量、最高价和最低价
def top_10_uplift(statistics_of_stock):
"""
@参数 statistics_of_stock：每支股票涨跌幅、总成交量、最高价和最低价统计信息，列表类型
按涨幅降序排序，涨幅相同时按股票代码降序排序，取排名前10的股票，
返回排名前10的股票代码，返回值为列表类型。
"""
# 补充你的代码
statistics_of_stock1 = sorted(statistics_of_stock, key=lambda x : (x[1],x[0]), reverse=True)
list1 = []
for i in range(10):
list1.append(statistics_of_stock1[i][0])
return list1
def top_10_volumes(statistics_of_stock):
"""
@参数 statistics_of_stock：每支股票涨跌幅、总成交量、最高价和最低价统计信息，列表类型
按成交量降序排序，成交量相同时，按股票代码降序排序，取成交量前10的股票代码，返回成交量
最大的10支股票代码列表。
"""
# 补充你的代码
statistics_of_stock2 = sorted(statistics_of_stock, key=lambda x : (x[2],x[0]), reverse=True)
list2 = []
for i in range(10):
list2.append(statistics_of_stock2[i][0])
return list2
def uplift_and_volumes(top_uplift, top_volumes):
"""
@参数 top_high，最高价在前10名的股票代码，字符串
@参数 top_volumes，成交量在前10名的股票代码，字符串
返回一个列表，其元素依序为以下4个：
涨幅和成交量均在前10名的股票，按股票代码升序，列表
涨幅或成交量在前10名的股票,按股票代码升序，列表
涨幅前10名，但成交量未进前10名的股票,按股票代码升序，列表
涨幅和成交量不同时在前10名的股票,按股票代码升序，列表
"""
# 补充你的代码
u_and_v = []
u_and_v0 = sorted([x for x in top_uplift if x in top_volumes])
u_and_v.append(u_and_v0)
u_and_v1 =sorted(top_volumes + [x for x in top_uplift if x not in top_volumes])
u_and_v.append(u_and_v1)
u_and_v2 = sorted([x for x in top_uplift if x not in top_volumes])
u_and_v.append(u_and_v2)
u_and_v3 = sorted([x for x in u_and_v1 if x not in u_and_v0])
u_and_v.append(u_and_v3)
return u_and_v
def operation():
"""接收一个字符串为参数，根据参数值调用不同函数完成任务"""
statistics_of_list = statistics_of_all(stock_lst) # 对获取的股票数据进行统计
uplift_set = top_10_uplift(statistics_of_list) # 涨幅前10名集合
volumes_set = top_10_volumes(statistics_of_list) # 成交量前10名集合
u_and_v = uplift_and_volumes(uplift_set, volumes_set)
opt = input()
if opt == '涨幅与成交量':
print('涨幅和成交量均在前10名的股票:')
print(u_and_v[0]) # 涨幅和成交量均在前10名的股票
print('涨幅或成交量在前10名的股票:')
print(u_and_v[1]) # 涨幅或成交量在前10名的股票
print('涨幅前10名，但成交量未进前10名的股票:')
print(u_and_v[2]) # 涨幅前10名，但成交量未进前10名的股票
print('涨幅和成交量不同时在前10名的股票:')
print(u_and_v[3]) # 涨幅和成交量均在前10名的股票
else:
print('输入错误')
if __name__ == '__main__':
filename = 'datas/沪市股票top300.csv' # 股票名称与代码文件
stock_lst = ['600000.csv', '600004.csv', '600006.csv',
'600007.csv', '600008.csv', '600009.csv',
'600010.csv', '600011.csv', '600012.csv',
'600015.csv', '600016.csv', '600018.csv',
'600019.csv', '600020.csv', '600026.csv',
'600028.csv', '600029.csv', '600030.csv',
'600031.csv', '600033.csv', '600036.csv']
operation()
第2关 涨幅与最高价
import numpy as np
# 设置常量，对应各列数据的语义，方便索引
HIGH = 0
CLOSE = 3
VOLUME = 4
def statistics_of_all(code_list):
"""
@参数 code_list：股票代码列表，列表类型
接收股票数据文件名列表，逐个统计各股票数据文件涨幅、总成交量、最高价和最低价。
涨幅计算公式为：(最新记录收盘价-最早记录收盘价) / 最早记录收盘价 * 100
为方便处理，读入数据时，略过日期列。
"""
statistics_of_stock = []
for code in code_list:
data_of_code = np.genfromtxt('datas/' + code, dtype=None,
usecols=[1, 2, 3, 4, 5, 6], delimiter=',',
skip_header=1)
# 计算当前股票涨幅、总成交量、最高价和最低价
uplift_or_fall = round((data_of_code[:, CLOSE][-1] - data_of_code[:, CLOSE][0]) / data_of_code[:, CLOSE][0] * 100, 2)
volumes = round(sum(data_of_code[:, VOLUME]), 2)
high = round(max(data_of_code[:, HIGH]), 2)
statistics_of_stock.append([code[:6], uplift_or_fall, volumes, high])
return statistics_of_stock # 每支股票涨幅、总成交量、最高价和最低价
def top_10_uplift(statistics_of_stock):
"""
@参数 statistics_of_stock：每支股票涨幅、总成交量、最高价和最低价统计信息，列表类型
按涨幅降序排序，涨幅相同时按股票代码降序排序，取排名前10的股票，
返回排名前10的股票代码，返回值为列表类型。
"""
# 补充你的代码
statistics_of_stock1 = sorted(statistics_of_stock, key=lambda x : x[1], reverse=True)
list1 = []
for i in range(10):
list1.append(statistics_of_stock1[i][0])
return list1
def top_10_high(statistics_of_stock):
"""
@参数 statistics_of_stock：每支股票涨幅、总成交量、最高价和最低价统计信息，列表类型
按最高价降序排序，最高价相同时，按股票代码降序排序返回，取排名前10的股票，返回最高价最
高的10支股票代码的列表。
"""
# 补充你的代码
statistics_of_stock2 = sorted(statistics_of_stock, key=lambda x : x[3], reverse=True)
list2 = []
for i in range(10):
list2.append(statistics_of_stock2[i][0])
return list2
def high_and_uplift(top_uplift, top_high):
"""
@参数 top_high，最高价在前10名的股票代码，字符串
@参数 top_uplift，涨幅在前10名的股票代码，字符串
返回一个列表，其元素依序为以下4个：
涨幅和最高价均在前10名的股票代码,按股票代码升序，列表
涨幅或最高价在前10名的股票代码,按股票代码升序，列表
涨幅前10名，但最高价未进前10名的股票代码,按股票代码升序，列表
涨幅和最高价不同时在前10名的股票,按股票代码升序，列表
票代码。
"""
# 补充你的代码
u_and_v = []
u_and_v0 = sorted([x for x in top_uplift if x in top_high])
u_and_v.append(u_and_v0)
u_and_v1 =sorted(top_high + [x for x in top_uplift if x not in top_high])
u_and_v.append(u_and_v1)
u_and_v2 = sorted([x for x in top_uplift if x not in top_high])
u_and_v.append(u_and_v2)
u_and_v3 = sorted([x for x in u_and_v1 if x not in u_and_v0])
u_and_v.append(u_and_v3)
return u_and_v
def operation():
"""接收一个字符串为参数，根据参数值调用不同函数完成任务"""
statistics_of_list = statistics_of_all(stock_lst) # 对获取的股票数据进行统计
uplift_set = top_10_uplift(statistics_of_list) # 涨幅前10名集合
high_set = top_10_high(statistics_of_list) # 最高价前10名集合
u_and_v = high_and_uplift(uplift_set, high_set)
opt = input()
if opt == '涨幅与最高价':
# 补充你的代码
print('涨幅和最高价均在前10名的股票:')
print(u_and_v[0]) # 涨幅和最高价均在前10名的股票
print('涨幅或最高价在前10名的股票:')
print(u_and_v[1]) # 涨幅或最高价在前10名的股票
print('涨幅前10名，但最高价未进前10名的股票:')
print(u_and_v[2]) # 涨幅前10名，但最高价未进前10名的股票
print('涨幅和最高价不同时在前10名的股票:')
print(u_and_v[3]) # 涨幅和最高价均在前10名的股票
else:
print('输入错误')
if __name__ == '__main__':
filename = 'datas/沪市股票top300.csv' # 股票名称与代码文件
stock_lst = ['600000.csv', '600004.csv', '600006.csv',
'600007.csv', '600008.csv', '600009.csv',
'600010.csv', '600011.csv', '600012.csv',
'600015.csv', '600016.csv', '600018.csv',
'600019.csv', '600020.csv', '600026.csv',
'600028.csv', '600029.csv', '600030.csv',
'600031.csv', '600033.csv', '600036.csv']
operation()第3关 跌幅与最低价
import numpy as np
# 设置常量，对应各列数据的语义，方便索引
HIGH = 0
LOW = 1
CLOSE = 3
VOLUME = 4
def statistics_of_all(code_list):
"""
@参数 code_list：股票代码列表，列表类型
接收股票数据文件名列表，逐个统计各股票数据文件涨跌幅、总成交量、最高价和最低价。
涨跌幅计算公式为：(最新记录收盘价-最早记录收盘价) / 最早记录收盘价 * 100
为方便处理，读入数据时，略过日期列。
"""
statistics_of_stock = []
for code in code_list:
data_of_code = np.genfromtxt('datas/' + code, dtype=None,
usecols=[1, 2, 3, 4, 5, 6], delimiter=',',
skip_header=1)
# 计算当前股票跌幅、总成交量、最高价和最低价
uplift_or_fall = round((data_of_code[:, CLOSE][-1] - data_of_code[:, CLOSE][0]) / data_of_code[:, CLOSE][0] * 100, 2)
volumes = round(sum(data_of_code[:, VOLUME]), 2)
high = round(max(data_of_code[:, HIGH]), 2)
low = round(min(data_of_code[:, LOW]), 2)
statistics_of_stock.append([code[:6], uplift_or_fall, volumes, high, low])
return statistics_of_stock # 每支股票涨跌幅、总成交量、最高价和最低价
def top_10_uplift(statistics_of_stock):
"""
@参数 statistics_of_stock：每支股票涨跌幅、总成交量、最高价和最低价统计信息，列表类型
按涨幅降序排序，涨幅相同时按股票代码降序排序，取排名前10的股票，
返回排名前10的股票代码，返回值为列表类型。
"""
# 补充你的代码
statistics_of_stock1 = sorted(statistics_of_stock, key=lambda x : x[1], reverse=True)
list1 = []
for i in range(10):
list1.append(statistics_of_stock1[i][0])
return list1
def top_10_fall(statistics_of_stock):
"""
@参数 statistics_of_stock：每支股票涨跌幅、总成交量、最高价和最低价统计信息，列表类型
按跌幅升序排序，跌幅相同时，按股票代码升序排序，取排名前10的股票，返回跌幅最大的10支股
票代码的集合。
"""
# 补充你的代码
statistics_of_stock2 = sorted(statistics_of_stock, key=lambda x : x[1], reverse=False)
list2 = []
for i in range(10):
list2.append(statistics_of_stock2[i][0])
return list2
def top_10_low(statistics_of_stock):
"""
@参数 statistics_of_stock：每支股票涨跌幅、总成交量、最高价和最低价统计信息，列表类型
按最低价升序排序，最低价相同时，按股票代码升序排序，取排名前10的股票，返回最低价最低的
10支股票代码集合。
"""
# 补充你的代码
statistics_of_stock3 = sorted(statistics_of_stock, key=lambda x : x[4], reverse=False)
list3 = []
for i in range(10):
list3.append(statistics_of_stock3[i][0])
return list3
def low_and_fall(top_fall, top_low):
"""
@参数 top_low，最低价在前10名的股票代码，字符串
@参数 top_fall，跌幅在前10名的股票代码，字符串
返回一个列表，其元素依序为以下4个
跌幅和最低价均在前10名的股票代码,按股票代码升序，列表
跌幅或最低价在前10名的股票代码,按股票代码升序，列表
跌幅前10名，但最低价未进前10名的股票代码,按股票代码升序，列表
跌幅和最高价不同时在前10名的股票,按股票代码升序，列表
"""
# 补充你的代码
u_and_v = []
u_and_v0 = sorted([x for x in top_fall if x in top_low])
u_and_v.append(u_and_v0)
u_and_v1 =sorted(top_low + [x for x in top_fall if x not in top_low])
u_and_v.append(u_and_v1)
u_and_v2 = sorted([x for x in top_fall if x not in top_low])
u_and_v.append(u_and_v2)
u_and_v3 = sorted([x for x in u_and_v1 if x not in u_and_v0])
u_and_v.append(u_and_v3)
return u_and_v
def operation():
"""接收一个字符串为参数，根据参数值调用不同函数完成任务"""
statistics_of_list = statistics_of_all(stock_lst) # 对获取的股票数据进行统计
fall_set = top_10_fall(statistics_of_list) # 跌幅前10名集合
low_set = top_10_low(statistics_of_list) # 最低价前10名集合
u_and_v = low_and_fall(fall_set, low_set)
opt = input()
if opt == '跌幅与最低价':
# 补充你的代码
print('跌幅和最低价均在前10名的股票:')
print(u_and_v[0]) # 涨幅和最高价均在前10名的股票
print('跌幅或最低价在前10名的股票:')
print(u_and_v[1]) # 涨幅或最高价在前10名的股票
print('跌幅前10名，但最低价未进前10名的股票:')
print(u_and_v[2]) # 涨幅前10名，但最高价未进前10名的股票
print('跌幅和最低价不同时在前10名的股票:')
print(u_and_v[3]) # 涨幅和最高价均在前10名的股票
else:
print('输入错误')
if __name__ == '__main__':
filename = 'datas/沪市股票top300.csv' # 股票名称与代码文件
stock_lst = ['600000.csv', '600004.csv', '600006.csv',
'600007.csv', '600008.csv', '600009.csv',
'600010.csv', '600011.csv', '600012.csv',
'600015.csv', '600016.csv', '600018.csv',
'600019.csv', '600020.csv', '600026.csv',
'600028.csv', '600029.csv', '600030.csv',
'600031.csv', '600033.csv', '600036.csv']
operation()