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()
# 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。
数据和源码已经打包，公众号回复关键字股票即可。
欢迎公众号 「渡码」 输出别地儿看不到的干货。