最近股市比較火，我7月初上車了，現在已經下了。中間雖然吃了點肉，但下車的時候都虧進去了，最後連點湯都沒喝著。

這篇文章我們就用python對股票數據做個簡單的分析。數據集是從1999年到2016年上海證券交易所的1095隻股票。

共1000個文件。

我們的分析思路大致如下：

• 每年新發股票數
• 目前市值最大的公司有哪些
• 股票一段時間的漲跌幅如何
• 牛市的時候，個股表現如何

首先導入模組

import pandas as pd
import numpy as np
import os
import seaborn as sns
import matplotlib.pyplot as plt
# 繪圖顯示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

用pandas讀文件

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讀文件的時候需要指定文件編碼encoding ='gb2312'。將各個文件的DataFrame合併後，將索引重置一下，並預覽一下數據

shares.reset_index(inplace=True, drop=True)
shares.head()

這裡我們最關注的列是日期、程式碼、簡稱、收盤價。

按照分析思路，我們首先來看看上市公司的總數

len(shares['程式碼'].unique())

對股票程式碼去重、計數可以看到一共有1095家上市公司。那我們再看看每年新增的上市公司有多少家

# 計算每隻股票的最早交易時間（即：上市時間）
shares_min_date = shares.groupby('簡稱').agg({'日期':'min'})
shares_min_date['上市年份'] = shares_min_date['日期'].apply(lambda x: str(x)[:4])

# 每年上市公司的數量
shares_min_date.groupby('上市年份').count().plot()

可以看到，多的時候每年60-80家，而05年-13年這段時間上市後的公司特別少，尤其是13年只有1家，原因是13年暫停了IPO。

下面我們再來看看數據集中最新的時間點（2016-06-08），市值較大的公司有哪些

shares_market_value = shares[shares['日期'] == '2016-06-08'][['簡稱', '總市值(元)']].sort_values(by='總市值(元)', ascending=False)

# 市值最大的公司 top10
tmp_df = shares_market_value.head(10)

# 畫圖
sns.barplot(x=tmp_df['總市值(元)'], y=tmp_df['簡稱'])

截至16年6月8號，工商銀行（愛存不存）的市值最高1.5萬億，不愧是宇宙第一大行。並且能發現市值前十的公司大部分是銀行。

下面再來看看，從11.06.09 - 16.06.085年時間裡個股漲跌情況。起點選11.06.09的原因是這一天包含了900左右只股票，樣本較大。然後，我們抽取這兩天股票的收盤價，計算漲跌幅

shares_110609 = shares[shares['日期'] == '2011-06-09'][['程式碼', '簡稱', '收盤價(元)']]
shares_160609 = shares[shares['日期'] == '2016-06-08'][['程式碼', '收盤價(元)']]

# 按照股票程式碼將2天數據關聯
shares_price = shares_110609.merge(shares_160609, on='程式碼')
shares_price

一共有879只股票

# 多少家股票是上漲的
shares_price[shares_price['漲跌幅(%)'] > 0].count()

# 多少家股票是上漲的
shares_price[shares_price['漲跌幅(%)'] < 0].count()

可以看到，上漲的股票627只，佔比71%。那我們再來看看，上漲的股票，漲幅分布情況

bins = np.array([0, 40, 70, 100, 1700])
# 股價上漲的公司
shares_up = shares_price[shares_price['漲跌幅(%)'] > 0]
# 按漲幅進行分組
shares_up['label'] = pd.cut(shares_up['漲跌幅(%)'], bins)
# 分組統計
up_label_count = shares_up[['label', '程式碼']].groupby('label').count()
up_label_count['佔比'] = up_label_count['程式碼'] / up_label_count.sum().values
sns.barplot(x=up_label_count['佔比'], y=up_label_count.index)

漲幅分布還是比較極端的，雖然上漲的股票總體比較高，但上漲的股票中有30%只股票漲幅不足40%，也就是平均一年漲8%，如果理財年收益10%算及格的話，8%明顯偏低了。再加上跌的股票，收益率低於10%的股票大於50%，所以股市的錢也不是那麼好掙的。

當然也有踩狗屎運的時候，比如買到了下面這些股票並且長期持有

# 漲幅最大的公司
tmp_df = shares_up.sort_values(by='漲跌幅(%)', ascending=False)[:8]
sns.barplot(y=tmp_df['簡稱'], x=tmp_df['漲跌幅(%)'])

像金證股份持有5年後可以翻16倍。

同樣的方式，我們可以看看股票跌幅分布

因為程式碼類似，這裡就不貼了。從數據上將近70%的股票5年後跌幅在0-40%的區間。

最後一個有意思的數據，我們看看牛市的時候個股漲跌是怎麼樣的。我們選擇14.06.30和15.06.08這兩天個股的漲跌情況。分析思路跟上面類似，我就直接說數據了。

牛市期間99.6%的股票都是漲的，也就是說個股基本都在上漲。來看看漲幅分布

可以看到，86%只股票翻了一番，所以牛市來了，基本上閉著眼選股都能掙錢。也不知道這種大牛市什麼時候能再來一次，當然了，牛市來了能不能把握住是個大問題。

我的分析就到這裡了，其實分析有意思的數據還有很多，比如結合一些市盈率等其他維度進行分析，有興趣的朋友可以自行探索，我覺得還有一個更有挑戰性的分析是預測個股的走勢，雖然實踐上不可行，但從學習角度來看還是挺值得研究的，如果大家點贊較多，我下周考慮寫一下。

數據和源碼已經打包，公眾號回復關鍵字股票即可。

歡迎公眾號 「渡碼」 輸出別地兒看不到的乾貨。