[PYTHON] Quel jour achetez-vous de l'argent?

Quel jour est le meilleur moment pour acheter de l'argent?

Les sociétés de titres gèrent l'or pur (ETF), et le code de marque 1540 est un peu environ 6000 yens par article. Il existe une méthode dite de «moyenne des coûts en dollars» dans laquelle ces marques ne sont pas achetées en même temps mais sont achetées en se diversifiant au fil du temps. Certaines personnes épargneront quotidiennement, tandis que d'autres économiseront chaque semaine ou chaque mois. Ici, nous nous concentrerons sur les données hebdomadaires et explorerons le meilleur jour.

Cependant, c'est à vous de prendre la décision. Et cet article ne traite pas de l'investissement, mais de la façon dont l'écrivain sait comment gérer les données hebdomadaires. Encore une fois, n'oubliez pas que l'investissement est à vos propres risques.

Prétraitement

Préparons les données. Dans mon cas, j'ai obtenu 160 jours de données et les ai arrangées en utilisant le remplacement. Puisque je voulais plus de jours, je l'ai importé une fois dans Excel, ajouté une colonne de jour à l'aide d'une fonction et créé les données csv suivantes "junkin.csv".

journée,Date et l'heure,Prix ouvert,Prix élevé,Bas prix,le dernier prix,Le volume,調整後le dernier prix*
2020-1-6,5220,5260,5200,5250,135951,5250
Comme ci-dessous, classés par ordre croissant de date

Capture de données

Importez des données csv. Certaines importations sont inutiles

import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn import datasets
plt.style.use('ggplot') #la magie
junkin = pd.read_csv("junkin.csv") #Lire les données csv
junkin.head() #Jetez un œil à l'aperçu

Vous pouvez sauter ici car vous ne l'utiliserez pas plus tard. Vérifiez le nombre de lignes et le type. On peut voir que la date et l'heure étaient en fait de type caractère ainsi que 160 jours. Pour le moment, ajoutez une colonne convertie en type date et heure.

n = len(junkin)
n

junkin['date'] = pd.to_datetime(junkin['Date et l'heure'], format='%Y/%m/%d')
junkin.dtypes

Par rapport au jour précédent, c'est-à-dire le cours de clôture du jour en cours - le cours de clôture du jour précédent est calculé et indiqué sous forme de colonne. Vérifiez la tête 3 lignes avec .head (3).

junkin['Le ratio de la veille'] = junkin['le dernier prix'].diff()
junkin.head(3)

Extraire les lignes du lundi.

mon = junkin.query('journée.str.endswith("Mois")', engine='python')
mon.head(3)

Jetons un coup d'œil aux statistiques sommaires concentrées sur lundi. Il en va de même du mardi au vendredi.

mon.describe()

en conclusion

Il vous appartient de juger des statistiques de synthèse calculées et de sortie. Pour déterminer personnellement «quel jour vous achetez de l'or pur», compareriez-vous la valeur moyenne de la veille? Vous pouvez essayer d'augmenter un peu plus la quantité de données.

mot-clé

・ Importer des données csv ・ Conversion en type de date ・ Extraction de lignes spécifiques