Class 04. 데이터 전처리와 이동평균

# Common\fdrCommon.py # https://github.com/FinanceData/FinanceDataReader 참고 import FinanceDataReader as fdr # 주식, 가상화폐 등 금융 데이터를 쉽게 가져올 수 있는 파이썬 라이브러리 from datetime import datetime, timedelta # 시간, 일자 관련 처리하기 위한 라이브러리 def getPriceHistory(symbol, end_date='', days=0): # end_date가 비어있으면 오늘 날짜로, days가 0이면 200으로 설정 if not end_date: end = datetime.today() else: end = datetime.strptime(end_date, '%Y-%m-%d') if days == 0: days = 200 start = end - timedelta(days=days) # 종료 일자 계산 df_history = fdr.DataReader(symbol, start=start, end=end) # FinanceDataReader를 사용하여 주식 가격 데이터 가져오기 return df_history def getStockList(market): # fdr의 모듈을 사용해 market에 해당하는 종목 리스트를 가져와 df(dataframe)에 담아둠 df = fdr.StockListing(market) return df

# Class04\preprocessingMA.py import pandas as pd import fdrCommon import matplotlib.pyplot as plt import numpy as np # 과학 계산을 위해 사용, 대규모 다차원 배열과 행렬 연산에 최적화된 기능을 제공 pd.set_option('display.max_columns', None) # df(Dataframe) 출력시 모든 컬럼 출력하도록 처리 pd.set_option('display.width', 1000) # df(Dataframe) 출력시, 한 로우가 따로 출력되지 않도록 충분한 길이 설정 def preprocessing_MA(df): # 현재 df의 Date 컬럼이 인덱스이자 Date 형태 값으로 구성되어 있음 # 이 경우, 차트로 그릴때 휴일을 알아서 건너뛰고 나오므로, Date를 일부러 문자로 변환 처리 # 인덱스는 순번으로 재처리 df.index = df.index.strftime('%Y-%m-%d') # 'Date' 인덱스를 문자열로 변환 df.reset_index(drop=False, inplace=True) # 인덱스는 순번 재처리(Date 컬럼이 일반 컬럼으로 변경됨) df['MA20'] = df['Close'].rolling(window=20).mean() # 20일 이동평균 df['MA60'] = df['Close'].rolling(window=60).mean() # 60일 이동평균 df['MA120'] = df['Close'].rolling(window=120).mean() # 120일 이동평균 df['MA200'] = df['Close'].rolling(window=200).mean() # 200일 이동평균 return df def DrawChart(df, showDays): # df의 내용을 시각화합니다. df = df.tail(showDays).copy() # df에서 최근 몇 개의 데이터만 잘라냅니다. # 차트와 서브플롯 생성 fig, (ax1, ax2) = plt.subplots(2, 1, gridspec_kw={'height_ratios': [4, 1]}) # 'Close' 및 이동평균을 ax1에 표시 ax1.plot(df['Date'], df['Close'], label='Close', color='black') ax1.plot(df['Date'], df['MA20'], label='MA20', color='red', alpha=0.7) ax1.plot(df['Date'], df['MA60'], label='MA60', color='green', alpha=0.7) ax1.plot(df['Date'], df['MA120'], label='MA120', color='blue', alpha=0.7) ax1.plot(df['Date'], df['MA200'], label='MA200', color='purple', alpha=0.7) ax1.legend(loc='upper left') ax1.set_title('Stock Price and Moving Averages') ax1.set_ylabel('Price') # 'Volume'을 ax2에 표시 ax2.bar(df['Date'], df['Volume'], color='gray', alpha=0.8) ax2.set_ylabel('Volume') # xtick이 너무 많아서 안보이므로 10개만 보이도록 처리. day_xticks = np.linspace(0, len(df['Date']) - 1, 10, dtype=int) ax1.set_xticks(day_xticks) ax1.set_xticklabels(df['Date'].iloc[day_xticks]) ax2.set_xticks(day_xticks) ax2.set_xticklabels(df['Date'].iloc[day_xticks]) plt.show() symbol = "005930" df = fdrCommon.getPriceHistory(symbol, '', 600) # fdr공통모듈을 통해 티커의 주가 정보 가져오기 df_MA = preprocessing_MA(df) print(df_MA) DrawChart(df_MA, 200)