24.08.23 유한양행과 렉라자

# QUANTLive\20240823_유한양행_렉라자.py # Class04의 prepreocessingMA 의 내용을 기본으로 합니다. 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 # 변경: df_google 추가함. 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') # 변경-5: ax1_twin에 구글 트렌드를 같이 그려주기 ax1_twin = ax1.twinx() ax1_twin.plot(df['Date'],df['trend'],label='Google Trend',color='orange') ax1_twin.legend(loc='lower left') # '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() # 변경-1: Symbol을 유한양행의 종목코드로 변경 symbol = "000100" # 유한양행 df = fdrCommon.getPriceHistory(symbol, '', 200) # fdr공통모듈을 통해 티커의 주가 정보 가져오기 df_MA = preprocessing_MA(df) print(df_MA.head(10)) # 변경-2: 20240823_렉라자_구글트렌드.csv 파일 읽어들이기. df_google = pd.read_csv('20240823_렉라자_구글트렌드.csv', encoding='cp949') print(df_google.head(10)) # 변경-3: df_MA와 df_google을 Date 컬럼을 기준으로 병합 # how='left'는 df_MA의 모든 데이터를 유지하고 해당하는 df_google의 데이터를 추가함 # on='Date'는 두 DataFrame이 'Date' 컬럼을 기준으로 병합됨을 의미함 df_MA_merged = df_MA.merge(df_google[['Date', 'trend']], on='Date', how='left') print(df_MA_merged.head()) # 병합된 데이터의 처음 몇 줄을 출력하여 확인 # 변경-4: df_MA_merged 를 넘기도록 변경 DrawChart(df_MA_merged, 200)