Python数据分析之绘制m1-m2数据

目录
  • 前言
  • m0-m1-m2 数据获取
  • ppi-cpi 图形绘制
  • 总结

前言

前文讲述了 ppi-cpi的图形绘制，在本文中继续分享另外一个与经济息息相关的货币数据指标 M0-M1-M2 ，在这里还是采用爬虫的方式获取数据，然后通过 matplotlib 绘图工具将 m0-m1-m2 数据同框展示，最后通过颜色填充来表示其中的差额部分。对于新手来讲，会学习到 python 的基础知识、爬虫以及图形绘制的知识。

m0-m1-m2 数据获取

在获取数据之前，先讲述一下数据背后的含义：

  • 1 m0,即流通中的现金
  • 2 m1,即狭义货币，m1 = m0 + 活期存款
  • 3 m2,即广义货币，m2 = m1 + 居民储蓄存款＋单位定期存款＋单位其他存款＋证券公司客户保证金

m1 是货币流动性和经济活跃的指标，m1 增加代表投资者信信心增强，经济的活跃度提高。 m1 增速大于 m2 意味着居民和企业的交易活跃，经济个体盈利能力强，景气度上升。 如果 m1 小于 m2 则经济景气度下降，盈利能力下降。

既然是数据获取，就需要找一个权威的网站获取数据，这里小编采用东方财富网的数据，这里直接给出页面的访问地址：

# 货币供应量数据访问地址
https://data.eastmoney.com/cjsj/hbgyl.html

货币供应量的数据来源如下图所示，这里只获取月份数据和同比增长即可，绝对值在这里就不去获取了。

既然知道了货币供应量数据的来源，怎么获取数据呢，是不是要复制页面进 excel 在进行解析，no，这样的话不符合程序员的气质。我想诸位页注意到了表格下方有分页，那么肯定是有通过 ajax 和后台进行通信的，通过观察可以发现如下接口，可以获取我们想要的数据：

# 货币供应量接口
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=200&mkt=11
# 这里也同样贴了上一篇中 ppi 和 cpi 的接口，会发现都是一样的，只不过mkt的参数不一样
# ppi 数据和cpi 数据
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=10&mkt=22
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=10&mkt=19

至于数据的获取，还是使用原理的方式进行操作，使用 python 抓取数据，这里采用 requests 来获取数据：

body = requests.get(req_url).text
body = body.replace("(", "").replace(")", "")
data_list = body.split("","")

# 定义数据
date_list, m0_list, m1_list, m2_list = [], [], [], []

for node in data_list:
    node = node.replace("]", "").replace("[", "").replace("\"", "")
    arr_list = node.split(",")
    date = arr_list[0]
    if date < "2011-01-01":
        continue
    # 时间数据
    date_list.append(date)
    # 数据操作存储
    m2_list.append(float(arr_list[2]))
    m1_list.append(float(arr_list[5]))
    m0_list.append(float(arr_list[8]))
    # 0 时间
    # 1-m2总量 2-m2同比增速 3-环比增速
    # 4-m1总量 5-m1同比增速 6-环比增速
    # 7-m0总量 8-m0同比增速 9-环比增速
    print(node)

最终获取到的数据如下图所示：

ppi-cpi 图形绘制

在绘制图形之前，需要先对数据进行处理：

  • 1 数据需要进行加工，提取需要展示的数据，日期和同比数据，数据的格式需要转换。
  • 2 在数据处理时，还是按照 m0 m1 m2 和时间的列表来获取数据。
  • 3 依旧使用 np.asarray 创建数据，进行图形绘制的准备工作。

按照以上的观点，数据处理的代码如下图所示：

对于图形的绘制，有以下几点：

  • 1 图形中需要展示 m1 和 m2 的数据情况，同时展示图例进行标识。
  • 2 能够体现出数据的差值区间和范围，差值部分进行颜色填充并予以区分。

最后，经过这些编码，得到了最终的货币供应量增速对比图形如下：

m0-m1-m2 货币增速对比图：

m1-m2 货币增速对比&差异图：

总结

在本文中，介绍了简单的 python 爬虫，并使用 numpy 进行了简单的数据处理，最终使用 matplotlib 进行图形绘制，实现了直观的方式展示货币供应量的增速图形。使用接口的方式获取数据可以随时获取数据更新重新绘制图形，省去了数据重新抓取的步骤。

到此这篇关于Python数据分析之绘制m1-m2数据的文章就介绍到这了,更多相关Python m1-m2绘制内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • Python基础之教你怎么在M1系统上使用pandas

    Python基础之教你怎么在M1系统上使用pandas

    一.问题 目前为止,M1系统上还不能使用pip3安装pandas库,无法使用pandas进行数据分析和处理.虽然网上也有专门适配M1的python环境,但实施起来也比较麻烦,不够纯粹. 那在M1上,如何使用pandas? 二.方案 docker新版本已经支持M1了,我们不妨尝试一下,是否可以用vscode+docker使用pandas. 1.安装M1版本的docker 访问https://docs.docker.com/docker-for-mac/install/,下载M1版本的docker.

  • Macbook air m1安装python/anaconda全过程(图文)

    Macbook air m1安装python/anaconda全过程(图文)

    1. 起因 M1芯片的macbook是arm架构,直接装普通x86系统上的anaconda感觉有点没必要,在网上搜寻了很多攻略,看到有专门针对arm架构的miniforge3 可以直接使用.安装攻略虽然大部分有用,但是有些地方还差那么一点点,需要额外找攻略修正,为了避免我几年后重装忘记了操作,我准备从头记录一下,方便面对同样问题的小伙伴. 2. 安装 安装过程我参考了另外一篇csdn的随笔,在此基础上进行删减https://www.jb51.net/article/208310.htm 首先下载

  • python实现sm2和sm4国密(国家商用密码)算法的示例

    GMSSL模块介绍 GmSSL是一个开源的加密包的python实现,支持SM2/SM3/SM4等国密(国家商用密码)算法.项目采用对商业应用友好的类BSD开源许可证,开源且可以用于闭源的商业应用. 安装模块 pip install gmssl https://github.com/duanhongyi/gmssl/blob/master/README.md官方文档 SM2算法 RSA算法的危机在于其存在亚指数算法,对ECC算法而言一般没有亚指数攻击算法 SM2椭圆曲线公钥密码算法:我国自主知识产

  • M1芯片安装python3.9.1的实现

    M1芯片安装python3.9.1的实现

    引言: 2020年12月20python宣布适配苹果m1芯片,这意味着python3.9.0可以不经过rosetta转化,以原生的方式运行在最新的Mac上,如果刚刚购入Mac,那么看完这篇文件,你就可以在你的Mac上安装最新的python了 下载python安装包 由于国内网络限制,连接python官网很慢,这里提供阿里云的下载镜像 http://npm.taobao.org/mirrors/python/ 安装python 下载完成后你就可以在你的下载文件中发现这个安装包,像Windows一样

  • MacBook m1芯片采用miniforge安装python3.9的方法示例

    MacBook m1芯片采用miniforge安装python3.9的方法示例

    因为m1芯片是arm版本的架构,以前在mac上的很多软件都是基于Intel架构的软件,apple开发了rossta2,可以在m1上运行intel架构的软件,但是性能会有损失 python的3.9版本已原生支持m1芯片,更多支持m1芯片的软件可以查看网址:https://isapplesiliconready.com/ 使用miniforge GitHub地址:https://github.com/conda-forge/miniforgeGitee 地址:https://gitee.com/ph

  • MacbookM1 python环境配置随笔

    MacbookM1 python环境配置随笔

    安装minianaconda 下载对应arm版本的minianaconda的安装包,即Miniforge3-MacOSX-arm64 打开终端,cd到安装包储存目录,命令为cd /Users/用户名/文件夹名 输入命令sh Miniforge3-MacOSX-arm64.sh安装,一路yes到最后即可完成安装,基础环境是python3.9.1 可以通过source activate,conda info --envs查看安装结果,如果没有报错即为安装成功 环境配置常用命令 创建虚拟环境 cond

  • 在Python3.74+PyCharm2020.1 x64中安装使用Kivy的详细教程

    在Python3.74+PyCharm2020.1 x64中安装使用Kivy 我实验环境是Python3.74+PyCharm2020.1 x64+Kivy kivy 是一款 python 的跨平台的GUI开发框架,可以打包为Android.iOS等移动应用,还能运行在Linux.Windows.MacOS上.官网 https://kivy.org/#home 要使用Kivy,首先就得安装Python,要在PyCharm中使用还要安装PyCharm.Python有好多版本,你可以同时安装其中的好

  • Python数据分析之绘制m1-m2数据

    Python数据分析之绘制m1-m2数据

    目录 前言 m0-m1-m2 数据获取 ppi-cpi 图形绘制 总结 前言 前文讲述了 ppi-cpi的图形绘制,在本文中继续分享另外一个与经济息息相关的货币数据指标 M0-M1-M2 ,在这里还是采用爬虫的方式获取数据,然后通过 matplotlib 绘图工具将 m0-m1-m2 数据同框展示,最后通过颜色填充来表示其中的差额部分.对于新手来讲,会学习到 python 的基础知识.爬虫以及图形绘制的知识. m0-m1-m2 数据获取 在获取数据之前,先讲述一下数据背后的含义: 1 m0,即流

  • Python数据分析之绘制ppi-cpi剪刀差图形

    Python数据分析之绘制ppi-cpi剪刀差图形

    目录 前言 ppi 和 cpi 数据获取 ppi-cpi 图形绘制 总结 前言 ppi-cpi 剪刀差大家可能都听说过,通过这个指标可以了解当前的经济运行状况,小编为了学习 python 的图形绘制,通过爬虫的方式获取到 ppi 和 cpi 的历史数据,然后通过 matplotlib 绘图工具将 ppi 数据和 cpi 数据同框展示,最后通过颜色填充来表示其中的差额部分.对于新手来讲,会学习到 python 的基础知识.爬虫以及图形绘制的知识. ppi 和 cpi 数据获取 既然是数据获取,就需

  • Python数据分析之分析千万级淘宝数据

    Python数据分析之分析千万级淘宝数据

    目录 1.项目背景与分析说明 2.导入相关库 4.模型构建 1)流量指标的处理 2)用户行为指标 3)漏斗分析 4)客户价值分析(RFM分析) 1.项目背景与分析说明 1)项目背景 网购已经成为人们生活不可或缺的一部分,本次项目基于淘宝app平台数据,通过相关指标对用户行为进行分析,从而探索用户相关行为模式. 2)数据和字段说明 本文使用的数据集包含了2014.11.18到2014.12.18之间,淘宝App移动端一个月内的用户行为数据.该数据有12256906天记录,共6列数据. user_i

  • Python数据分析之PMI数据图形展示

    Python数据分析之PMI数据图形展示

    目录 前言 PMI 数据获取 pmi 图形绘制 总结 前言 前文讲述了 ppi-cpi 和 m0-m1-m2 的图形绘制,在本文中继续分享一个反映经济活动景气度的指标 PMI ,在本文中还是采用爬虫的方式获取数据,然后通过 matplotlib 绘图工具将 PMI 逐年数据进行展示.对于新手来讲,会学习到 python 的基础知识.爬虫以及图形绘制的知识. PMI 数据获取 在获取数据之前,先讲述一下 PMI (采购经理人指数) 数据背后的含义: 大家都知道,制造业是一个国家的立国之本,那么 P

  • Python数据分析之 Matplotlib 散点图绘制

    Python数据分析之 Matplotlib 散点图绘制

    前言: 散点图,又称散点分布图,是使用多个坐标点的分布反映数据点分布规律.数据关联关系的图表,Matplotlib 中可以通过以下方式绘制散点图: 使用plt.plot方法: 在上篇文章Python数据分析之 Matplotlib 折线图绘制中,我们介绍了可以使用plt.plot()方法绘制折线图,该方法同样可以绘制散点图,如下: import random x = range(15) y = [i + random.randint(-2,2) for i in x] plt.plot(x, y

  • Python数据分析之 Matplotlib 折线图绘制

    Python数据分析之 Matplotlib 折线图绘制

    目录 一.Matplotlib 绘图 简单示例 二.折线图绘制 一.Matplotlib 绘图 在数据分析中,数据可视化也非常重要,通过直观的展示过程.结果数据,可以帮助我们清晰的理解数据,进而更好的进行分析.接下来就说一下Python数据分析中的数据可视化工具 Matplotlib 库. Matplotlib 是一个非常强大的Python 2D绘图库,使用它,我们可以通过图表的形式更直观的展现数据,实现数据可视化,使用起来也非常方便,而且支持绘制折线图.柱状图.饼图.直方图.散点图等. 可以使

  • Python数据分析Matplotlib 柱状图绘制

    Python数据分析Matplotlib 柱状图绘制

    前言: 柱状图是一种使用矩形柱来表示数据分布的图表,可以横向排列,也可以纵向排列,它的高度或长度和他们所代表的值成正比关系. Matplotlib 提供了bar()方法绘制柱状图, 语法格式如下: plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs) 常用参数及说明如下: x:表示x轴数据,接收list列表类型数据 height:表示柱状图的高度,接收list列表类型数据 width:

  • Python数据分析之使用matplotlib绘制折线图、柱状图和柱线混合图

    Python数据分析之使用matplotlib绘制折线图、柱状图和柱线混合图

    目录 matplotlib介绍 matplotlib绘制折线图 matplotlib绘制柱状图 matplotlib绘制柱线混合图 总结 matplotlib介绍 Matplotlib 是 Python 的绘图库. 它可与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案. 它也可以和图形工具包一起使用,如 PyQt 和 wxPython. 安装Matplotlib库命令:在cmd命令窗口输入pip install matplotlib. matplotlib绘制折线图 1.绘

  • Python数据分析之 Matplotlib 饼图绘制

    Python数据分析之 Matplotlib 饼图绘制

    前言: 饼状图是用来呈现一个数据系列中各项的大小与各项占项总和的百分比,Matplotlib 提供了plt.pie()方法绘制柱状图,语法格式如下: plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None,

  • Python数据分析应用之Matplotlib数据可视化详情

    Python数据分析应用之Matplotlib数据可视化详情

    目录 简述 掌握绘图基础语法与基本参数 掌握pyplot基础语法 pyplot中的基础绘图语法 包含子图的基础语法 调节线条的rc参数 调节字体的rc参数 分析特征间的关系 绘制散点图 绘制2000-2017年个季度过敏生产总值散点图 绘制2000-2017年各季度国民生产总值散点图 绘制折线图 绘制2000-2017年各季度过敏生产总值折线图 2000~ 2017年各季度国民生产总值点线图 2000~ 2017年各季度国民生产总值折线散点图 任务实现 任务1 任务2 分析特征内部数据分布与分散

随机推荐