数据采集20200628(指数/股价分布图)

#指数/股价分布图

EDate=”20200624″

import seaborn as sns

import matplotlib.pyplot as plt

data1=DataAPI.MktIdxdGet(indexID=u””,ticker=u”000842″,tradeDate=u””,beginDate=u”19900101″,endDate=EDate,

exchangeCD=u”XSHE,XSHG”,field=u”closeIndex”,pandas=”1″)

sns.set_style(‘darkgrid’)#1蓝线

sns.distplot(data1)

sns.distplot(data1, fit=stats.laplace, kde=False)#2黑线

#注意这两个图微小的区别。第一种情况你是在估计一个未知的概率密度函数(PDF),而第二种情况是你是知道分布的,并想知道哪些参数可以更好的描述数据。

data2=DataAPI.MktIdxdGet(indexID=u””,ticker=u”000842″,tradeDate=u””,beginDate=u”19900101″,endDate=EDate,

exchangeCD=u”XSHE,XSHG”,field=u”tradeDate,closeIndex”,pandas=”1″)

d={‘mean’:([np.mean(data2.closeIndex)]),’median’:([np.median(data2.closeIndex)]),’std’:([np.std(data2.closeIndex)])}

jg=pd.DataFrame(d)

mean=jg[‘mean’]

std=jg[‘std’]

s=np.random.normal(mean,std,3000)

s_fit=np.linspace(s.min(),s.max())

plt.plot(s_fit,stats.norm(mean,std).pdf(s_fit), lw=2, c=’r’)

plt.show()#按平均值和标准差绘制正态分布样本(红线)

Leave a Reply

邮箱地址不会被公开。 必填项已用*标注