本文我们一起用python来对某只股票的所有历史日数据，做一个探索性的分析，看看能不能有一些有趣的发现，希望能激起你对金融数据分析的兴趣。主要用到numpy，pandas模块的一些基本用法。本文的所有数据，包含所有A股的日数据，在文末有下载。
一、熟悉数据集
我们先导入需要的模块，然后用pandas的read_csv方法载入数据集。
观察数据集，包含了代码为000001的股票（平安银行）从上市至今的共6000多天的交易记录，包括每个交易日的交易日期，四个价格（最高，最低，开盘，收盘），涨跌（比），以及交易量和交易额。可以说，有了上面这些数据，可以造出任意一个技术分析指标。
画个收盘价的均线图试试看：
上文代码解释：我们先把“trade_date“这一列调整为时间格式，再把它设置为index。然后用df.rolling().mean()计算移动平均数。最后为了现实清晰，选取6500行以后的三个数据进行可视化显示。
二、初步探索数据集
1.看一下目前的价格处于历史中的什么价位
知道了一只股票的价格目前相对最高最低价所处的位置，我们就可以据此对它有一个总体的认识。我们还可以把上面的代码封装成一个函数，函数的输入是股票代码，然后遍历所有的股票，这样我们就可以挑选出我们需要的股票进行进一步研究。比如你想要超低价股，那么可以把p小于5%的股票打印出来，如果想要历史最高价的股票，那就是p＝1.
2.选择合适的移动平均数
有些散户喜欢利用移动平均线来判断买入卖出，比如常见的，五日ma5上穿十日均线ma10时买入股票，反之卖出股票。那我们接下来先看看，这样的策略效果怎么样。
上文代码解释：我们根据之前的df生成一个新的dataframe：signals。然后把ma5大于ma10的情况筛选出来，生成新的dataframe：upsig。再对所有ma5大于ma10的时候的涨跌绝对值进行一个简单的相加。可以看出，结果还是比较大的，说明这个策略在这只股票上其实还是有可行性的。
那么我们不禁要问，5和10这两个参数是不是最佳的呢？如果选5和20呢？结果怎么样？如果你能想到把上面的代码封装成函数，然后用这两个参数作为输入，用循环遍历的方法求出一个最大值，那么也是很可以的了。当然我们还有更加犀利的工具，那就是机器学习！
用上面的代码，一会儿就造出了接近500个特征，也就是我们机器学习重点的input_data,然后我们可以选取“change”作为我们的结果标签，需要优化的两个参数可以作为超参，使用LR,SVM,RF,ANN等模型把它们玩透。怎么玩？请听下回分解。
关于Python技术储备
学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！
包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习等习教程。带你从零基础系统性的学好Python！
一、Python学习大纲
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
二、Python必备开发工具
三、入门学习视频
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、python副业兼职与全职路线
上述这份完整版的Python全套学习资料已经上传CSDN官方，朋友们如果需要可以微信扫描下方CSDN官方认证二维码 即可领取↓↓↓
👉[[CSDN大礼包：《python兼职资源&全套学习资料》免费分享]]（安全链接，放心点击）
文章出处登录后可见！
