有了資料後,就要進行分析,因此需要做出圖表比較適合觀察,所以我們現在來做圖囉!
本日程式碼使用:d8_3Legal_chart.ipynb
需要安裝好用的Python編輯器:Jupyter,可以看之前的文章。需要使用這個語法:
pipenv install jupyter
安裝完後,就有了Jupyter的樣子囉
需要從資料庫取的資料,因此需要引入之前的連線功能,再加上pandas製作圖表。記得要安裝matplotlib
來製作圖表,不然會發生錯誤:
matplotlib is required for plotting when the default backend "matplotlib" is selected.
都安裝好後,就開始寫程式囉!
首先把所需的模組放入:
import db_connect
import pandas
接著建立與MySQL的連線:
my_connt_obj = db_connect.mysql_connect()
# print(my_connt_obj.db_settings) #for check data
conn = my_connt_obj.connect()
取得連線後,取得我們所需要的資料,放在Dataframe中,是使用read_sql,直接取得我們所需要影響市場最大且交易量最多的三大法人之首:外資及陸資的每日期貨留存部位:
df = pandas.read_sql("SELECT TradeDate,FutureOINetQty FROM LegalDailyFutureOption WHERE TradeGroup ='外資及陸資'", con=conn)
然後我們把X軸變成日期,然後畫圖:
total_data = df.set_index("TradeDate")
ax1 = total_data.plot()
看不出來什麼東西來,把時間縮點一點,變成近100個交易日:
total_data2 = total_data.iloc[-100:]
print(total_data2.head())
ax2 = total_data2.plot()
這邊使用.iloc
的方式,取得最後100筆資料,所以就會從2021年開始,不會從2018開始畫,圖表也比較清楚趨勢。
但是這樣還是無法研究出什麼,這時候需要大盤指數,來驗證我們的資料是否可以做參考。