python - 在不考虑周末的情况下，如何确保日期显示为雅虎财经/谷歌财经？

Question

我目前正在使用 Alpha-Vantage 以 1 分钟的间隔获取财务数据。

amd=ts.get_intraday(symbol=symbol, outputsize='full', interval=interval)
amd=pd.DataFrame(amd[0])
amd.drop(amd.index[-1])

我得到以下输出

...
2020-03-02 09:37:00  46.1000  46.1265  45.7427   45.7427   701690.0
2020-03-02 09:36:00  46.0700  46.0700  45.9300   46.0500   725661.0
2020-03-02 09:35:00  46.1100  46.1100  46.1100   46.1100   484583.0
2020-03-02 09:34:00  46.7500  46.8000  46.3000   46.3447   614596.0
2020-03-02 09:33:00  46.9642  47.2300  46.6800   46.7400   528517.0
2020-03-02 09:32:00  47.6100  47.6100  46.7000   46.9800   770555.0
2020-03-02 09:31:00  47.4000  47.6800  47.1000   47.5500  3504998.0
2020-02-28 16:00:00  45.1500  45.5300  45.1400   45.4700   895713.0
2020-02-28 15:59:00  45.0900  45.1600  45.0100   45.1500   411553.0
2020-02-28 15:58:00  44.8750  45.0900  44.8400   45.0800   434739.0
2020-02-28 15:57:00  44.8400  44.9100  44.8100   44.8560   327619.0
2020-02-28 15:56:00  44.7500  44.9100  44.6800   44.8450   363272.0
2020-02-28 15:55:00  44.4800  44.7700  44.4604   44.7400   305512.0
...

如您所见，日期从 2 月 28 日跳到 3 月 2 日，这是理所当然的。但是，在 matplotlib 中绘制它时...

amd['4. close'].plot()

plt.title('AMD')
plt.show() 

...我得到下图，其中 mathplotlib通过绘制一条从一个数据点到另一个数据点的直线来弥补周末和封闭市场中数据的缺乏。

如何获得显示类似于 Yahoo Finance 或 Google Finance 股票图表的结果，它忽略了丢失的数据（如本例中所示？

标签： pythonpandasmatplotlibplotstock

Answer 1

就用这个。完毕。

import pandas as pd
import datetime
import pandas_datareader.data as web
start=datetime.datetime(2019,3,12)
end=datetime.datetime(2020,3,12)
df=web.DataReader('IBM','yahoo',start,end)
print(df)

结果：

2020-01-30  135.356583  
2020-01-31  142.244659  
2020-02-03  144.758408  
2020-02-04  147.569061  
2020-02-05  154.714447  
2020-02-06  155.139999  
2020-02-07  153.410004  
2020-02-10  154.429993  
2020-02-11  153.479996  
2020-02-12  155.309998  
2020-02-13  154.309998  
2020-02-14  150.699997  
2020-02-18  151.100006  
2020-02-19  150.860001  
2020-02-20  151.220001  
2020-02-21  149.839996  
2020-02-24  146.429993  
2020-02-25  141.710007  
2020-02-26  139.750000  
2020-02-27  133.110001  
2020-02-28  130.149994  
2020-03-02  134.300003  
2020-03-03  128.899994  
2020-03-04  134.220001  
2020-03-05  129.550003  
2020-03-06  127.730003  
2020-03-09  117.809998  
2020-03-10  124.769997  
2020-03-11  117.970001  
2020-03-12  102.809998 

也检查一下。

https://pandas-datareader.readthedocs.io/en/latest/remote_data.html#quandl