Tushare 金融数据接口教程

import matplotlib.pyplot as plt  # 导入绑图库

# 将 trade_date 转为日期类型，便于绘图
df_daily['trade_date'] = pd.to_datetime(df_daily['trade_date'])  # 转换日期格式

# 创建图表
fig, ax = plt.subplots(figsize=(10, 4.5))  # 设置图表大小
ax.plot(df_daily['trade_date'], df_daily['close'],  # 绘制收盘价折线
        color='#00A4E6', linewidth=1.2)  # 设置线条颜色和粗细
ax.set_title('海康威视 2024 年收盘价走势', fontsize=14)  # 设置标题
ax.set_xlabel('日期')  # 设置x轴标签
ax.set_ylabel('收盘价（元）')  # 设置y轴标签
ax.grid(True, alpha=0.3)  # 添加浅色网格线
plt.tight_layout()  # 自动调整布局
plt.show()  # 显示图表

import numpy as np  # 导入numpy用于数值计算

# 计算对数收益率：ln(P_t / P_{t-1})
df_daily['log_return'] = np.log(df_daily['close'] / df_daily['close'].shift(1))  # 计算对数收益率

# 绘制收益率时序图
fig, ax = plt.subplots(figsize=(10, 4.5))  # 创建图表
ax.bar(df_daily['trade_date'], df_daily['log_return'] * 100,  # 绘制收益率柱状图
       color=np.where(df_daily['log_return'] > 0, '#EC232A', '#00A4E6'),  # 涨红跌蓝
       width=2, alpha=0.8)  # 设置柱宽和透明度
ax.set_title('海康威视 2024 年日度对数收益率', fontsize=14)  # 设置标题
ax.set_xlabel('日期')  # 设置x轴标签
ax.set_ylabel('对数收益率（%）')  # 设置y轴标签
ax.grid(True, alpha=0.3)  # 添加网格线
plt.tight_layout()  # 自动调整布局
plt.show()  # 显示图表

# 获取不复权数据作为对比
df_no_adj = pro.daily(  # 获取不复权日度数据
    ts_code='002415.SZ',
    start_date='20200101',
    end_date='20241231'
)
df_no_adj = df_no_adj.sort_values('trade_date').reset_index(drop=True)  # 按日期排序
df_no_adj['trade_date'] = pd.to_datetime(df_no_adj['trade_date'])  # 转换日期格式
df_qfq_sorted = df_qfq.copy()  # 复制前复权数据
df_qfq_sorted['trade_date'] = pd.to_datetime(df_qfq_sorted['trade_date'])  # 转换日期格式

# 绘制对比图
fig, axes = plt.subplots(1, 2, figsize=(12, 4.5))  # 创建1行2列子图
axes[0].plot(df_no_adj['trade_date'], df_no_adj['close'], color='#A4AAAB')  # 不复权
axes[0].set_title('不复权', fontsize=13)  # 设置子图标题
axes[0].set_ylabel('收盘价（元）')  # 设置y轴标签
axes[0].grid(True, alpha=0.3)  # 添加网格

axes[1].plot(df_qfq_sorted['trade_date'], df_qfq_sorted['close'], color='#00A4E6')  # 前复权
axes[1].set_title('前复权', fontsize=13)  # 设置子图标题
axes[1].set_ylabel('收盘价（元）')  # 设置y轴标签
axes[1].grid(True, alpha=0.3)  # 添加网格

plt.suptitle('海康威视 2020-2024：复权效果对比', fontsize=14, y=1.02)  # 设置总标题
plt.tight_layout()  # 自动调整布局
plt.show()  # 显示图表

# 获取上证综指日度行情（指数代码：000001.SH）
df_sh = pro.index_daily(  # 获取指数日度数据
    ts_code='000001.SH',  # 上证综指
    start_date='20240101',  # 2024年起
    end_date='20241231'  # 2024年底
)
df_sh = df_sh.sort_values('trade_date').reset_index(drop=True)  # 按日期排序

# 获取沪深300指数日度行情（指数代码：000300.SH）
df_hs300 = pro.index_daily(  # 获取沪深300指数数据
    ts_code='000300.SH',  # 沪深300
    start_date='20240101',
    end_date='20241231'
)
df_hs300 = df_hs300.sort_values('trade_date').reset_index(drop=True)  # 按日期排序

# 归一化处理：以首日为基准计算累计收益率
df_sh['cum_ret'] = df_sh['close'] / df_sh['close'].iloc[0] * 100  # 上证综指归一化
df_hs300['cum_ret'] = df_hs300['close'] / df_hs300['close'].iloc[0] * 100  # 沪深300归一化
df_sh['trade_date'] = pd.to_datetime(df_sh['trade_date'])  # 转换日期格式
df_hs300['trade_date'] = pd.to_datetime(df_hs300['trade_date'])  # 转换日期格式

# 绘制对比图
fig, ax = plt.subplots(figsize=(10, 4.5))  # 创建图表
ax.plot(df_sh['trade_date'], df_sh['cum_ret'],  # 绘制上证综指
        label='上证综指', color='#EC232A', linewidth=1.5)  # 红色
ax.plot(df_hs300['trade_date'], df_hs300['cum_ret'],  # 绘制沪深300
        label='沪深300', color='#00A4E6', linewidth=1.5)  # 蓝色
ax.axhline(y=100, color='#6E7F82', linestyle='--', alpha=0.5)  # 基准线
ax.set_title('2024年：上证综指 vs 沪深300 累计收益率', fontsize=14)  # 标题
ax.set_ylabel('累计收益率（基期=100）')  # y轴标签
ax.legend()  # 显示图例
ax.grid(True, alpha=0.3)  # 网格线
plt.tight_layout()  # 自动调整布局
plt.show()  # 显示图表

# 使用之前获取的 df_result 数据绘图（如果数据不为空）
if len(df_result) > 0:  # 如果有数据
    # 获取公司名称用于x轴标签
    df_plot = df_result.merge(  # 关联公司名称
        df_stock_basic[['ts_code', 'name']],  # 股票代码和名称
        on='ts_code',  # 以股票代码为键
        how='left'  # 左连接
    )

    fig, ax1 = plt.subplots(figsize=(10, 4.5))  # 创建图表

    # 绘制营收柱状图
    x_pos = range(len(df_plot))  # x轴位置
    bars = ax1.bar(  # 绘制柱状图
        x_pos,  # x位置
        df_plot['revenue_yi'],  # 营收数据（亿元）
        color='#00A4E6',  # 蓝色
        alpha=0.7,  # 透明度
        label='营业收入'  # 图例标签
    )

    # 在第二个y轴上绘制净利润
    ax2 = ax1.twinx()  # 创建共享x轴的第二个y轴
    ax2.plot(  # 绘制折线图
        x_pos,  # x位置
        df_plot['n_income_yi'],  # 净利润数据（亿元）
        color='#EC232A',  # 红色
        marker='o',  # 圆形标记
        linewidth=2,  # 线宽
        label='净利润'  # 图例标签
    )

    ax1.set_xticks(x_pos)  # 设置x轴刻度
    ax1.set_xticklabels(df_plot['name'], rotation=25, fontsize=8)  # 设置x轴标签
    ax1.set_ylabel('营业收入（亿元）', color='#00A4E6')  # 设置y轴标签
    ax2.set_ylabel('净利润（亿元）', color='#EC232A')  # 设置y轴标签
    ax1.set_title('长三角IT设备企业财务指标对比（2024Q3）', fontsize=13)  # 标题

    # 合并两个轴的图例
    lines1, labels1 = ax1.get_legend_handles_labels()  # 获取柱状图图例
    lines2, labels2 = ax2.get_legend_handles_labels()  # 获取折线图图例
    ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')  # 合并图例

    ax1.grid(True, alpha=0.2)  # 添加网格线
    plt.tight_layout()  # 自动调整布局
    plt.show()  # 显示图表