本系列转载自youtuber sentdex博主的教程视频内容
https://www.youtube.com/watch?v=19yyasfGLhk&index=4&list=PLQVvvaa0QuDcOdF96TBtRtuQksErCEBYZ
手工翻译，有任何疑问可以在下方留言，我尽力回答~
该系列视频已经搬运至bilibili： 点击查看
汉化版视频：点击查看
正确的食用方法：文章大部分为机翻，修正了一些有明显不通顺的地方，能读懂大致意思即可，代码是最重要的，代码量不多很容易看懂
学习该系列您需要有：
1. Python基础知识
2. 安装 numpy/matplotlib/pandas/pandas-datareader/beatifulsoup4/sklearn
HI all,欢迎来到Python for Finance系列教程。在本系列中，我们将介绍使用Pandas框架将金融（股票）数据导入Python的基础知识。从这里开始，我们将操纵数据并试图想出一些投资公司的系统，应用一些机器学习，甚至是一些深入的学习，然后学习如何回溯测试策略。我假设你知道Python的基础知识。如果在任何时候你被困在这个系列中，或者对某个主题或概念感到困惑，请随时寻求帮助，我会尽我所能提供帮助。
我被问到的一个常见问题是我是否通过这些技术获利投资或交易。我主要是为了娱乐而练习金融数据，并且练习我的数据分析技巧，但实际上这也影响了我今天的投资决策。在写这篇文章的时候，我并没有用编程进行积极的算法交易，但是我已经有了，而且我实际上已经从中盈利了，但是它的工作量远远超出了您对算法交易的期望。最后，关于如何操纵和分析财务数据以及如何测试交易状态的知识为我节省了大量的金钱。
这里提出的策略都不会让你成为一个超富有的人。如果他们愿意，我可能会把它们留给自己！然而，知识本身可以为你节省资金，甚至可以让你赚钱。
好吧，让我们开始吧。首先，我使用的是Python 3.5，但您应该能够使用更高版本。我会假设你已经安装了Python。如果你没有64位的Python，但是有64位的操作系统，可以获得64位的Python，它稍后会帮助你。如果你使用的是32位操作系统，我为你的情况感到抱歉，但无论如何，你应该没问题。
需要安装的python模块：
- Numpy
- Matplotlib
- Pandas
- Pandas-datareader
- BeautifulSoup4
- scikit-learn / sklearn
首先，我们将进行以下导入：
import datetime as dt import matplotlib.pyplot as plt from matplotlib import style import pandas as pd import pandas_datareader.data as web
现在进行一些启动设置：
style.use('ggplot')
start = dt.datetime(2000, 1, 1)
end = dt.datetime(2016, 12, 31)
我们正在设定一种style，所以我们的图表看起来并不可怕。在金融领域，即使您亏损，您的图表也非常重要。接下来，我们将设置开始和结束日期时间对象，这将是我们要获取股票定价信息的日期范围。
现在，我们可以根据这些数据创建一个数据集dataframe，这里df就是dataframe的缩写：
df = web.DataReader('TSLA', "yahoo", start, end)
（18.3.16注： 当前新版的pandas-datareader在获取yahoo数据的时候接口有问题，拿不到数据，建议使用python2版本，pandas-datareader==0.5.0 亲测有效）
如果您目前不熟悉DataFrame对象，可以查看关于Pandas的教程，或者只是将其想象为电子表格或存储器/ RAM中的数据库表。这只是一个行和列表，你有一个索引和列名。在我们的情况下，我们的指数可能是日期。该索引应该是与所有列相关的内容。
web.DataReader（'TSLA'，'yahoo'，start，end）使用pandas_datareader包，寻找股票代码TSLA（特斯拉），从yahoo获取信息，以任何开始的起始日期为结束我们选择的最终变量。只要你不知道，股票是公司所有权的一部分，股票是用来引用公司所在股票交易所的“符号”。大部分代码是1-4个字母。
所以现在我们有一个包含特斯拉股票定价信息的Pandas.DataFrame对象。让我们看看我们在这里：
print(df.head())
Open High Low Close Volume Adj Close Date 2010-06-29 19.000000 25.00 17.540001 23.889999 18766300 23.889999 2010-06-30 25.790001 30.42 23.299999 23.830000 17187100 23.830000 2010-07-01 25.000000 25.92 20.270000 21.959999 8218800 21.959999 2010-07-02 23.000000 23.10 18.709999 19.200001 5139800 19.200001 2010-07-06 20.000000 20.00 15.830000 16.110001 6866900 16.110001
.head（）是您可以对Pandas DataFrames执行的操作，它会输出前n行，其中n是您传递的可选参数。如果您未传递参数，则默认值为5。我们很可能会使用.head（）来快速浏览我们的数据，以确保我们走在正确的轨道上。看起来很棒！
如果您不知道：
Open - 开盘价 股市在早上开盘交易时，一股的价格是多少？
High - 最高 在交易日的过程中，那一天的最高价值是多少？
Low - 最低 在交易日的过程中，那一天的最低价值是多少？
Close - 收盘价 当交易日结束时，最终价格是多少？
Volume - 那一天，交易了多少股份？
adj Close - 复权后价格 这一点稍微复杂一些，但随着时间的推移，公司可能会决定做一些所谓的股票拆分。例如，苹果一旦股价超过1000美元就做了一次。由于在大多数情况下，人们无法购买股票的一小部分，股票价格1,000美元对投资者来说相当有限。公司可以进行股票拆分，他们说每股份现在是2股，价格是一半。任何人在苹果公司以每股1000美元的价格将股票翻番的情况下持有1股苹果股份，他们将拥有2股苹果公司（AAPL），每股价值500美元。 Adj Close是有帮助的，因为它可以解释未来的股票分割，并给出分割的相对价格。出于这个原因，调整后的价格是您最有可能处理的价格。