데이터 분포 시각화

Python으로 금융 데이터 가져오기와 관리

Stefan Jansen

Instructor

항상 데이터를 확인하세요!

같은 지표도 전혀 다른 데이터를 나타낼 수 있습니다

항상 데이터를 확인

seaborn 플롯 소개

매력적이고 유익한 통계 플롯 다수
matplotlib 기반
만능 도구: seaborn.distplot()
- 히스토그램
- 커널 밀도 추정(KDE)
- 럭플롯

미 국채 10년물: 추세와 분포

ty10 = web.DataReader('DGS10', 'fred', date(1962, 1, 1))
ty10.info()

DatetimeIndex: 15754 entries, 1962-01-02 to 2022-05-20
Data columns (total 1 columns):
 #   Column  Non-Null Count  Dtype  
 --  ------  --------------  -----  
 0   DGS10   15083 non-null  float64

ty10.describe()

              DGS10
mean       6.291073
std        2.851161
min        1.370000
25%        4.190000
50%        6.040000
...

미 국채 10년물: 시계열 추세

ty10.dropna(inplace=True) # Avoid creation of copy

ty10.plot(title='10-year Treasury'); plt.tight_layout()

10년물 시계열

미 국채 10년물: 역사적 분포

import seaborn as sns
sns.distplot(ty10)

10년물 분포 히스토그램

미 국채 10년물: 추세와 분포

ax = sns.distplot(ty10)
ax.axvline(ty10['DGS10'].median(), color='black', ls='--')

10년물 밀도

연습해 봅시다!

Python으로 금융 데이터 가져오기와 관리