データの分布を可視化する

Pythonでの金融データのインポートと管理

Stefan Jansen

Instructor

必ずデータを確認する

同じ指標でもまったく異なるデータを表すことがある

必ずデータを見る

seaborn プロットの紹介

魅力的で有益な統計プロットが多数
matplotlib ベース
スイスアーミーナイフ：seaborn.distplot()
- ヒストグラム
- カーネル密度推定（KDE）
- ラグプロット

10年国債：トレンドと分布

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
...

10年国債：時系列トレンド

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

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

10年国債の時系列

10年国債：分布（履歴）

import seaborn as sns
sns.distplot(ty10)

10年国債のヒストグラム

10年国債：トレンドと分布

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

10年物の密度プロット

Passons à la pratique !

Pythonでの金融データのインポートと管理