Python如何基于日期为股票数据设置离群值以绘制异常波动图

核心问题原因 #

你之前用y["2019"]=40不生效的根本原因是：单独提取的y = AAPL['Close/Last']是一个以行号为默认索引的Series，并没有绑定日期作为索引，所以无法通过日期字符串定位到对应数据。

解决步骤 #

第一步：将日期列设为DataFrame的索引 #

读取数据后先做日期格式转换，再把日期列设为整个数据表的索引，之后就可以直接通过日期定位数据：

AAPL = pd.read_csv('AAPL.csv', header=0)
# 转换日期格式并设为索引
AAPL['Date'] = pd.to_datetime(AAPL['Date'])
AAPL = AAPL.set_index('Date')

第二步：按日期设置离群值 #

两种常用场景的写法：

• 单个指定日期设置离群值

# 比如将2019年1月2日的收盘价设为40
AAPL.loc["2019-01-02", "Close/Last"] = 40
# 比如将2020年3月10日的收盘价设为1.4
AAPL.loc["2020-03-10", "Close/Last"] = 1.4

• 按年份批量设置离群值
  如果需要给2019年所有交易日、或者2020年之后的所有交易日按规则设置离群值，可以直接按年份筛选：

# 将2019年所有收盘价低于10的记录设为离群值5
AAPL.loc["2019", "Close/Last"][AAPL.loc["2019", "Close/Last"] < 10] = 5
# 将2020年之后所有收盘价高于100的记录设为离群值150
AAPL.loc["2020":, "Close/Last"][AAPL.loc["2020":, "Close/Last"] > 100] = 150

修改后的完整可运行代码 #

from pandas import read_csv
import pandas as pd
import matplotlib.pyplot as plt

# 导入数据并处理日期索引
AAPL= pd.read_csv('AAPL.csv', header=0)
AAPL['Date'] = pd.to_datetime(AAPL['Date'])
AAPL = AAPL.set_index('Date')

# 绘制原始收盘价走势图
plt.figure(figsize=(15,7))
plt.plot(AAPL.index, AAPL['Close/Last'], label="Close")
plt.title("AAPL")
plt.xlabel("Time")
plt.ylabel("Close")
plt.xticks(rotation=0)
plt.grid()
plt.show()

# 按日期设置离群值
AAPL.loc["2019-01-02", "Close/Last"] = 40
AAPL.loc["2020-03-10", "Close/Last"] = 1.4
AAPL.loc["2021-07-20", "Close/Last"] = 55
n_outliers = 3

# 绘制带离群值的走势图
plt.figure(figsize=(15,7))
plt.plot(AAPL.index, AAPL['Close/Last'])
plt.scatter(AAPL.index, AAPL['Close/Last'])
plt.grid()
plt.ylabel('Close Price')
plt.xlabel('Date')
plt.show()

注意事项 #

• 不要单独提取x和y做修改，直接基于设置了日期索引的DataFrame操作，避免出现副本修改不生效的问题
• 如果你的CSV里日期是日/月/年的非标准格式，转换时需要加format参数指定格式：pd.to_datetime(AAPL['Date'], format="%d/%m/%Y")

内容的提问来源于stack exchange，提问作者Bordento22