파이썬을 이용하여 웹에서 금융 데이터 다운 및 시각화

안녕하세요 ~ 

 

오늘은 파이썬을 이용하여 웹에서 금융 데이터를 다운 받고 데이터를 시각화 하여 어떻게 데이터가 형성 되어 있는지 확인 하는 코드를 작성하는 포스팅을 해보려고 합니다.

 

---

웹에서 금융 데이터 불러오기

---

 

먼저 야후 파이낸스 라이브러리를 이용하여 금융 데이터를 다운 받을 건데요 !

 

 

pip install yfinance

 

다음과 같은 코드를 이용하여 야후 파이낸스 라이브러리를 다운받아 주겠습니다.

 

이제 본격적으로 시작해보겠습니다.

 

판다스와, 야후 파이낸스 모듈을 불러오겠습니다.

 

import pandas as pd
import yfinance as yf

start = 데이터 시작 시점

end = 데이터 종료 시점

symber = ticker 정보

start = "2014-10-01"
end = "2021-05-31"
symbol = 'BA'

티커 정보는 아래와 같이 야후 파이낸스 홈페이지에서 확인 하실수 있습니다.

 

자 이제 위 변수들을 이용해서 보잉 주가 데이터를 다운받아보겠습니다.

 

df = yf.download(symbol, start, end)
df

 

 

 

이렇게 잘 나오는 것을 확인 하실수 있습니다. 이 데이터 테이블에 대한 메타정보를 좀 더 자세히 보고 싶으시다면 info함수를 이용해서 볼 수 있습니다.

df.info()

 

 

 

자 이제 여러개의 Symbol을 넣고 데이터를 다운받아보겠습니다.

 

symbols = ['BA', 'MSFT', '^DJI', 'EURUSD=X', 'GC=F', 'BTC-USD']
df = yf.download(symbols, start, end)
df

 

요렇게 데이터가 나오는 것을 확인 할 수 있습니다. 데이터에서 NaN값이 있는 이유는 비트코인 데이터 때문인데요

 

비트코인은 주말에도 장이 진행이 되기 때문에 데이터가 계속 있는 반면에 주식 데이터는 개장을 안하기 때문에 데이터가 없어 이런 NaN데이터가 발생하는 것 입니다.

 

 

또 불편한 부분이 있지 않나요? 컬럼에서 각 티커별로 시가, 종가 정보를 나열하는 데이터 테이블 형태로 바꾸고 싶어지지 않으신가요? ㅎㅎ

 

그럼 해당 형태로 변경을 하는 코드를 작성해보겠습니다.

 

df = df.swaplevel(axis='columns').sort_index(axis='columns')
df

이렇게 swaplevel 함수를 이용하여 티커정보 별로 시가,종가, 거래량 등의 데이터들이 나열될 수 있도록 변경을 해보았습니다.

 

 

---

데이터 시각화

---

 

 

이제 시각화를 해보겠습니다. 시각화를 위한 초기 설정을 아래와 같이 해줍니다 !

 

import matplotlib.pyplot as plt
pd.options.display.float_format = '{:.4f}'.format
plt.style.use('seaborn')

 

저희는 종가 데이터만 필요하기 때문에 종가 데이터만 가져 오겠습니다.

 

위에서 했던 Swaplevel함수를 이용해서 다시 원복 시켜주고, Close만 가져오는 코드를 작성해보겠습니다.

 

df = df.swaplevel(axis='columns').sort_index(axis='columns')
close = df.Close.copy()
close

 

이렇게 종가 데이터만 잘 가져온 것을 볼수 있습니다.

 

decribe함수를 이용하여 요약통계 데이터에 대해서 한번 살펴보겠습니다. 이렇게 통계데이터를 살펴보면서 각 항목 별로 데이터 형태가 어떻게 형성되어 있을지 가늠을 할 수 있습니다.

close.describe()

이제 보잉사의 종가 데이터를 시각화 해보겠습니다. dropna함수를 통해 결측 값들을 제거하여 시각화의 노이즈를 제거해주고 시각화를 해줍니다.

 

close.BA.dropna().plot(figsize=(15,8), fontsize=13)
plt.legend(fontsize=13)
plt.show()

보잉사의 종가 데이터를 시각화 하여 확인 할 수 있었습니다.