心塞，昨晚快要写完的时候 crash 了，不明原因显示 “Unreadable Notebook”，只好重新再写。。。。。（大哭脸）

聚宽的技术大大有什么解决办法吗

import pandas as pd import numpy as npfrom jqdata import *from IPython.display import displayfrom ipywidgets import *import seaborn as snsimport matplotlib.pyplot as plt

历史走势对比¶

我们首先尝试对比沪深300成分股沪深300指数的走势，来熟悉 widgets 的功能。

#-# 数据准备#-stocks = get_index_stocks('000300.XSHG')    # 获取沪深300所有成分股，但历史成分股是变化的，这里获取的是当前的成分股情况dates = get_all_trade_days()          # 获取所有交易日，装入start，endstart, end = [], []for i in dates:d = i.isoformat()start.append(d)end.append(d)

#-# 走势对比图#-def p(stock, start, end):df_price = get_price('000300.XSHG', start_date=start, end_date=end, fields='close')df_stock = get_price(stock, start_date=start, end_date=end, fields='close')df = pd.concat([df_price, df_stock], axis=1)              df.columns = ['000300.XSHG',stock]    df.plot(secondary_y='000300.XSHG',color=['b','yellow'], figsize=(14,5))     plt.title('%s & 000300 historical trends' % stock,fontsize=20)print start + "——" + end# p('000001.XSHE','2010-01-01','2015-01-01')

下面开始召唤帅逼 widgets。

#-# 将 stock start end 分别用 widgets 的 select 功能实现# 并装入一个 box#-container = widgets.HBox()     # HBox children组件横排放置的boxstock_list = widgets.Select(options=stocks, description='stock_list', width=200, fon_size=20, margin=5)start_date = widgets.Select(options=start, description='start_date', width=200, fon_size=20, margin=5) end_date = widgets.Select(options=end, description='end_date', width=200, fon_size=20, margin=5) container.children = (stock_list, start_date, end_date)

#-# 使用 interactive 功能 将 widgets 模块和数据进行link互动#-i = interactive(p,stock = stock_list, start = start_date, end = end_date)display(container)

2008-05-07——2016-12-30

召唤成功，然后就可以手动选择目标股票以及起止日期，来观察目标股票于沪深300的走势对比情况，是不是很任性？

行业相关性对比¶

接下来再让帅逼带我们飞得更远一点，我们试试用 widgets 展示行业的相关性：

• 但问题是，如何衡量各行业的表现情况，如何能够获得行业指数当然是最好的。但是在聚宽的数据库中，行业划分用的是一套系统（只能获得行业成分股信息），在指数数据中的行业指数又是另一套系统，他们无法相互对应。所以楼主只好自己整理了下申万一级分类的15个行业从2010年到2016年的指数数据（下载见正文链接）。

[u'申万农林牧渔', u'申万采掘', u'申万化工', u'申万钢铁', u'申万有色金属', u'申万电子', u'申万家用电器',u'申万食品饮料', u'申万纺织服装', u'申万轻工制造', u'申万医药生物', u'申万公用事业', u'申万交通运输',u'申万休闲服务', u'申万综合']

• 因为主题的原因，这里不对行业进行平稳性检验、相关性模型分析等，只使用简单的皮尔斯相关系数 corr 来对比各行业相关性。（其实楼主也不会。。。。）

indicates = pd.read_csv('申万一级行业指数.csv')indicates.head()

#-# 数据读取、筛选、整理#-indicates = pd.read_csv('申万一级行业指数.csv')indicates = indicates[['secShortName','tradeDate','CHGPct']]indicates = indicates.pivot(index='tradeDate', columns='secShortName', values='CHGPct')indicates.head()

先画个图来观察下：

indicates.plot(figsize=(50,12))

<matplotlib.axes._subplots.AxesSubplot at 0x7fae28592390>

然后再来尝试下相关性热力图。

不过 seaborn 中文一直显示框框，真的是要逼死强迫症，楼主暂时没找到简便的解决方法，求教大神~

而且貌似后面的帅哥 widgets 也不认识中文，好吧，那我们就来秀一秀英文。

indicates.columns

Index([u'申万交通运输', u'申万休闲服务', u'申万公用事业', u'申万农林牧渔', u'申万化工', u'申万医药生物',
       u'申万家用电器', u'申万有色金属', u'申万电子', u'申万纺织服装', u'申万综合', u'申万轻工制造', u'申万采掘',
       u'申万钢铁', u'申万食品饮料'],
      dtype='object', name=u'secShortName')

#-# 将 columns 名称换为英文#-I_am_yingwen = ['Transportation','Leisureservice','Publicservice','Agriculture','Chemical','Medical','Electrical','Metal','Electronic','Clothes','Integrated','Lightindustry','Mining','Steel','Food']indicates.columns = I_am_yingwen

#-# 计算各行业相对其他行业的相关系数，并保存到 DataFrame 中#-n = indicates.shape[1]       # 15个行业corr_matrix = np.zeros((n,n))   # 15 X 15 的空数据集for i in range(n):for j in range(n):corr = pd.Series.corr(indicates.iloc[:,i],indicates.iloc[:,j])    # 计算相关系数    corr_matrix[i,j] = corr      # 将相关系数填入数据集corr_df = pd.DataFrame(corr_matrix,index=indicates.columns,columns=indicates.columns)

#-# 相关性热力图#-sns.heatmap(corr_df*100,cmap= plt.cm.Greys, annot= True)

<matplotlib.axes._subplots.AxesSubplot at 0x7fae230f7c10>

一眼看出食品饮料跟其他行业的相关性是最低的。

同时，纺织业、综合业和轻工业之间的相关度最高。

而且整体的行业相关度在65%以上，这样我们使用 widgets 的效果可能并不会太好，还是来看看吧~

#-# 作图函数#-def corr_p(industry):tmp = corr_df[[industry]].drop(industry,axis=0).sort(industry,ascending=False)   # 截取行业数据，并排序tmp = tmp.reset_index()tmp.columns = ['industry','corr'] fig = plt.figure(figsize=(10, 6))        # 做相关性分布直方图ax = fig.add_subplot(111)sns.set_color_codes("pastel")sns.barplot(x='corr',y='industry',data=tmp, color="b")plt.title('Correlationship between %s and other industries' % industry ,fontsize=20)ax.set_xlim(left=0.6, emit=True, auto=True)# ax.set(xlim=(0.6))sns.despine(left=True, bottom=True)# corr_p('Food')

再次召唤 widgets

#-# 使用 Dropdown 组件#-w_industry = widgets.Dropdown(options=I_am_yingwen,description='industry_select:',border_radius=4)interact(corr_p,industry=w_industry)

讨论¶

1. seaborn 无法显示中文的问题。

2. 本来楼主在做历史走势对比的时候，用的也是 widgets 的 Dropdown 组件，但是 stock，以及日期的数据太长，Dropdown 菜单又无法滚动，不知道有么有办法可以解决这个问题，

3. 用 widgets 还可以做很多有趣的东西，尤其是在数据处理和可视化方面，本篇楼主只是抛砖引玉~大伙再接再厉。

4. 然后可能是widgets库不兼容吗？楼主在再写一遍的时候，又有几次提示notebook dead，吓死宝宝了，大家做好防范。