繁簡切換您正在訪問的是FX168財經網,本網站所提供的內容及信息均遵守中華人民共和國香港特別行政區當地法律法規。

FX168财经网>人物频道>帖子

常见的宏观指标获取方法

作者/英雄就是我 2019-06-09 04:00 0 来源: FX168财经网人物频道
# https://www.joinquant.com/help/api/help?name=macroData
# PMI制造业采购经理指数 MAC_MANUFACTURING_PMI
from jqdata import macro
import pandas as pd
import matplotlib.pyplot as plt
pd.set_option('display.max_columns', None)

start_year = '2017'
end_year = '2019'

q = query(macro.MAC_MANUFACTURING_PMI
    ).filter(macro.MAC_MANUFACTURING_PMI.stat_month >= start_year,
            macro.MAC_MANUFACTURING_PMI.stat_month <= end_year,
    ).order_by(macro.MAC_MANUFACTURING_PMI.stat_month.asc()
    ).with_entities(macro.MAC_MANUFACTURING_PMI.stat_month, 
                    macro.MAC_MANUFACTURING_PMI.pmi)
df = macro.run_query(q)
print(df)

plt.figure(figsize=(15,5),dpi=80)
plt.plot(df['stat_month'], df['pmi'], color='black', linestyle="-")
# plt.gca().xaxis.set_major_formatter(DateFormatter('%y-%m'))
plt.xticks(df['stat_month'], rotation=45)
pyplot.title('制造业PMI', loc='right')
   stat_month   pmi
0     2017-01  51.3
1     2017-02  51.6
2     2017-03  51.8
3     2017-04  51.2
4     2017-05  51.2
5     2017-06  51.7
6     2017-07  51.4
7     2017-08  51.7
8     2017-09  52.4
9     2017-10  51.6
10    2017-11  51.8
11    2017-12  51.6
12    2018-01  51.3
13    2018-02  50.3
14    2018-03  51.5
15    2018-04  51.4
16    2018-05  51.9
17    2018-06  51.5
18    2018-07  51.2
19    2018-08  51.3
20    2018-09  50.8
21    2018-10  50.2
22    2018-11  50.0
23    2018-12  49.4
Text(1.0, 1.0, '制造业PMI')
# GDP分地区国内生产总值表 MAC_AREA_GDP_QUARTER(季度) MAC_AREA_GDP_YEAR(年度) 含有全国各地址123产业GDP
from jqdata import macro
import pandas as pd
import matplotlib.pyplot as plt
pd.set_option('display.max_columns', None)

start_year = '2000'
end_year = '2019'

q = query(macro.MAC_AREA_GDP_YEAR
    ).filter(macro.MAC_AREA_GDP_YEAR.stat_year >= start_year,
            macro.MAC_AREA_GDP_YEAR.stat_year <= end_year,
             macro.MAC_AREA_GDP_YEAR.area_code==156 
    ).order_by(macro.MAC_AREA_GDP_YEAR.stat_year.asc()
    ).with_entities(macro.MAC_AREA_GDP_YEAR.stat_year, 
                    macro.MAC_AREA_GDP_YEAR.gdp)
df = macro.run_query(q)
print(df)

plt.figure(figsize=(15,5),dpi=80)
plt.plot(df['stat_year'], df['gdp'], color='black',  linestyle="-")
plt.xticks(df['stat_year'], rotation=45)
pyplot.title('GDP', loc='right')
   stat_year          gdp
0       2000  100280.1393
1       2001  110863.1230
2       2002  121717.4247
3       2003  137422.0349
4       2004  161840.1609
5       2005  187318.9031
6       2006  219438.5000
7       2007  270232.3000
8       2008  319244.6000
9       2009  348517.7437
10      2010  412119.2558
11      2011  487940.1805
12      2012  538579.9535
13      2013  592963.2295
14      2014  641280.5743
15      2015  685992.9497
16      2016  740060.7967
17      2017  820754.2782
18      2018  900309.4780
Text(1.0, 1.0, 'GDP')
# CPI 分地区居民消费价格指数 MAC_AREA_CPI_MONTH
from jqdata import macro
import pandas as pd
import matplotlib.pyplot as plt
pd.set_option('display.max_columns', None)

start_year = '2018'
end_year = '2019'

# q = query(macro.MAC_AREA_CPI_MONTH
#     ).filter(macro.MAC_AREA_CPI_MONTH.stat_month >= start_year,
#             macro.MAC_AREA_CPI_MONTH.stat_month <= end_year,
#              macro.MAC_AREA_CPI_MONTH.area_code==156 
#     ).order_by(macro.MAC_AREA_CPI_MONTH.stat_month.asc()
#     ).with_entities(macro.MAC_AREA_CPI_MONTH.stat_month, 
# #                     macro.MAC_AREA_CPI_MONTH.area_code, 
# #                     macro.MAC_AREA_CPI_MONTH.area_name, 
#                     macro.MAC_AREA_CPI_MONTH.item_name, 
#                     macro.MAC_AREA_CPI_MONTH.item_value)
# df = macro.run_query(q)
# print(df)

import tushare as ts
df = ts.get_cpi()
df = df.iloc[::-1]
df = df[df.month >= start_year]
# df = df[df.month <= end_year]


plt.figure(figsize=(15,5),dpi=80)
plt.plot(df['month'], df['cpi'], color='black',  linestyle="-")
plt.xticks(df['month'], rotation=45)
pyplot.title('CPI', loc='right')
Text(1.0, 1.0, 'CPI')
# PPI 工业品出厂价格指数 http://tushare.org/macro.html
from jqdata import macro
import pandas as pd
import matplotlib.pyplot as plt
pd.set_option('display.max_columns', None)

start_year = '2018'
end_year = '2019'


import tushare as ts
df = ts.get_ppi()
df = df.iloc[::-1]
# print(df)
# month :统计月份
# ppiip :工业品出厂价格指数
# ppi :生产资料价格指数
# qm:采掘工业价格指数
# rmi:原材料工业价格指数
# pi:加工工业价格指数
# cg:生活资料价格指数
# food:食品类价格指数
# clothing:衣着类价格指数
# roeu:一般日用品价格指数
# dcg:耐用消费品价格指数
df = df[df.month >= start_year]


plt.figure(figsize=(15,5),dpi=80)
plt.plot(df['month'], df['ppiip'], color='black',  linestyle="-",label='ppiip工业品出厂价格指数')
plt.plot(df['month'], df['ppi'], color='red',  linestyle="-",label='ppi生产资料价格指数')
plt.xticks(df['month'], rotation=45)
pyplot.title('工业品出厂价格指数PPI', loc='right')
plt.legend()
<matplotlib.legend.Legend at 0x7f09254fe5c0>
 
分享到:
举报财经168客户端下载

全部回复

0/140

投稿 您想发表你的观点和看法?

更多人气分析师

  • 金算盘

    人气2696文章7761粉丝124

    高级分析师,混过名校,厮杀于股市和期货、证券市场多年,专注...

  • 李冉晴

    人气2296文章3821粉丝34

    李冉晴,专业现贷实盘分析师。

  • 张迎妤

    人气1896文章3305粉丝34

    个人专注于行情技术分析,消息面解读剖析,给予您第一时间方向...

  • 指导老师

    人气1856文章4423粉丝52

    暂无个人简介信息

  • 梁孟梵

    人气2152文章3177粉丝39

    qq:2294906466 了解群指导添加微信mfmacd

  • 刘钥钥1

    人气2016文章3119粉丝34

    专业从事现货黄金、现货白银模似实盘操作分析指导

  • 张亦巧

    人气2144文章4145粉丝45

    暂无个人简介信息

  • 金帝财神

    人气4720文章8329粉丝118

    本文由资深分析师金帝财神微信:934295330,指导黄金,白银,...

  • 金泰铬J

    人气2320文章3925粉丝51

    投资问答解咨询金泰铬V/信tgtg67即可获取每日的实时资讯、行情...