在用Python从yahoofinance获得纳斯达克数据集后，我如何分析我的日期列

Question

我从雅虎财经获得了如下实时数据：

ndx = yf.Ticker("NDX")

# get stock info

print(ndx.info)

# get historical market data
hist = ndx.history(period="1825d")

I downloaded it and Exported to CSV file as follows:
 #Download stock data then export as CSV

df = yf.download("NDX", start="2016-01-01", end="2022-11-02")
df.to_csv('ndx.csv')

Viewed the data as follows:
df = pd.read_csv("ndx.csv")
df

这些数据如图片所示：

​

问题..。每当我尝试使用Date列时，它都会将错误抛出为KeyError 'Date‘。这是我的自动Arima模型和抛出的错误。请帮帮忙。

​

抛错

​

​

​

我希望能够使用日期列。我试图解析Date列，但抛出了相同的错误。我首先需要帮助解析数据，以便将日期格式或字符串转换为日期格式或字符串。谢谢

Answer 1

看到人们试图学习财务分析总是很棒的：

在我进入解决方案之前，

• 只想提醒您确保您将导入的内容放在问题中(yfinance并不总是别名为yf)。还要确保您键入或复制/粘贴您的代码，以便我们可以轻松地获取它并运行它！

因此，我假设变量“”只是对pd.read_csv('ndx.csv')的调用，因为屏幕截图就是这样的。

首先，在读取文件后，始终检查列的数据类型：(假设您使用的是木星)

orig_df = pd.read_csv('ndx.csv')

orig_df.dtypes

​

​

• Date是一个对象，意思是在熊猫中的字符串。如果orig_df是对yf.ticker(.)的实际调用，那么"Date“是您的索引，所以它不像列。

如何修复和运行：

from statsmodels.api import tsa
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime as dt, timedelta    

orig_df = pd.read_csv('ndx.csv', parse_dates=['Date'], index_col=0)

model = tsa.arima.ARIMA(np.log(orig_df['Close']), order=(10, 1, 10))
fitted = model.fit()
fc = fitted.get_forecast(5)
fc = (fc.summary_frame(alpha=0.05))
fc_mean = fc['mean']
fc_lower = fc['mean_ci_lower']
fc_upper = fc['mean_ci_upper']

orig_df.iloc[-50:,:].plot(y='Close', title='Nasdaq 100 Closing price', figsize=(10, 6))

​

​

# call orig_df.index[-1] for most recent trading day, not just today
future_5_days = [orig_df.index[-1] + timedelta(days=x) for x in range(5)]
plt.plot(future_5_days, np.exp(fc_mean), label='mean_forecast', linewidth=1.5)
plt.fill_between(future_5_days, 
                 np.exp(fc_lower), 
                 np.exp(fc_upper), 
                 color='b', alpha=.1, label='95% confidence')
plt.title('Nasdaq 5 Days Forecast')
plt.legend(loc='upper left', fontsize=8)
plt.show()

​

​