前言

前文講述了ppi-cpi和m0-m1-m2的圖形繪制，在本文中繼續(xù)分享一個反映經(jīng)濟活動景氣度的指標PMI，在本文中還是采用爬蟲的方式獲取數(shù)據(jù)，然后通過matplotlib繪圖工具將PMI逐年數(shù)據(jù)進行展示。對于新手來講，會學習到python的基礎知識、爬蟲以及圖形繪制的知識。

PMI 數(shù)據(jù)獲取

在獲取數(shù)據(jù)之前，先講述一下PMI(采購經(jīng)理人指數(shù)) 數(shù)據(jù)背后的含義： 大家都知道，制造業(yè)是一個國家的立國之本，那么PMI就是衡量一個國家制造業(yè)發(fā)展運行情況的指標，通常情況下，比 50% 為分界線來經(jīng)濟強弱的分水嶺，大于 50% 則代表制造業(yè)處于擴張，處理 40-50 則代表衰退，40 以下就是蕭條了。

既然是數(shù)據(jù)獲取，就需要找一個權威的網(wǎng)站獲取數(shù)據(jù)，這里小編采用東方財富網(wǎng)的數(shù)據(jù)，這里直接給出頁面的訪問地址：

# 貨幣供應量數(shù)據(jù)訪問地址
https://data.eastmoney.com/cjsj/pmi.html

采購經(jīng)理人指數(shù)的數(shù)據(jù)來源如下圖所示，這里只獲取制造業(yè)和非制造業(yè)的指數(shù)數(shù)據(jù)即可，同比增長數(shù)據(jù)就不去獲取了。

既然知道了采購經(jīng)理人指數(shù)的來源，怎么獲取數(shù)據(jù)呢，是不是要復制頁面進 excel 在進行解析，如果這樣的做話，費時費力。我想諸位頁注意到了表格下方有分頁，那么肯定是有通過 ajax 和后臺進行通信的，通過觀察可以發(fā)現(xiàn)如下接口，數(shù)據(jù)交互的結果如下圖所示：

#采購經(jīng)理人指數(shù)
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=200&mkt=21

# 這里也同樣貼了前文中貨幣供應量接口、 ppi 和 cpi 的接口，會發(fā)現(xiàn)都是一樣的，只不過mkt的參數(shù)不一樣
# 貨幣供應量接口
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=200&mkt=11
# ppi 數(shù)據(jù)和cpi 數(shù)據(jù)
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=10&mkt=22
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=10&mkt=19

至于數(shù)據(jù)的獲取，還是使用原理的方式進行操作，使用python抓取數(shù)據(jù)，這里采用requests來獲取數(shù)據(jù)：

    body = requests.get(req_url).text
    body = body.replace("(", "").replace(")", "")
    data_list = body.split("\",\"")

    # 定義數(shù)據(jù)
    date_list, pmi1_list, pmi2_list = [], [], []

    for node in data_list:
        node = node.replace("]", "").replace("[", "").replace("\"", "")
        arr_list = node.split(",")
        date = arr_list[0]
        if date < "2010-01-01":
            continue
        # 時間數(shù)據(jù)
        date_list.append(date)
        # 數(shù)據(jù)操作存儲
        pmi1_list.append(float(arr_list[1]))
        pmi2_list.append(float(arr_list[3]))
        print(node)

最終獲取到的數(shù)據(jù)如下圖所示：

pmi 圖形繪制

在繪制圖形之前，需要先對數(shù)據(jù)進行處理：

• 1 數(shù)據(jù)需要進行加工，提取需要展示的數(shù)據(jù)，而后數(shù)據(jù)的格式需要轉換。
• 2 在數(shù)據(jù)處理時，還是按照制造業(yè)和非制造業(yè)、時間的列表來獲取數(shù)據(jù)。
• 3 依舊使用 np.asarray 創(chuàng)建數(shù)據(jù)，進行圖形繪制的準備工作。

按照以上的觀點，數(shù)據(jù)處理的代碼如下圖所示：

對于圖形的繪制，有以下幾點：

• 1 圖形中需要展示制造業(yè)和非制造業(yè)的數(shù)據(jù)情況，同時展示圖例進行標識。
• 2 設置指標為 50 和 40 水平線，用于設置標準對比線型。

最后，經(jīng)過這些編碼，得到最終的制造業(yè)和非制造業(yè)指數(shù)對比圖形如下：

總結

文章介紹了簡單的python爬蟲，并使用numpy進行了簡單的數(shù)據(jù)處理，最終使用matplotlib進行圖形繪制，實現(xiàn)了直觀的方式展示制造業(yè)和非制造業(yè)指數(shù)圖形。使用接口的方式獲取數(shù)據(jù)可以隨時獲取數(shù)據(jù)更新重新繪制圖形，省去了數(shù)據(jù)重新抓取的步驟。

到此這篇關于Python數(shù)據(jù)分析之PMI數(shù)據(jù)圖形展示的文章就介紹到這了,更多相關Python PMI 內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論