左大营 | python数据分析篇系列1——探索沪深300指数（附代码）（中）-经管之家官网！

此图作用不大，背后的意义也不大，但是食之无味弃之可惜，展示出来权当是占个位置来学做饼图吧：

输出结果为：

（4）各月份平均收益图(A股月历效应)

1. return_by_month = pd.DataFrame(round(hs300['return'].groupby(hs300.month).mean()*100,2))
   
2. return_by_month['positive'] = return_by_month['return']>0
   
3. plt.figure(figsize=(20,15))
   
4. return_by_month['return'].plot(kind='bar',color=return_by_month.positive.map({True:'red',False:'forestgreen'}))
   
5. plt.title("月度平均收益图(%)",size=20)
   
6. plt.xlabel('月份',size=20)
   
7. plt.ylabel('每月平均收益',size=20)
   
8. plt.yticks(np.arange(-0.25,0.25,step=0.025),size=15)
   
9. plt.xticks(rotation=45,size=15)
   
10. plt.grid(alpha=0.3)

输出结果为：

从结果可以看出，除了一月平均收益为0,6月和8月平均收益为负之外，其他九个月的平均收益均为正。收益率在2月和12月份达到最高，平均0.2%，月历效应背后的原因大家可以上网去查，各有各的说法，我是想说，含有我们最讨厌的数字2,4的月份，表现的反而最好，我们最喜欢的6,8数字的月份，表现最差，是的，它很有个性，这很A股。

（5）绘制每个月收益图，具体查看月历效应

1. #合并年和月，查看15年*12个月 每个月的收益相对于月份平均收益的走势图
   
2. hs300['year_month'] = hs300['year'].map(str)+'年'+hs300['month'].map(str)+'月'
   
3. hs300['year_month'].tail(20)
   
4. month_return = pd.DataFrame(round(hs300['return'].groupby(hs300['year_month']).sum()*100,2))
   
5. month_return['positive'] = month_return['return']>0
   
6. 
   
7. #计算平均月收益
   
8. average_month_return = np.mean(month_return['return'])
   
9. 
   
10. plt.figure(figsize=(20,10))
    
11. month_return['return'].plot(kind='bar',color=month_return['positive'].map({True:'red',False:'green'}),label='Monthly Return')
    
12. plt.axhline(y=average_month_return, color='blue',linecopycode($('code_6L5'));">复制代码输出结果为：
    大家可以通过让x轴更加密集的方式，来查看是否大部分年份里每年的2,4,12月份收益最高，6,8月收益最低。
    下期来看看每周哪一天交易日里收益最好。
    昨天收到“管友”催更的信息了，本人也是激动的一P，说明帖子有人看，但是事情较多，只能佛系更新，下期不定时展示；

    ***关注一下 ，不做尘世中迷途的小书童

    
    未完待续
    
    「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
    免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
    涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
    来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
    经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
    扫描下方二维码下载并注册APP