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(gè)反映經(jīng)濟(jì)活動(dòng)景氣度的指標(biāo)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(jìn)行展示。對于新手來講，會學(xué)習(xí)到python的基礎(chǔ)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(gè)國家的立國之本，那么PMI就是衡量一個(gè)國家制造業(yè)發(fā)展運(yùn)行情況的指標(biāo)，通常情況下，比 50% 為分界線來經(jīng)濟(jì)強(qiáng)弱的分水嶺，大于 50% 則代表制造業(yè)處于擴(kuò)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(gè)權(quán)威的網(wǎng)站獲取數(shù)據(jù)，這里小編采用東方財(cái)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(yīng)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(fù)制頁面進(jìn) excel 在進(jìn)行解析，如果這樣的做話，費(fèi)時(shí)費(fèi)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(jìn)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(jié)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(yīng)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(yīng)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(jìn)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(shí)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(jìn)行處理：

• 1 數(shù)據(jù)需要進(jìn)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(zhuǎn)換。
• 2 在數(shù)據(jù)處理時(shí)，還是按照制造業(yè)和非制造業(yè)、時(shí)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(jìn)行圖形繪制的準(zhǔn)備工作。

按照以上的觀點(diǎn)，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(diǎn)：

• 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(shí)展示圖例進(jìn)行標(biāo)識。
• 2 設(shè)置指標(biāo)為 50 和 40 水平線，用于設(shè)置標(biāo)準(zhǔn)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(jié)

文章介紹了簡單的python爬蟲，并使用numpy進(jìn)行了簡單的數(shù)據(jù)處理，最終使用matplotlib進(jìn)行圖形繪制，實(shí)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(shí)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(guān)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(guān)Python PMI 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論