笔者按：

这只是一个初步的分析，更多是以统计学的思路对【涨跌幅】、【价格】、【涨速】、【换手率】等几个简单的因子进行分析，通过简单的【叙述】和对于【异动】两个方面进行捕捉。未来会增加更多的因子分析，并且添加条件判断，同时将进一步优化。并且将大盘、指数，行业进行补充，便于全局分析。

一、市场表述：

今日市场涨个股：2025 ，今日市场跌个股数：2106

今日涨比例：0.49，今日跌幅比例：0.51

市场涨停股：55只。市场跌停股：20只。

二、市场内部结构初探：

涨跌幅四分位数：0.0

涨幅中位数:0.0

涨跌幅方差:9.69

涨跌幅标准差：3.11

涨跌幅偏度：0.37

市场平均涨跌幅：-0.09

三、市场价格初探：

价格大于1000元：1只。

价格大于100元：149只。

价格小于100元，大于等于80元:58只。

价格大于80元，大于等于60元:95只。

价格大于60元，大于等于40元:203只。

价格小于40元，大于等于20元:624只。

价格小于20元，大于等于10元:989只。

价格小于10元，2012只。

四、异动：

本日尾盘涨速异动前十：['卓易信息', '联明股份', '恒润股份', '博天环境', '大元泵业', '中潜股份', '泰禾智能', '哈工智能', '联合光电', '齐心集团']

换手率前十：['C江天', '一鸣食品', 'C博俊', '法本信息', '火星人', '天秦装备', 'C华安', '隆利科技', '瑞丰新材', '巨力索具']

五、代码：

def Industrial_index(df_file): df=pd.read_csv(df_file) passsingalstock=""def singal_stock(df_file): #1.数据初步处理 #导入数据 df=pd.read_csv(df_file) # 删除最后一行通达信数据来源的声明 df.drop([len(df) - 1], inplace=True) #删除没有市值或者报错的个股数,以市值进行筛选，看日后用任意空值或者NaN进行筛选，删除 df['AB股总市值'] = df['AB股总市值'].str.strip() df = df[df['AB股总市值'] != '--'] df= df[df['AB股总市值'] != 'NaN'] #2.针对涨跌幅的分析 #涨跌幅计算,先转换格式 df['涨幅%'] = df['涨幅%'].str.strip() df = df[df['涨幅%'] != '--'] df['涨幅%'] = df['涨幅%'].astype('float64') #涨跌幅数 print('今日市场涨个股：'+str(len(df[df['涨幅%']>0])),"，今日市场跌个股数："+str(len(df[df['涨幅%']<0]))) #涨跌幅比例 zfrate=round(len(df[df['涨幅%']>0])/len(df),2) dfrate=1-round(len(df[df['涨幅%']>0])/len(df),2) print('今日涨比例：'+str(zfrate)+"，今日跌幅比例："+str(dfrate)) #忽略创业板+-20%，忽略st股+-5%，一律以+-10%为准。 ztb=df[df['涨幅%']>9.97] dtb=df[df['涨幅%']<-9.97] print('市场涨停股：'+str(len(ztb))+'只。'+'市场跌停股：'+str(len(dtb))+'只。') print('涨跌幅四分位数：'+str(df['涨幅%'].quantile(0.5))) #涨跌幅中位数： print("涨幅中位数:"+str(round(df['涨幅%'].median(),2))) #方差 print('涨跌幅方差:'+str(round(df['涨幅%'].var(),2))) #标准差 print('涨跌幅标准差：'+str(round(df['涨幅%'].std(),2))) #偏度： print('涨跌幅偏度：'+str(round(df['涨幅%'].skew(),2))) #市场平均涨幅 avg_rate=round(sum(df['涨幅%'])/len(df),2) #df['涨幅%].mean() print("市场平均涨跌幅："+str(avg_rate)) #价格分层： df['现价']=df['现价'].astype('float64') print('价格大于1000元：'+str(len(df[df['现价']>1000]))+'只。') print('价格大于100元：'+str(len(df[df['现价']>100]))+'只。') print('价格小于100元，大于等于80元:'+str(len(df[(df['现价']<100)&(df['现价']>=80)]))+'只。') print('价格大于80元，大于等于60元:'+str(len(df[(df['现价']<80)&(df['现价']>=60)]))+'只。') print('价格大于60元，大于等于40元:'+str(len(df[(df['现价']<60)&(df['现价']>=40)]))+'只。') print('价格小于40元，大于等于20元:'+str(len(df[(df['现价']<40)&(df['现价']>=20)]))+'只。') print('价格小于20元，大于等于10元:'+str(len(df[(df['现价']<20)&(df['现价']>=10)]))+'只。') print('价格小于10元'+str(len(df[df['现价']<10]))+'只。') #n.市场个股异动：涨速前十: df['涨速%'] = df['涨速%'].str.strip() df = df[df['涨速%'] != '--'] df = df[df['涨速%'] != 'NaN'] df['涨速%'] = df['涨速%'].astype('float64') #降序： df_zs=df.sort_values(by='涨速%',ascending=False) df_zs_top10=df_zs['名称'][0:10].tolist() #打印出来： print('本日尾盘涨速异动前十：'+str(df_zs_top10)) #n+1,前十换手率： df['换手%'] = df['换手%'].str.strip() df = df[df['换手%'] != '--'] df = df[df['换手%'] != 'NaN'] df['换手%'] = df['换手%'].astype('float64') df_hs = df.sort_values(by='换手%', ascending=False) df_hs_top10 = df_hs['名称'][0:10].tolist() print('换手率前十：' + str(df_hs_top10))print(singal_stock('stock20210108.csv'))