前言
前文讲述了ppi-cpi的图形绘制，在本文中继续分享另外一个与经济息息相关的货币数据指标M0-M1-M2，在这里还是采用爬虫的方式获取数据，然后通过matplotlib;绘图工具将nbspm0-m1-m2;数据同框展示，最后通过颜色填充来表示其中的差额部分。对于新手来讲，会学习到;python的基础知识、爬虫以及图形绘制的知识。
m0-m1-m2 数据获取
在获取数据之前，先讲述一下数据背后的含义：
- 1 m0,即流通中的现金
- 2 m1,即狭义货币，m1 = m0 活期存款
- 3 m2,即广义货币，m2 = m1 居民储蓄存款＋单位定期存款＋单位其他存款＋证券公司客户保证金
m1 是货币流动性和经济活跃的指标，m1 增加代表投资者信信心增强，经济的活跃度提高。 m1 增速大于 m2 意味着居民和企业的交易活跃，经济个体盈利能力强，景气度上升。 如果 m1 小于 m2 则经济景气度下降，盈利能力下降。
既然是数据获取，就需要找一个权威的网站获取数据，这里小编采用东方财富网的数据，这里直接给出页面的访问地址：
# 货币供应量数据访问地址 https://data.eastmoney.com/cjsj/hbgyl.html
货币供应量的数据来源如下图所示，这里只获取月份数据和同比增长即可，绝对值在这里就不去获取了。
既然知道了货币供应量数据的来源，怎么获取数据呢，是不是要复制页面进 excel 在进行解析，no，这样的话不符合程序员的气质。我想诸位页注意到了表格下方有分页，那么肯定是有通过 ajax 和后台进行通信的，通过观察可以发现如下接口，可以获取我们想要的数据：
# 货币供应量接口 https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=200&mkt=11 # 这里也同样贴了上一篇中 ppi 和 cpi 的接口，会发现都是一样的，只不过mkt的参数不一样 # ppi 数据和cpi 数据 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
至于数据的获取，还是使用原理的方式进行操作，使用 python 抓取数据，这里采用 requests 来获取数据：
body = requests.get(req_url).text
body = body.replace("(", "").replace(")", "")
data_list = body.split("","")
# 定义数据
date_list, m0_list, m1_list, m2_list = [], [], [], []
for node in data_list:
node = node.replace("]", "").replace("[", "").replace("\"", "")
arr_list = node.split(",")
date = arr_list[0]
if date < "2011-01-01":
continue
# 时间数据
date_list.append(date)
# 数据操作存储
m2_list.append(float(arr_list[2]))
m1_list.append(float(arr_list[5]))
m0_list.append(float(arr_list[8]))
# 0 时间
# 1-m2总量 2-m2同比增速 3-环比增速
# 4-m1总量 5-m1同比增速 6-环比增速
# 7-m0总量 8-m0同比增速 9-环比增速
print(node)最终获取到的数据如下图所示：
ppi-cpi 图形绘制
在绘制图形之前，需要先对数据进行处理：
- 1 数据需要进行加工，提取需要展示的数据，日期和同比数据，数据的格式需要转换。
- 2 在数据处理时，还是按照 m0 m1 m2 和时间的列表来获取数据。
- 3 依旧使用 np.asarray 创建数据，进行图形绘制的准备工作。
按照以上的观点，数据处理的代码如下图所示：
对于图形的绘制，有以下几点：
- 1 图形中需要展示 m1 和 m2 的数据情况，同时展示图例进行标识。
- 2 能够体现出数据的差值区间和范围，差值部分进行颜色填充并予以区分。
最后，经过这些编码，得到了最终的货币供应量增速对比图形如下：
m0-m1-m2 货币增速对比图：
m1-m2 货币增速对比&差异图：
总结
在本文中，介绍了简单的;python;爬虫，并使用;numpy;进行了简单的数据处理，最终使用;matplotlib;进行图形绘制，实现了直观的方式展示货币供应量的增速图形。使用接口的方式获取数据可以随时获取数据更新重新绘制图形，省去了数据重新抓取的步骤。
到此这篇关于Python数据分析之绘制m1-m2数据的文章就介绍到这了,更多相关Python;m1-m2绘制内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！