输出该股票所有收盘比开盘上涨3%以上的日期

1：输出该股票所有收盘比开盘上涨3%以上的日期

#coding=utf-8
import tushare as ts
import pandas as pd
import numpy as np#获取某支股票的历史行情数据
df=ts.get_hist_data(code='600519',start='2001-01-01')
#将互联网上的数据获取并且存储到本地
df.to_csv('./maotai.csv')
#将本地的数据读取
date_path='./maotai.csv'
df2=pd.read_csv(date_path)
#print(df2.info())#需要对读取出的数据做相关的处理
#df2.drop(labels='close',axis=1,inplace=True)
# print(df2)
# print(df2.head())
#查看每一列的数据类型
#print(df2['date'].dtype)
#print(df.head())
df2.set_index('open')
#print(df2.info())
#将date一列转成了时间序列
#print(df2)
df2['date']=pd.to_datetime(df2['date'])
df=df2.set_index('date')
#print(df)
#print(df)
#print(df2.info())
#print(df2.head())
#伪代码：（收盘-开盘）/开盘。0.3
a=df.loc[(df['close']-df['open'])/df['open']>0.03].index
print(a)
#如果对布尔值作为df的行索引，则可以取出true对应的
#然后通过.index取出所需要的时间

2：该股票开盘比前日收盘超出2%的日期

#前日收盘：df['date'].shift(1)

#coding=utf-8
import tushare as ts
import pandas as pd
import numpy as np#获取某支股票的历史行情数据
df=ts.get_hist_data(code='600519',start='2001-01-01')
#将互联网上的数据获取并且存储到本地
df.to_csv('./maotai.csv')
#将本地的数据读取
date_path='./maotai.csv'
df2=pd.read_csv(date_path)
#print(df2.info())# #将date一列转成了时间序列df2['date']=pd.to_datetime(df2['date'])
df=df2.set_index('date')
#伪代码：（开盘-前日收盘）/前日收盘<-0.02
b=df.loc[(df['open']-df['close'].shift(1))/df['close'].shift(1)<-0.02].index
print(b)

3:从2010年的1月1日开始，每月第一个交易工作日买入1手股票，每年最后一个交易工作日卖出所有股票，到今天为止，我的收益如何？

 #时间切片：df[2010-01:2020-02]

df2['date']=pd.to_datetime(df2['date'])
df=df2.set_index('date')
new_df=df['2021-01':'2023-02']
print(new_df)

#买股票：

• 找出每月第一天的数据

• df2['date']=pd.to_datetime(df2['date'])
  df=df2.set_index('date')
  new_df=df['2021-01':'2023-02']
  #找出每月第一行的数据
  new_df=new_df.resample('M').first()
  print(new_df)
  

• 买入股票花费的总金额

• #找出每月第一行的数据
  df_monthly=new_df.resample('M').first()
  #计算花费
  cost=df_monthly['open'].sum()*100
  print(cost)

  #卖股票

• 卖出股票到手的钱

• 特殊情况：2020年的股票卖不出去（将最后一行切除） df[:-1]

• #计算卖出去的收益
  df_yearly=new_df.resample('A').last()[:-1]
  #print(df_yearly)
  income=df_yearly['close'].sum()*100
  print(income)

• 卖出股票到手的钱

• df_yearly=new_df.resample('A').last()[:-1]
  #print(df_yearly)
  income=df_yearly['open'].sum()*1200
  print(income)

  #最后股价剩余的价值要估算到总收益中

• #估算2023年2个月还剩多少钱
  lat_money=200*new_df['close'][-1]
  print(lat_money)
  

  #计算最后的收益

• #算出最后的钱
  Finally=income+lat_money-cost
  print(Finally)

  全部代码展现

• #coding=utf-8
  import tushare as ts
  import pandas as pd
  import numpy as np#获取某支股票的历史行情数据
  df=ts.get_hist_data(code='600519',start='2001-01-01')
  #将互联网上的数据获取并且存储到本地
  df.to_csv('./maotai.csv')
  #将本地的数据读取
  date_path='./maotai.csv'
  df2=pd.read_csv(date_path)
  #print(df2.info())#需要对读取出的数据做相关的处理
  #df2.drop(labels='close',axis=1,inplace=True)
  # print(df2)
  # print(df2.head())
  #查看每一列的数据类型
  #print(df2['date'].dtype)
  #print(df.head())
  # df2.set_index('open')
  # #print(df2.info())
  # #将date一列转成了时间序列
  # #print(df2)
  df2['date']=pd.to_datetime(df2['date'])
  df=df2.set_index('date')
  #print(df.head(20))
  #print(df.tail())
  new_df=df['2021-01':'2023-02']
  #找出每月第一行的数据
  df_monthly=new_df.resample('M').first()
  #计算花费
  cost=df_monthly['open'].sum()*100
  #print(cost)
  #计算卖出去的收益
  df_yearly=new_df.resample('A').last()[:-1]
  #print(df_yearly)
  income=df_yearly['open'].sum()*1200
  #估算2023年2个月还剩多少钱
  lat_money=200*new_df['close'][-1]
  #print(lat_money)#算出最后的钱
  Finally=income+lat_money-cost
  print(Finally)