I et tidligere indlæg demonstrerede jeg, hvordan man kan indlæse bildata fra Quandl i et Python-script.

I dette indlæg vil jeg dokumentere, hvordan man indlæser platin- og palladiumpriser fra Quandl i Python. Disse data er verificeret af London Palladium og Platinum-markedet (http://www.lppm.com).

I nedenstående kode henter jeg et datasæt med platinpriser fra Quandl

import quandl
# opsætning af API-nøgle
quandl.ApiConfig.api_key = "your key here"
import numpy
import pandas
# hentning af data fra quandl i numpy format og derefter konvertering til pandas DataFrame
data = pandas.DataFrame(quandl.get('LPPM/PLAT', returns="numpy"))

Det indlæste datasæt inkluderer daglige åbnings- og lukkekurser fra metalbørsmarkeder over hele verden. Vi kan nu tage et kig på hovedet (headeren) af det indlæste datasæt:

data.head()

	Date	USD AM	EUR AM	GBP AM	USD PM	EUR PM	GBP PM
0	1990-04-02	471.00	NaN	289.65	470.50	NaN	NaN
1	1990-04-03	475.80	NaN	291.35	477.25	NaN	NaN
2	1990-04-04	475.70	NaN	289.95	476.75	NaN	NaN
3	1990-04-05	481.75	NaN	292.60	481.85	NaN	NaN
4	1990-04-06	481.00	NaN	293.10	480.25	NaN	NaN

Som det kan ses er de daglige åbnings- og lukkekurser noteret i USD, EUR og GBP. Nogle af kolonnerne er dog tomme. Lad os se om dette kun er tilfældet for tidlige dataindlæg ved også at kontrollere halen på den indlæste dataramme:

data.tail()

	Date	USD AM	EUR AM	GBP AM	USD PM	EUR PM	GBP PM
7574	2020-03-30	721.0	650.43	581.45	726.0	658.80	585.25
7575	2020-03-31	723.0	657.87	586.61	727.0	662.72	586.53
7576	2020-04-01	723.0	660.27	585.19	714.0	653.25	576.04
7577	2020-04-02	727.0	665.75	585.35	727.0	668.20	585.82
7578	2020-04-03	719.0	666.05	584.55	714.0	662.34	582.62

Siden åbnings- og slutkurser blev noteret i USD, både i 1990 og i 2020, vælger jeg kun at fokusere på priser i USD.

I koden nedenfor plotter jeg historiske platinpriser ved lukning (i USD)

import matplotlib.pyplot as plt
plt.figure(figsize = (10,10))
plt.plot(data["Date"], data["USD PM"],color = "red")
plt.title("Daily platinum closing prices",size=26)
plt.ylabel("closing price [USD]",size = 16)
plt.xlabel("date", size = 16)

Text(0.5, 0, 'date')

I nedenstående kode gentager jeg ovenstående workflow for palladium-prishistorik

Først indlæser de relvante data fra Quandl:

data = pandas.DataFrame(quandl.get('LPPM/PALL', returns="numpy"))

Dernæst tager jeg et kig på de øverste indlæg i datarammen:

data.head()

	Date	USD AM	EUR AM	GBP AM	USD PM	EUR PM	GBP PM
0	1990-04-02	128.00	NaN	78.70	127.65	NaN	78.55
1	1990-04-03	128.35	NaN	78.60	128.50	NaN	78.75
2	1990-04-04	128.35	NaN	78.25	128.00	NaN	77.90
3	1990-04-05	128.40	NaN	78.00	127.75	NaN	77.65
4	1990-04-06	128.75	NaN	78.45	128.50	NaN	78.40

Og jeg gennemgår også datarammens hale:

data.tail()

	Date	USD AM	EUR AM	GBP AM	USD PM	EUR PM	GBP PM
7574	2020-03-30	2236.0	2017.14	1803.23	2242.0	2034.48	1807.34
7575	2020-03-31	2317.0	2108.28	1879.92	2307.0	2103.01	1861.23
7576	2020-04-01	2314.0	2113.24	1872.93	2236.0	2045.75	1803.95
7577	2020-04-02	2288.0	2095.24	1842.19	2123.0	1951.29	1710.72
7578	2020-04-03	2234.0	2069.48	1816.26	2140.0	1985.16	1746.23

Igen vælger jeg at fokusere på slutkurser i USD. Jeg plotter prishistorikken ved hjælp af matplotlib i Python:

plt.figure(figsize = (10,10))
plt.plot(data["Date"], data["USD PM"],color = "red")
plt.title("Daily palladium closing prices",size=26)
plt.ylabel("closing price [USD]",size = 16)
plt.xlabel("date", size = 16)

Text(0.5, 0, 'date')