Indlæs platin- og palladiumpriser fra Quandl i Python

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()
DateUSD AMEUR AMGBP AMUSD PMEUR PMGBP PM
01990-04-02471.00NaN289.65470.50NaNNaN
11990-04-03475.80NaN291.35477.25NaNNaN
21990-04-04475.70NaN289.95476.75NaNNaN
31990-04-05481.75NaN292.60481.85NaNNaN
41990-04-06481.00NaN293.10480.25NaNNaN

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()
DateUSD AMEUR AMGBP AMUSD PMEUR PMGBP PM
75742020-03-30721.0650.43581.45726.0658.80585.25
75752020-03-31723.0657.87586.61727.0662.72586.53
75762020-04-01723.0660.27585.19714.0653.25576.04
75772020-04-02727.0665.75585.35727.0668.20585.82
75782020-04-03719.0666.05584.55714.0662.34582.62

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()
DateUSD AMEUR AMGBP AMUSD PMEUR PMGBP PM
01990-04-02128.00NaN78.70127.65NaN78.55
11990-04-03128.35NaN78.60128.50NaN78.75
21990-04-04128.35NaN78.25128.00NaN77.90
31990-04-05128.40NaN78.00127.75NaN77.65
41990-04-06128.75NaN78.45128.50NaN78.40

Og jeg gennemgår også datarammens hale:

data.tail()
DateUSD AMEUR AMGBP AMUSD PMEUR PMGBP PM
75742020-03-302236.02017.141803.232242.02034.481807.34
75752020-03-312317.02108.281879.922307.02103.011861.23
75762020-04-012314.02113.241872.932236.02045.751803.95
75772020-04-022288.02095.241842.192123.01951.291710.72
75782020-04-032234.02069.481816.262140.01985.161746.23

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')

You May Also Like

Leave a Reply

Leave a Reply

Din e-mailadresse vil ikke blive publiceret. Krævede felter er markeret med *

This site uses Akismet to reduce spam. Learn how your comment data is processed.