Abrufen von Platin- und Palladiumpreisen mittels Quandl in Python

In einem früheren Beitrag habe ich gezeigt, wie man Fahrzeugdaten über Quandl direkt aus einem Pythonskript heraus abfragen kann.

In diesem Beitrag werde ich dokumentieren, wie Platin- und Palladium-Kurse via Quandl in Python abgefragt werden können. Die Daten wurden vom Londoner Palladium- und Platinmarkt (http://www.lppm.com) überprüft.

Im folgenden Code rufe ich einen Datensatz mit Platinpreisen von Quandl ab

import quandl
# API-Schlüssel einrichten
quandl.ApiConfig.api_key = "your key here"
import numpy
import pandas
# Abrufen von Daten aus Quandl im Numpy-Format und anschließende Konvertierung in Pandas DataFrame
data = pandas.DataFrame(quandl.get('LPPM/PLAT', returns="numpy"))

Der erhaltene Datensatz enthält tägliche Eröffnungs- und Schlusskurse von Metallbörsenmärkten auf der ganzen Welt. Wir können uns den Header des erhaltenen Datenrahmens ansehen:

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

Für die letzten Tage wurden die Preise für alle Währungen aufgeführt. Da die Eröffnungs- und Schlusskurse sowohl 1990 als auch 2020 in USD notiert waren konzentriere ich mich nur auf die Preise in USD.

Im folgenden Code zeichne ich die Platin-Schlusskurshistorie in USD mit matplotlib

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')

Im folgenden Code wiederhole ich den obigen Workflow für die Palladium-Preishistorie

Zuerst frage ich die Daten von Quandl ab:

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

Als nächstes überprüfe ich den Header des Datenrahmens:

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

Und ich überprüfe auch das Ende des Datenrahmens:

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

Auch hier konzentriere ich mich auf die Schlusskurse in USD. Ich zeichne den Preisverlauf unten mit Matplotlib in 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)