企业官网建设流程全解析

1. 为什么我选择用 Jupyter Notebook 配合 Tushare 做数据分析入门

做数据分析这几年，我接触过不少刚入门的朋友，他们最常问的一个问题就是：“我想学 Python 数据分析，但不知道从哪里下手，有没有那种能让我马上看到结果、又不会一开始就被环境配置劝退的路子？”每次遇到这个问题，我的回答几乎都是一样的：找一个真实的数据源，配一个能即时反馈的交互环境，从第一行代码开始就让你看到数据长什么样。而 Tushare 加 Jupyter Notebook 这个组合，恰好就是我认为最适合新手跨过第一道门槛的搭配。

Tushare 是一个提供金融数据接口的 Python 库，你可以在代码里直接调用它获取股票行情、财务指标、基金净值、宏观经济等各类结构化数据。对于学数据分析的人来说，它的价值在于：你不需要自己去爬数据、清洗格式、处理缺失值，它已经把数据整理成了规整的 DataFrame 格式，拿来就能用。而 Jupyter Notebook 则是一个基于浏览器的交互式编程环境，你可以一段一段地写代码、一段一段地执行，每一步的结果都直接显示在代码下方，表格、图表、文字说明可以混排在一起。这种“边写边看”的体验，对于理解数据分析的每一个环节至关重要。

这篇文章适合谁看？如果你已经会一点 Python 基础语法，比如知道列表、字典、循环和函数是怎么回事，但还没有真正做过一个完整的数据分析项目，那这篇内容就是为你准备的。如果你已经用过 pandas 但不知道拿什么数据练手，这篇文章同样能给你一条清晰的路径。我会从环境搭建开始，一步步带你走完数据获取、数据清洗、指标计算、可视化呈现的完整流程，中间会穿插我自己踩过的坑和总结出来的技巧，尽量让你少走弯路。

2. 环境搭建与工具选型：为什么是这套组合

2.1 Jupyter Notebook 的安装与启动方式选择

安装 Jupyter Notebook 目前最省心的方式是通过 Anaconda 发行版。Anaconda 把 Python 解释器、Jupyter Notebook、pandas、numpy、matplotlib 这些数据分析常用的库全部打包好了，装完之后不需要再单独配置什么，直接就能用。下载地址在 Anaconda 官网，选择对应操作系统的安装包即可。安装过程中有一个选项叫“Add Anaconda to PATH”，Windows 用户建议勾选，不然后面在命令行里调用 jupyter 命令会麻烦一些。

装好之后，打开终端或命令行，输入：

jupyter notebook

回车之后，浏览器会自动打开一个页面，地址通常是http://localhost:8888。你会看到一个文件浏览器界面，这就是 Jupyter 的工作目录。点击右上角的“New”按钮，选择“Python 3”，就会新建一个 Notebook 文件。每个 Notebook 由一个个“单元格”组成，你可以在单元格里写代码，按Shift + Enter执行，结果直接显示在下方。

如果你不想装 Anaconda，也可以用 pip 单独安装：

pip install notebook

然后同样用jupyter notebook启动。不过用 pip 装的话，pandas、matplotlib 这些库需要自己一个个装，对新手来说稍微麻烦一点。我个人的建议是，如果你打算长期做数据分析，直接上 Anaconda，省下来的时间可以用来多分析几组数据。

注意：Jupyter Notebook 启动后，不要关闭那个命令行窗口，否则服务会中断。另外，Notebook 文件的后缀是.ipynb，它和普通的.py文件不一样，里面保存了代码、执行结果和 Markdown 文本，适合做分析记录，但不适合直接当作脚本运行。

2.2 Tushare 的注册与 Token 获取流程

Tushare 的使用需要一个 Token，这个 Token 相当于你的身份凭证，每次调用接口时都要带上。获取流程并不复杂：先到 Tushare 的官方网站注册一个账号，注册时需要填写邮箱和手机号，完成验证后登录。登录之后进入个人主页，在“接口TOKEN”页面就能看到一串由字母和数字组成的字符串，那就是你的 Token。

拿到 Token 之后，在 Jupyter Notebook 里这样初始化：

import tushare as ts ts.set_token('你的token字符串') pro = ts.pro_api()

这里解释一下pro_api()是什么。Tushare 有两个版本的接口：旧版的是ts.get_xxx()这种形式，新版的是pro.xxx()这种形式。新版接口的数据质量更好、字段更规范、更新更及时，所以现在一律推荐用pro_api()。初始化之后，你就可以用pro这个对象去调用各种数据接口了。

提示：Token 不要直接写在代码里然后分享出去，相当于把钥匙给别人了。建议把 Token 存在一个单独的配置文件里，或者用环境变量读取。我自己的做法是在项目目录下建一个config.py，里面写TOKEN = 'xxx'，然后在 Notebook 里from config import TOKEN，这样分享 Notebook 的时候不会泄露。

2.3 为什么不用其他数据源而选 Tushare

市面上能获取金融数据的途径不少，但 Tushare 有几个明显的优势。第一，它的接口设计非常统一，所有数据都返回 pandas DataFrame，列名清晰，不需要你做额外的格式转换。第二，它的数据覆盖面广，从股票日线行情到财务报表、从指数成分到宏观经济，基本上做分析常用的数据都能找到。第三，它的社区活跃，文档虽然不算特别详细，但常见问题在网上都能搜到答案。

相比之下，有些数据源返回的是 JSON 或 CSV，你需要自己解析和整理；有些数据源的接口经常变动，今天能用的代码明天就报错。Tushare 在这方面相对稳定，而且它的积分制度虽然对高频调用有限制，但对于学习用途来说，每天几百次的调用额度完全够用。

还有一个很重要的点：Tushare 的数据是“干净”的。什么叫干净？就是它已经帮你处理好了停牌、除权、复权这些容易让人头疼的问题。你拿到的是可以直接用于计算的数据，不需要花大量时间去清洗。对于初学者来说，这一点非常关键，因为如果一开始就陷入数据清洗的泥潭，很容易失去学习的信心。

3. 数据获取实操：从第一行代码到拿到完整数据集

3.1 获取股票列表与基础信息

做任何分析的第一步，都是先搞清楚你要分析的对象有哪些。对于股票分析来说，第一步就是获取股票列表。用 Tushare 的stock_basic接口可以拿到所有上市公司的基本信息：

# 获取股票列表 stock_list = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date') print(stock_list.shape) stock_list.head()

这段代码里，exchange=''表示不限制交易所，list_status='L'表示只获取上市状态的股票，fields参数指定你需要的字段。返回的 DataFrame 包含股票代码、名称、所在地区、所属行业和上市日期。你可以看到，一行代码就拿到了几千条数据，这就是 Tushare 的便利之处。

我通常会先看一下数据的形状和前几行，确认数据是否正常返回。stock_list.shape会告诉你有多少行多少列，head()显示前五行。如果返回的是空 DataFrame，那多半是 Token 有问题或者积分不够。

实操心得：stock_basic接口返回的ts_code是带交易所后缀的代码，比如000001.SZ表示深交所的平安银行，600000.SH表示上交所的浦发银行。后面调用行情接口时，传入的代码必须是这种带后缀的格式，不能只写000001，否则会报错。

3.2 获取日线行情数据与参数设置

拿到股票列表之后，下一步就是获取具体的行情数据。最常用的是daily接口，可以获取指定股票在指定日期范围内的日线行情：

# 获取单只股票的日线行情 df = pro.daily(ts_code='000001.SZ', start_date='20230101', end_date='20231231') print(df.shape) df.head()

返回的字段包括开盘价、最高价、最低价、收盘价、成交量、成交额等。默认是按日期倒序排列的，也就是最新的数据在最前面。如果你想要按日期正序排列，可以用df.sort_values('trade_date')重新排序。

这里有几个参数细节值得注意。start_date和end_date的格式是YYYYMMDD，必须是字符串，不能写成2023-01-01这种带横线的格式。另外，如果你不指定日期范围，接口会返回最近一个交易日的数据。如果你指定了日期范围但中间有停牌日，那些日期不会出现在结果里，这是正常的。

注意：daily接口每次最多返回 6000 条数据。如果你要获取一只股票十年的日线数据，大概有 2400 多条，一次就能拿完。但如果你要获取多只股票的数据，就需要分批调用或者用循环。我一般会写一个函数来封装这个逻辑，后面会讲到。

3.3 批量获取多只股票数据的循环写法

单只股票的数据获取很简单，但实际分析中往往需要多只股票的数据。这时候就需要写循环来批量获取。下面是我常用的一个写法：

import time import pandas as pd def get_multi_stock_daily(ts_codes, start_date, end_date): all_data = [] for code in ts_codes: try: df = pro.daily(ts_code=code, start_date=start_date, end_date=end_date) if df is not None and not df.empty: all_data.append(df) time.sleep(0.3) # 控制调用频率 except Exception as e: print(f'{code} 获取失败: {e}') if all_data: return pd.concat(all_data, ignore_index=True) else: return pd.DataFrame() # 示例：获取三只银行股的日线数据 codes = ['000001.SZ', '600000.SH', '601398.SH'] result = get_multi_stock_daily(codes, '20230101', '20231231') print(result.shape)

这段代码里有几个关键点。第一，用try...except包裹每次调用，防止某一只股票获取失败导致整个程序中断。第二，用time.sleep(0.3)控制调用频率，避免触发接口的频率限制。第三，用pd.concat把所有 DataFrame 合并成一个大的 DataFrame，方便后续统一处理。

实操心得：time.sleep的秒数可以根据你的积分等级调整。积分越高，允许的调用频率越高。如果你发现频繁报“调用频率超限”的错误，就把 sleep 的时间调长一点。我一般用 0.3 秒，一天获取几百只股票的数据没有问题。

3.4 数据字段解读与常见返回格式说明

Tushare 返回的 DataFrame 字段命名比较规范，但有些字段的含义需要解释一下。以daily接口为例：

这里特别要注意的是vol的单位是“手”，一手等于 100 股。amount的单位是“千元”，不是“元”。如果你要做成交额的分析，记得把单位换算统一。另外，pct_chg是百分比数值，比如 2.5 表示涨了 2.5%，不是 0.025。

还有一个容易忽略的点：trade_date是字符串格式，不是日期类型。如果你要做时间序列分析，需要先转换：

df['trade_date'] = pd.to_datetime(df['trade_date']) df = df.sort_values('trade_date').reset_index(drop=True)

转换之后，你就可以用 pandas 的时间序列功能了，比如按月重采样、计算滚动平均等。

4. 数据清洗与指标计算：让原始数据变成可用信息

4.1 缺失值与异常值的处理思路

Tushare 的数据质量整体不错，但并不意味着完全没有缺失值和异常值。常见的情况包括：停牌期间没有行情数据、某些财务指标在特定报告期没有披露、新股上市初期的数据不完整等。处理这些问题的方法取决于你的分析目标。

如果缺失值是因为停牌造成的，那这些缺失是有意义的，不应该随意填充。你可以选择在分析时排除这些日期，或者用前一个交易日的收盘价填充。如果缺失值是因为数据源本身的问题，比如某个字段在早期版本中没有记录，那可以考虑删除这些字段或者用行业均值填充。

异常值的检测我一般用两种方法。一种是看描述性统计，用df.describe()查看最大值、最小值、均值、标准差，如果某个值明显偏离正常范围，就值得怀疑。另一种是画箱线图，直观地看到离群点。比如涨跌幅超过 10% 的数据（非科创板），在正常交易日是不应该出现的，如果出现了，可能是数据错误或者除权除息导致的。

# 查看描述性统计 print(df[['open', 'high', 'low', 'close', 'pct_chg']].describe()) # 筛选涨跌幅绝对值超过10%的记录 abnormal = df[df['pct_chg'].abs() > 10] print(abnormal[['trade_date', 'close', 'pct_chg']])

注意：不要一看到异常值就删掉。有些异常值是真实的市场行为，比如涨跌停、除权除息、重大公告后的剧烈波动。你需要结合具体背景判断，而不是机械地套用规则。

4.2 计算移动平均线与收益率

移动平均线是最基础的技术指标之一，计算起来也很简单。pandas 的rolling()方法可以轻松实现：

# 计算5日、10日、20日移动平均线 df['ma5'] = df['close'].rolling(window=5).mean() df['ma10'] = df['close'].rolling(window=10).mean() df['ma20'] = df['close'].rolling(window=20).mean() # 计算日收益率 df['daily_return'] = df['close'].pct_change() # 计算累计收益率 df['cum_return'] = (1 + df['daily_return']).cumprod() - 1

这里解释一下pct_change()的逻辑：它计算的是当前值相对于前一个值的百分比变化。比如收盘价从 10 元涨到 10.5 元，pct_change()返回 0.05，也就是 5%。cumprod()是累积乘积，用来计算从起始日期到当前日期的累计收益。

移动平均线的窗口选择是有讲究的。5 日线反映短期趋势，10 日线反映中期趋势，20 日线反映中长期趋势。如果你做的是短线分析，可能还会用到 3 日线或 7 日线。窗口越小，均线越贴近价格，但噪音也越大；窗口越大，均线越平滑，但滞后性越强。这个取舍需要根据你的分析周期来定。

实操心得：计算移动平均线时，前 N-1 个数据会是 NaN，因为数据不够计算窗口。这是正常的，不要用 0 填充，否则会扭曲均线的形状。如果你要画图，matplotlib 会自动跳过 NaN 值，不会影响视觉效果。

4.3 用 groupby 做分组统计

当你有多只股票的数据时，groupby是你最好的朋友。比如你想计算每只股票的平均涨跌幅、最大回撤、波动率等指标：

# 按股票代码分组计算统计指标 stats = result.groupby('ts_code').agg({ 'close': ['mean', 'std', 'min', 'max'], 'pct_chg': ['mean', 'std'], 'vol': 'sum' }).round(2) print(stats)

这段代码会返回一个多层索引的 DataFrame，每只股票一行，包含收盘价的均值、标准差、最小值、最大值，涨跌幅的均值和标准差，以及成交量的总和。你可以用stats.columns查看列名，然后用stats['close']['mean']这种方式访问具体的列。

如果你觉得多层索引不好用，可以在agg之后用stats.columns = ['_'.join(col) for col in stats.columns]把列名扁平化，变成close_mean、close_std这种形式，后续处理会更方便。

4.4 数据合并与透视表的应用

有时候你需要把不同来源的数据合并到一起。比如你有一个股票列表的 DataFrame，还有一个行情数据的 DataFrame，你想把行业信息加到行情数据里：

# 合并股票列表和行情数据 merged = pd.merge(result, stock_list[['ts_code', 'name', 'industry']], on='ts_code', how='left') print(merged.head())

pd.merge的how参数控制合并方式：left表示保留左表的所有行，right表示保留右表的所有行，inner表示只保留两表都有的行，outer表示保留所有行。大多数情况下用left就够了。

透视表是另一个很实用的工具。比如你想看每个行业在每个月的平均涨跌幅：

# 先提取月份 merged['month'] = pd.to_datetime(merged['trade_date']).dt.to_period('M') # 创建透视表 pivot = merged.pivot_table(values='pct_chg', index='industry', columns='month', aggfunc='mean') print(pivot.round(2))

透视表的好处是一目了然，行是行业，列是月份，单元格是平均涨跌幅。你可以很快看出哪些行业在哪个月表现好，哪些表现差。这种表格在 Jupyter Notebook 里显示得很直观，适合做初步的探索性分析。

5. 可视化呈现：让数据开口说话

5.1 用 matplotlib 画收盘价走势图

数字表格看多了容易疲劳，图表才是数据分析的利器。matplotlib 是 Python 最基础的绘图库，虽然样式不算特别美观，但胜在灵活可控。下面是一个画收盘价走势图的例子：

import matplotlib.pyplot as plt import matplotlib.dates as mdates # 设置中文字体 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 准备数据 df_plot = df.sort_values('trade_date').copy() df_plot['trade_date'] = pd.to_datetime(df_plot['trade_date']) # 绘图 fig, ax = plt.subplots(figsize=(12, 5)) ax.plot(df_plot['trade_date'], df_plot['close'], label='收盘价', color='#1f77b4', linewidth=1.5) ax.plot(df_plot['trade_date'], df_plot['ma5'], label='MA5', color='#ff7f0e', linewidth=1, linestyle='--') ax.plot(df_plot['trade_date'], df_plot['ma20'], label='MA20', color='#2ca02c', linewidth=1, linestyle='--') ax.set_title('收盘价与移动平均线走势', fontsize=14) ax.set_xlabel('日期') ax.set_ylabel('价格（元）') ax.legend() ax.grid(True, alpha=0.3) # 格式化日期轴 ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m')) ax.xaxis.set_major_locator(mdates.MonthLocator(interval=2)) plt.xticks(rotation=45) plt.tight_layout() plt.show()

这段代码里有几个细节值得说明。第一，中文字体设置是必须的，否则标题和标签里的中文会显示成方块。Windows 系统用SimHei，Mac 系统可以用Arial Unicode MS。第二，figsize控制图片大小，宽 12 高 5 是我常用的比例，适合在 Notebook 里显示。第三，alpha=0.3让网格线半透明，不会喧宾夺主。第四，日期轴的格式化用mdates模块，可以控制显示哪些刻度、用什么格式。

实操心得：如果你的数据点很多，比如超过 500 个交易日，建议把linewidth调小到 1 以下，否则线条会糊在一起。另外，plt.tight_layout()可以自动调整子图间距，避免标签被截断，建议每次都加上。

5.2 用 seaborn 做统计分布图

seaborn 是基于 matplotlib 的高级绘图库，默认样式更好看，而且做统计图表特别方便。比如你想看日收益率的分布：

import seaborn as sns # 设置样式 sns.set_style('whitegrid') sns.set_palette('muted') # 绘制收益率分布图 fig, axes = plt.subplots(1, 2, figsize=(14, 5)) # 左图：直方图 + 核密度曲线 sns.histplot(df['daily_return'].dropna(), bins=50, kde=True, ax=axes[0], color='#4c72b0') axes[0].set_title('日收益率分布', fontsize=13) axes[0].set_xlabel('日收益率') # 右图：箱线图 sns.boxplot(y=df['daily_return'].dropna(), ax=axes[1], color='#dd8452') axes[1].set_title('日收益率箱线图', fontsize=13) axes[1].set_ylabel('日收益率') plt.tight_layout() plt.show()

直方图看的是整体分布形状，是正态分布还是偏态分布，有没有明显的双峰。核密度曲线是直方图的平滑版本，更容易看出分布的特征。箱线图看的是中位数、四分位数和离群点，适合快速判断数据的集中趋势和离散程度。

从日收益率的分布中，你通常会发现几个特征：均值接近 0，因为长期来看涨跌大致平衡；分布比正态分布更“尖峰厚尾”，也就是极端值出现的概率比正态分布预测的要高；可能有轻微的偏态，取决于分析的时间段。

5.3 多股票对比图的绘制技巧

当你有多只股票的数据时，对比图能帮你快速看出差异。下面是一个归一化对比的写法：

# 归一化处理：以第一天为基准 pivot_close = merged.pivot_table(values='close', index='trade_date', columns='name', aggfunc='first') normalized = pivot_close / pivot_close.iloc[0] * 100 # 绘图 fig, ax = plt.subplots(figsize=(12, 6)) for col in normalized.columns: ax.plot(pd.to_datetime(normalized.index), normalized[col], label=col, linewidth=1.5) ax.set_title('多股票归一化走势对比（基准=100）', fontsize=14) ax.set_xlabel('日期') ax.set_ylabel('归一化价格') ax.legend(loc='upper left') ax.grid(True, alpha=0.3) plt.xticks(rotation=45) plt.tight_layout() plt.show()

归一化的目的是消除价格绝对值的影响。比如一只股票 10 元，另一只 100 元，直接画在一起的话，10 元的那只看起来像一条直线。归一化之后，两只股票都从 100 开始，涨跌幅的差异就一目了然了。

注意：pivot_table的aggfunc='first'是因为同一天同一只股票只有一条记录，用first取第一条即可。如果你的数据里有重复记录，需要先做去重处理。

5.4 在 Notebook 中嵌入图表的最佳实践

Jupyter Notebook 里显示图表有两种方式。一种是%matplotlib inline，图表直接嵌入在 Notebook 页面里，适合做分析记录。另一种是%matplotlib notebook或%matplotlib widget，图表是交互式的，可以缩放、平移，适合探索数据。我一般用 inline 模式，因为稳定、兼容性好，而且分享 Notebook 的时候别人也能看到图。

如果你想让图表更清晰，可以在绘图前设置 DPI：

%matplotlib inline %config InlineBackend.figure_format = 'retina'

retina格式会让图表在高分屏上显示得更清晰。另外，如果你要保存图表，用plt.savefig('filename.png', dpi=150, bbox_inches='tight')，bbox_inches='tight'可以去掉多余的空白边距。

还有一个技巧：在 Notebook 里，每个单元格执行完绘图代码后，最好加一个plt.show()，虽然 inline 模式下不加也会显示，但加上之后可以确保图表在正确的单元格下方显示，避免多个图表混在一起。

6. 常见问题与排查技巧实录

6.1 Token 失效与接口调用报错处理

最常见的问题就是 Token 失效或权限不足。报错信息通常是“抱歉，您没有访问该接口的权限”或者“Token 无效”。遇到这种情况，先检查 Token 是否复制完整，有没有多余的空格。然后确认你的积分是否足够调用该接口，有些接口需要较高的积分等级才能使用。

如果 Token 确认没问题但还是报错，可以尝试重新生成 Token。在 Tushare 个人主页的“接口TOKEN”页面，有一个“刷新”按钮，点击后会生成新的 Token，旧的立即失效。刷新之后记得更新你代码里的 Token。

还有一种情况是接口临时维护或网络波动。这种报错通常是“请求超时”或“服务不可用”。遇到这种问题，等几分钟再试，或者在代码里加一个重试机制：

import time def safe_call(func, max_retries=3, delay=5): for i in range(max_retries): try: return func() except Exception as e: print(f'第{i+1}次尝试失败: {e}') if i < max_retries - 1: time.sleep(delay) return None

这个safe_call函数接受一个无参数的函数，失败时自动重试，最多重试max_retries次，每次间隔delay秒。你可以把任何 Tushare 调用包装进去。

6.2 数据为空或字段缺失的排查思路

有时候接口返回的是空 DataFrame，或者某些字段全是 NaN。排查思路可以按以下顺序进行：

第一，检查股票代码是否正确。Tushare 的代码格式是000001.SZ这种带后缀的，如果你只写了000001，接口会返回空。第二，检查日期范围是否合理。如果你查的是未来日期，或者查的是该股票上市之前的日期，返回空是正常的。第三，检查该股票是否在指定日期范围内有交易。如果股票停牌了很长时间，那段时间的数据就是空的。

字段缺失的情况通常是接口本身不返回该字段，或者该字段在特定条件下才有值。比如财务指标接口，有些指标只在年报中披露，季报中可能没有。这时候你需要根据分析目标决定是删除该字段还是用其他字段替代。

实操心得：我习惯在每次获取数据后立即打印df.shape和df.isnull().sum()，这样能第一时间发现数据问题。如果shape是(0, 0)，说明完全没拿到数据；如果某些列的非空计数明显偏低，说明该列有大量缺失。

6.3 Jupyter Notebook 卡顿与内存优化

当数据量大了之后，Jupyter Notebook 可能会变得卡顿，甚至崩溃。常见原因包括：DataFrame 太大占满内存、图表太多导致渲染缓慢、Notebook 里积累了太多输出内容。

优化的方法有几个。第一，及时删除不再使用的变量，用del df然后import gc; gc.collect()手动触发垃圾回收。第二，读取数据时只保留需要的列，用usecols参数或者获取后立即df = df[['col1', 'col2']]。第三，对于大数据集，考虑用dtype指定更节省内存的类型，比如把float64换成float32，把object换成category。

# 优化数据类型 df['pct_chg'] = df['pct_chg'].astype('float32') df['ts_code'] = df['ts_code'].astype('category')

另外，定期重启 Kernel 并重新运行所有单元格，可以清理内存碎片。在菜单栏选择“Kernel” -> “Restart & Run All”即可。

6.4 常见报错速查表

提示：SettingWithCopyWarning是 pandas 里最常见的警告之一。它出现的原因是你在一个切片上做赋值操作，pandas 不确定你是想修改原始数据还是副本。解决方法很简单，在切片后面加.copy()，明确告诉 pandas 你要一个独立的副本。

7. 从学习到实战：我的个人经验与建议

7.1 如何设计一个完整的数据分析小项目

学完基础操作之后，你需要一个完整的项目来串联所有知识点。我建议从这样一个问题开始：“某行业的多只股票在过去一年中，哪只表现最好？它们的收益和风险特征有什么差异？”这个问题涉及数据获取、清洗、指标计算、可视化和结论输出，是一个完整的数据分析闭环。

具体步骤可以这样设计：第一步，获取该行业所有股票的列表；第二步，批量获取这些股票过去一年的日线行情；第三步，计算每只股票的累计收益率、年化波动率、最大回撤；第四步，用表格和图表对比这些指标；第五步，写出你的分析结论，比如“A 股票收益最高但波动也最大，B 股票收益中等但回撤最小，适合风险偏好较低的投资者”。

这个项目不需要很复杂，但能让你走完整个流程。做完之后，你会对数据分析的每一个环节都有切身的体会，而不是停留在“知道”的层面。

7.2 我踩过的坑与总结出的实用技巧

第一个坑是“数据获取太多导致接口超限”。刚开始的时候，我想一次性获取所有股票十年的数据，结果调用了没几次就被限制访问了。后来我学会了分批获取，每次获取几十只，中间加 sleep，分几天完成。对于学习用途来说，不需要全量数据，选一个行业或者一个指数成分股就够了。

第二个坑是“忽略复权问题”。Tushare 的daily接口返回的是未复权价格，如果股票期间有分红送股，价格会出现跳空，影响收益率计算的准确性。解决方法是用pro_bar接口，设置adj='qfq'获取前复权数据：

df_adj = ts.pro_bar(ts_code='000001.SZ', adj='qfq', start_date='20230101', end_date='20231231')

前复权是以当前价格为基准调整历史价格，适合做收益率分析。后复权是以历史价格为基准调整当前价格，适合做长期走势对比。我一般用前复权。

第三个坑是“在 Notebook 里写太长的代码块”。一个单元格里写几百行代码，调试起来非常痛苦。后来我养成了习惯：每个单元格只做一件事，获取数据一个单元格，清洗数据一个单元格，计算指标一个单元格，画图一个单元格。这样出问题的时候能快速定位是哪个环节出了错。

7.3 后续可以扩展的方向

当你熟练了基本流程之后，可以往几个方向扩展。一个是增加技术指标，比如 MACD、RSI、布林带，这些都可以用 pandas 计算出来。另一个是尝试不同的可视化方式，比如用 plotly 做交互式图表，或者用 pyecharts 做更美观的图表。还有一个方向是引入简单的统计分析，比如计算两只股票的相关性、做线性回归看趋势、用移动窗口计算滚动波动率等。

如果你对机器学习感兴趣，还可以尝试用历史数据做简单的预测模型，比如用线性回归预测下一日收盘价，或者用聚类算法对股票进行分类。不过这些属于进阶内容，建议先把基础的数据获取、清洗、计算、可视化练熟，再往深处走。

7.4 给初学者的学习节奏建议

最后说一下学习节奏。我见过很多人一开始热情很高，一天学五六个小时，结果三天之后就放弃了。数据分析是一个需要持续练习的技能，每天花 30 到 60 分钟，坚持两周，比突击三天效果好得多。

我的建议是：第一周，熟悉 Jupyter Notebook 的基本操作和 Tushare 的数据获取，能独立拿到一只股票的日线数据并画出走势图。第二周，学习数据清洗和指标计算，能计算移动平均线、收益率、波动率，并用表格和图表展示结果。第三周，尝试一个完整的小项目，从提出问题到得出结论，走完整个流程。三周之后，你就有了一个可以拿得出手的数据分析作品，也有了继续深入的基础。

我个人在实际操作中的体会是：数据分析最难的不是写代码，而是想清楚你要回答什么问题。代码只是工具，问题才是方向。每次开始分析之前，先花五分钟想清楚“我要回答什么问题”“需要哪些数据”“用什么指标衡量”，比直接打开 Notebook 就开始敲代码要高效得多。