시계열 데이터 시각화

시계열 데이터를 시각화를 연습합니다. 시계열 데이터 중 좋은 예로 사용할 수 있는 데이터는 주식데이터일 것 같습니다. FinanceDataReader라이브러리를 이용하여 Kospi 주가 정보를 읽어오고 이를 이용하여 월별 수익률을 계산합니다.

시계열 데이터의 경우 일정 기간을 기준으로 통계정보를 추출하고 이를 지표로 사용하는 경우가 많습니다. KOSPI 주가지수를 분석하는 예제로 시계열 데이터를 시각화합니다.

#| echo: false
import pandas as pd
import numpy as np
import FinanceDataReader as fdr


def monthly_returns(name, start_date, ):
    # start=str
    df = fdr.DataReader(name, start = str(start_date))
    monthly_df = df.resample('M').ffill()
    display(df)
    monthly_df['Close(+1)'] = monthly_df['Close'].shift(1)
    monthly_df['monthly returns(%)'] = (monthly_df['Close'] / monthly_df['Close(+1)'] - 1)*100
    monthly_df['monthly returns(6개월평균)'] = monthly_df['monthly returns(%)'].rolling(6, min_periods=1).mean()

    return monthly_df


# stock_name = 'US500'
stock_name = 'KS11'
monthly_df= monthly_returns(stock_name, (pd.Timestamp.now().year - 3))
monthly_df

import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots


# fig = go.Figure()
fig = make_subplots(rows=3, cols=1)

df = monthly_df.iloc[-24:, :]
fig.add_hline(y = 1.117, line_color='red')
color_info =['lightgray']*12 + ['gray']*12 + ['blue']*12

fig.add_trace(go.Bar(x=df.index, y=df['monthly returns(%)'],name='monthly returns(%)'),
              row=1,
              col=1)

fig.add_trace(go.Scatter(x=df.index, y=df['monthly returns(6개월평균)'], name= "monthly return(avg. 6M)"),
              row=2,
              col=1)
fig.add_hline(y = 0, line_color='black', row=2, col=1, opacity=0.3)
fig.add_trace(go.Scatter(x=df.index, y=df['Close'], name='Kospi'),
              row=3,
              col=1)

config = {
    'displayModeBar': False,
}

fig.update_layout(
    legend = dict(
        orientation="h", # 가로 방향으로
        yanchor="top", y=1.1, # y축 방향 위치 설정
        xanchor="left", x=0.01, # x축 방향 위치 설정
    ),
    xaxis = dict(
        dtick = 'M1',
        tickangle = 45,
        tickfont = dict(size = 9),
    ),
    height = 700,
    width = 700,
)

fig.show(config=config)

Pandas 데이터 프레임으로 KOSPI 주가지수 정보를 로드하고 각각의 정보를 3개의 sub plot으로 구성하여 같이 비교할 수 있도록 위와 같이 구성합니다. 예제를 통해서 subplot을 생성하는 방법에 대해서 이해할 수 있었고 특정 시간 단위로 시계열 데이터를 처리하는 방법도 배울 수 있었습니다.