Python PMI

时间:2022-06-03 斜月人气:0

前言

前文讲述了ppi-cpi和m0-m1-m2的图形绘制，在本文中继续分享一个反映经济活动景气度的指标PMI，在本文中还是采用爬虫的方式获取数据，然后通过matplotlib绘图工具将PMI逐年数据进行展示。对于新手来讲，会学习到python的基础知识、爬虫以及图形绘制的知识。

PMI 数据获取

在获取数据之前，先讲述一下PMI(采购经理人指数) 数据背后的含义：大家都知道，制造业是一个国家的立国之本，那么PMI就是衡量一个国家制造业发展运行情况的指标，通常情况下，比 50% 为分界线来经济强弱的分水岭，大于 50% 则代表制造业处于扩张，处理 40-50 则代表衰退，40 以下就是萧条了。

既然是数据获取，就需要找一个权威的网站获取数据，这里小编采用东方财富网的数据，这里直接给出页面的访问地址：

# 货币供应量数据访问地址
https://data.eastmoney.com/cjsj/pmi.html

采购经理人指数的数据来源如下图所示，这里只获取制造业和非制造业的指数数据即可，同比增长数据就不去获取了。

既然知道了采购经理人指数的来源，怎么获取数据呢，是不是要复制页面进 excel 在进行解析，如果这样的做话，费时费力。我想诸位页注意到了表格下方有分页，那么肯定是有通过 ajax 和后台进行通信的，通过观察可以发现如下接口，数据交互的结果如下图所示：

#采购经理人指数
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=200&mkt=21

# 这里也同样贴了前文中货币供应量接口、 ppi 和 cpi 的接口，会发现都是一样的，只不过mkt的参数不一样
# 货币供应量接口
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=200&mkt=11
# ppi 数据和cpi 数据
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=10&mkt=22
https://datainterface.eastmoney.com/EM_DataCenter/JS.aspx?type=GJZB&sty=ZGZB&p=1&ps=10&mkt=19

至于数据的获取，还是使用原理的方式进行操作，使用python抓取数据，这里采用requests来获取数据：

    body = requests.get(req_url).text
    body = body.replace("(", "").replace(")", "")
    data_list = body.split("\",\"")

    # 定义数据
    date_list, pmi1_list, pmi2_list = [], [], []

    for node in data_list:
        node = node.replace("]", "").replace("[", "").replace("\"", "")
        arr_list = node.split(",")
        date = arr_list[0]
        if date < "2010-01-01":
            continue
        # 时间数据
        date_list.append(date)
        # 数据操作存储
        pmi1_list.append(float(arr_list[1]))
        pmi2_list.append(float(arr_list[3]))
        print(node)

最终获取到的数据如下图所示：

pmi 图形绘制

在绘制图形之前，需要先对数据进行处理：

1 数据需要进行加工，提取需要展示的数据，而后数据的格式需要转换。
2 在数据处理时，还是按照制造业和非制造业、时间的列表来获取数据。
3 依旧使用 np.asarray 创建数据，进行图形绘制的准备工作。

按照以上的观点，数据处理的代码如下图所示：

对于图形的绘制，有以下几点：

1 图形中需要展示制造业和非制造业的数据情况，同时展示图例进行标识。
2 设置指标为 50 和 40 水平线，用于设置标准对比线型。

最后，经过这些编码，得到最终的制造业和非制造业指数对比图形如下：

总结

文章介绍了简单的python爬虫，并使用numpy进行了简单的数据处理，最终使用matplotlib进行图形绘制，实现了直观的方式展示制造业和非制造业指数图形。使用接口的方式获取数据可以随时获取数据更新重新绘制图形，省去了数据重新抓取的步骤。

加载全部内容