ВВЕДЕНИЕ
Броская фраза на веб-сайте гласит: «Самые важные данные в мире живут на Quandl. Это правда? Давайте разберемся.
Quandl - канадский стартап, который начинал с цели создания чего-то вроде Википедии для «Количественных данных». Задача заключалась в том, чтобы упростить доступ к данным, их использование и поиск без утомительного поиска в Интернете.
Quandl была основана в 2011 году и превратилась в один из самых мощных мировых ресурсов данных. Платформа обеспечивает легкий доступ к обширным данным, в основном финансовым, экономическим и социальным данным, обслуживая тысячи финансовых менеджеров, специалистов по инвестициям, аналитиков данных и так далее.
На платформе доступен ряд бесплатных и платных информационных ресурсов. Чтобы иметь возможность использовать платную версию, нужно будет создать учетную запись, выбрав план для бизнеса, учебы или личного пользования. После этого выдается личный API-ключ для доступа к любым премиум-данным. Более 500 источников данных из золота, нефти, ВВП, индекса Джини, сплитов, дивидендов, уровней грамотности, неожиданных прибылей, основных показателей Китая, стоимости жилья, курсов FOREX, показателей диабета, данных в аккаунте Twitter, биткойнов, угля, природного газа, энергопотребления. , глобальные кривые доходности, данные о населении, фундаментальные показатели акций, шанхайские фьючерсы, волатильность опционов, добыча нефти по странам, цены на иридий, экономические данные из федеральных резервов, оценки стартапов, венчурный капитал, форвардные соглашения о фрахте сухих грузов, промышленные металлы, спорт, рейтинг Alexa , Варианты акций, глобальная экономика, жилье, образование, здоровье и т. Д., Все доступно в одном месте и в формате или инструментах по желанию.
QUANDL И ПОДДЕРЖИВАЕМЫЕ ИНСТРУМЕНТЫ
Quandl имеет отличную систему поддержки популярных инструментов анализа данных, таких как Python / Excel / R и так далее. В этой статье основное внимание уделяется его использованию в Python.
ФУНКЦИИ QUANDL В PYTHON
- Вывод данных по умолчанию - фрейм данных Pandas: при получении данных из Quandl в Python вывод данных по умолчанию - фрейм данных Pandas.
2. Поддержка изменения формата данных:
При желании вывод данных по умолчанию можно легко переключить на массив Numpy. Все, что вам нужно сделать, это включить аргумент, как показано ниже:
3. Нарезка и нарезка данных: Quandl поддерживает выбор столбца, вы можете выбрать фильтрацию определенной части данных (функций), с которой хотите работать, и исключить другие, которые кажутся вам нерелевантными в данный момент. Или, возможно, снимите часть наблюдений в течение определенного периода времени по желанию.
4. Поддержка предварительной обработки и преобразования данных:
Есть еще несколько интересных функций, подробнее читайте в документации. Я включил ссылку в конце статьи.
QUANDL КАК БИБЛИОТЕКА PYTHON
Чтобы иметь возможность использовать богатый ресурс данных Quandl, его необходимо установить как библиотеку Python. Это внешняя библиотека, поэтому она не предустановлена даже при работе с пакетами Anaconda. К счастью, есть документация для каждого из поддерживаемых языков и инструментов. Ссылка на документацию по использованию Quandl с Python также включена ниже.
Как и большинство библиотек Python, Quandl можно установить с помощью диспетчера приложений pip.
pip install quandl
После установки его нужно импортировать.
импортировать квандл
Для эффективного анализа также необходимо импортировать другие пакеты, такие как Pandas, NumPy и Matplotlib.
Pandas является обязательным, поскольку Quandl вернет в качестве выходного файла Dataframe по умолчанию, а для его просмотра / чтения необходима библиотека pandas. Так же, как ранее было продемонстрировано выше.
Однако, если предпочтение представляет собой массив Numpy в качестве вывода, тогда также необходимо импортировать библиотеку.
Matplotlib потребуется в качестве оболочки для Pandas во время визуализации данных.
ПОЛУЧЕНИЕ ДАННЫХ ИЗ QUANDL С ПОМОЩЬЮ PYTHON
Когда для конкретного анализа требуются данные от Quandl, чаще всего можно было бы уже поискать на сайте их доступность. После того, как они будут найдены, платформа предоставит варианты того, как экспортировать данные для использования. Допустим, я искал цены на акции Apple, как показано ниже:
Появится страница с описанием данных в левой части отображаемой страницы, связанными наборами данных, необходимой информацией и так далее. В правой части страницы вы можете нажать на нужный инструмент / язык. Он предоставляет необходимый синтаксис. Например, щелкнув Python, вы получите синтаксис, показанный на снимке экрана ниже:
Обратите внимание, как вы можете включать аргументы и указывать конкретные даты / годы, с которыми вы хотите работать.
Потрясающе!
Нажав на «Узнать больше», вы получите ряд другой информации и запросов, которые вы можете использовать для наилучшего соответствия цели анализа.
Теперь у вас есть данные, вы можете построить любую модель, провести любой анализ / исследование, изучить тенденции для инвестиционных целей и так далее.
КОНЕЦ ПРИМЕЧАНИЕ
Я надеюсь, что мне удалось поделиться некоторыми мыслями о том, как исследовать и использовать Quandl в качестве отличного ресурса и инструмента для данных. Если вас интересуют финансы, инвестиции и т. Д., Вы хотите провести исследование и ищете количественные данные, это может быть очень полезно. Иногда получение качественных данных для эффективного и результативного анализа является довольно сложной задачей.
Спасибо за прочтение.
Пожалуйста, поделитесь, если вы нашли находчивый
Просмотрите ссылки ниже, чтобы узнать больше о его использовании.
РЕКОМЕНДУЕМЫЕ ССЫЛКИ
Https://docs.quandl.com/docs/python-installation.
ПРОФИЛЬ СОЦИАЛЬНЫХ СЕТЕЙ
Twitter: @ Diyyah92
LinkedIn: https://www.linkedin.com/in/aminah-mardiyyah-rufa-i
