C3 · 資料清理、視覺化與轉換
從兩檔股票的行情,做出可以解釋的比較
台積電比較貴,代表表現比較好嗎?
2026 年 9 月 1 日,台積電收盤價 2,440 元,鴻海 256 元。
想比較表現
這段期間,哪一檔的相對價格漲幅較大?
也想了解波動
每天的價格變動有多大?成交量與變動有什麼關係?
股價高低、期間報酬與每日波動,回答的是不同問題。
今天完成一份雙股比較
- 整理資料把日期、價格與成交量整理成可計算的欄位。
- 畫圖理解觀察走勢、分布與兩個變數之間的關係。
- 轉換尺度用報酬率、共同起點與對數回答比較問題。
成果包含:一份整理後資料、比較圖,以及有根據的文字解釋。
接續 W02,從取得資料走向分析
| 已完成 | 本週 | 11/6 |
|---|---|---|
| 用 yfinance 取得行情 | 清理格式、缺值與重複紀錄 | 設計動能、波動度等金融特徵 |
| 讀取證交所報表 | 用圖理解分布與關係 | 定義模型要預測的結果 |
| 比較來源差異 | 報酬率、共同基準與對數轉換 | 落後資訊、時間切分與資料洩漏 |
本週先理解手上的資料;11/6 再問它能怎麼成為模型的輸入。
開啟本週 Notebook
- 登入課程平台,下載 Notebook。
- 在 Colab 選「上傳筆記本」,選取下載的檔案。
- 執行第 1 節,確認出現兩檔股票的資料。
Notebook 已附真實行情快照;也提供自行換股票下載的選做程式。
第一部分
先把資料整理成可以理解的表格
先看每一列在說什麼
| Ticker | Date | Close | Volume |
|---|---|---|---|
| 2330.TW | 2026-09-01 | 2440.0 | 17,216,484 |
| 2330.TW | 2026-09-02 | 2385.0 | 19,825,721 |
| 2317.TW | 2026-09-01 | 256.0 | 29,000,052 |
每列是一檔股票的一個觀測日。Close 是元/股;Volume 使用 Yahoo 來源的成交股數。
價格取自 auto_adjust=False 的 Close。本課比較價格變化,未計入股利與交易成本。
整理前,先做一份資料摘要
raw.head()
raw.dtypes
raw.groupby('Ticker')['Date'].agg(['count', 'min', 'max'])
本次快照:兩檔股票各 20 列,日期範圍皆為 9/1–9/30。
先知道期間與每列的意思,才能解釋後續的圖與統計量。
一份看起來正常,卻還不能直接計算的表格
Notebook 第 2 節另建練習副本,刻意加入下列問題:
| 看到的內容 | 要做的處理 |
|---|---|
| 股票代碼前後有空白 | 去除多餘空白 |
成交量是字串 "17,216,484" |
移除千分位逗號,轉成數字 |
| 日期順序被打亂 | 先轉成日期,再依股票與日期排序 |
| 同一列出現兩次 | 比較內容後,移除完全相同的重複列 |
這些問題來自練習設定;原始行情另行保存。
讓文字欄位成為可以計算的數字
text = practice['Volume'].astype('string')
text = text.str.strip().str.replace(',', '', regex=False)
volume = pd.to_numeric(text, errors='coerce')
"17,216,484" 可以轉成 17216484;"—" 會成為缺值。
接著查看轉換失敗的原始列,分清缺值記號與其他輸入錯誤。
缺成交量,還能使用這一天的價格嗎?
練習副本把台積電 9/2 的成交量改成 —,價格仍為 2,385 元。
畫股價走勢
價格仍可使用,保留這個觀測日。
畫價量散布圖
這一天缺少成交量,不能畫成完整的一個點。
依分析需要選擇有效欄位,並交代使用了多少筆觀測。
重複紀錄與價格衝突,要分開處理
| 同股票、同日期 | 處理方式 |
|---|---|
| 價格與成交量都相同 | 保留原始資料後,可去除完全相同的重複列 |
| 一筆價格為 2,440,另一筆為 9,999 | 先查來源;不能直接挑第一筆 |
clean = clean_data(raw)
Notebook 的 clean_data 會整理欄位與排序;遇到衝突會指出問題。
看到異常值,先查原因
假設圖上出現一天價格大幅跳動,可能是輸入錯誤,也可能有公司事件或真實市場變化。
- 回看原始列與來源。
- 查價格調整方式及相關事件。
- 記下保留、修正或排除的理由。
單憑「離其他點很遠」,還不足以決定刪除。
第二部分
用圖回答不同的問題
股價走勢與成交量,要一起讀
上圖看價格如何變動,下圖看各日交易量;上下共用日期,單位分開標示。
程式怎麼把兩個圖對齊?
fig, (ax_price, ax_volume) = plt.subplots(2, 1, sharex=True)
ax_price.plot(stock['Date'], stock['Close'])
ax_volume.bar(stock['Date'], stock['Volume'] / 1_000_000)
sharex=True 共用日期軸;成交量除以一百萬,是為了用「百萬股」標示。
完整軸標籤、圖形比例與存檔程式在 Notebook 第 3 節。
直接把兩檔股價畫在一起
台積電的線比較高,表示每股價格較高;這張圖尚未回答誰的相對漲幅較大。
第三部分
換一種表示方式,才能比較
讓兩檔股票從同一個起點出發
價格指數 = 當日價格 ÷ 起點價格 × 100。
| 股票 | 9/1 起點 | 9/30 收盤價 | 9/30 價格指數 |
|---|---|---|---|
| 台積電 | 2,440 | 2,480 | 101.64 |
| 鴻海 | 256 | 251.5 | 98.24 |
兩者都從 100 出發,指數高於 100 表示相對起點上漲。
共同起點,讓期間表現更容易比較
9/1 收盤至 9/30 收盤:台積電約 +1.64%,鴻海約 −1.76%。這是本期間的價格變化。
先對齊日期,再選共同起點
prices = clean.pivot(index='Date', columns='Ticker', values='Close')
prices = prices.sort_index()
index100 = prices.div(prices.iloc[0]).mul(100)
prices 每列一個日期,每欄一檔股票。Notebook 會先確認缺值,再計算比較圖。
換成其他股票時,也要確認兩檔使用相同基準日與價格定義。
期間漲幅之外,每天的變動也值得看
returns = prices.pct_change(fill_method=None)
台積電從 9/1 的 2,440 元到 9/2 的 2,385 元:
$$ 2385 / 2440 - 1 \approx -0.02254 $$
即約 −2.25%。欄位存小數,圖上乘 100 顯示百分比。
第一天的報酬,為什麼是空的?
本表從 9/1 開始,沒有前一筆價格,因此無法計算第一筆報酬。
保留缺值
如實表示本表缺少比較起點。
計算分布時
兩檔各有 19 筆有效報酬,樣本數要一起交代。
若中間漏掉一個應有交易日,相鄰列的價格變化也可能跨越多日。
報酬率分布:每天的變動集中在哪裡?
橫軸是報酬率區間,縱軸是落在區間內的次數。短樣本只描述這段期間。
長條圖與直方圖,回答不同問題
| 圖形 | 一根柱子代表 | 本課例子 |
|---|---|---|
| 長條圖(bar plot) | 某個日期或類別的數值 | 9/2 的成交量 |
| 直方圖(histogram) | 落在某個數值區間的觀測次數 | 報酬率介於 −1% 與 0% 的次數 |
plt.hist(returns['2330.TW'].dropna() * 100, bins=8)
比較兩檔時使用相同分組邊界;改變區間數,也會改變圖的外觀。
成交量大,當日報酬就比較高嗎?
每個點是一個觀測日。觀察是否形成明顯關係;單張圖不足以支持因果或未來預測。
對數轉換,壓縮大數值之間的差距
stock['LogVolume'] = np.log1p(stock['Volume'])
log1p 計算自然對數 ln(1 + x),零成交量可得到 0,缺值仍保留。
例如成交量從 1,000 到 10,000,相差 9,000;轉換後約從 6.91 到 9.21,相差 2.30。
轉換改變尺度,不保證變成常態分布,也不會自動修正資料錯誤。
轉換前後,要回到資料看效果
這份短樣本的變化可能有限。是否採用轉換,仍要依分析目的判斷。
基準化、對數與標準化,各自做什麼?
| 方法 | 改變什麼 | 使用情境 |
|---|---|---|
| 起點設為 100 | 以共同日期比較相對價格變化 | 比較兩檔走勢 |
| 對數轉換 | 壓縮較大數值的間距 | 觀察數值尺度與分布 |
| 標準化(standardization) | 減平均、除標準差 | 讓某些模型較容易比較不同尺度的欄位 |
標準化需要估計平均與標準差;模型分析時由訓練資料估計,11/6 再配合時間切分實作。
第四部分
把結果寫成一個可以理解的比較
讓 AI 協助產生比較圖
請使用附上的 2026 年 9 月兩檔股票資料。
依股票與日期排序,保留原始資料,說明缺值與重複紀錄。
畫出以共同起點 100 表示的價格走勢,以及報酬率分布。
兩檔報酬率直方圖使用相同區間,標出單位與有效樣本數。
用三句話比較期間價格變化、每日波動與分析限制。
請提供可在 Colab 依序執行的 Python 程式。
附上 Notebook 的行情表,再對照實際輸出修改文字結論。
一段有資料支持的比較
- 期間表現:9/1 至 9/30 收盤,台積電價格約上漲 1.64%,鴻海約下跌 1.76%。
- 每日波動:各 19 筆報酬的樣本標準差,台積電約 1.19%,鴻海約 1.33%;本期間鴻海略高。
- 分析限制:樣本只涵蓋一個月,價格變化未納入股利與成本,不能直接推論未來表現。
比較要同時交代期間、指標與限制。
現在換你完成另一張圖
在 Notebook 第 3 節,把股票改為 2317.TW。
- 執行股價與成交量圖,確認股票代碼、日期與單位。
- 在第 5 節調整直方圖的區間數,觀察外觀差異。
- 寫出一項觀察,並說明圖形尚不能回答什麼。
完整範例供練習;需提交的作業請下載平台「Notebook 作業」版本。
整理好的資料,如何接到 11/6?
| 本週保存的欄位 | 11/6 接著問 |
|---|---|
| 日期、股票、價格與成交量 | 如何定義一筆模型觀測? |
| 價格報酬與轉換後尺度 | 如何構造動能、波動度及落後特徵? |
| 原始資料與整理紀錄 | 如何只使用決策當時已知的資訊? |
11/6 再定義預測目標與時間切分,開始金融特徵工程。
課後練習與延伸閱讀
- 補充教材:日期轉換、依欄位處理缺值、分組計算、圖形設定與輸出。
- Weekly Lab 03:讀表、讀程式、判讀圖形與資料轉換。
- Notebook 作業:完成清理與轉換函式,附圖形觀察與 AI 使用說明。
延伸閱讀:從圖形理解投資資料
Investing for Programmers · Stefan Papp
第 10 章的圖形閱讀:補強「一張圖能回答什麼」。本週先讀價格圖的解讀,技術指標留待金融特徵工程。
閱讀後:挑一張本週的圖,寫下它回答的問題,以及不能支持的結論。