【Python】Python初心者から中級者へ：pandas_datareaderで株価データをサクッと取得

ニャー

　最近、株の投資を始めたんだけど、データ分析ってどうやってるんだにゃ？

モー

　実は、Pythonを使って簡単に株価データを取得して分析できるんだよ。

ニャー

　え？Pythonだけでそれができるんかにゃ？どうやるんだにゃ？

モー

　そうなんだ。特に、pandas_datareader.dataっていうライブラリを使うと、簡単に様々な金融データを取得できるんだ。

ニャー

　そんな便利なツールがあるだにゃんて！でも、使い方とか難しそうだにゃ…

モー

　大丈夫！このブログで一緒に学べば、誰でも簡単にデータ分析の第一歩を踏み出せるよ！

　こんにちは。モーです。

　株や金融市場に興味がある方、またはデータ分析に関心がある方、特に注目していただきたい内容を今日はお届けします。

　Pythonはその柔軟性と多様なライブラリにより、さまざまなデータの取得や解析が可能となっています。中でもpandas_datareader.dataは、金融データの取得を驚くほど簡単にしてくれるライブラリです。

　このブログでは、このpandas_datareader.dataを使用して、実際に株価データを取得する手順を詳しく解説します。

　特定の企業の過去の株価の動きを調べたい、株価の予測モデルを作成したい、といった方々に特におすすめの内容となっています。初心者から中級者まで、Pythonを使って株価データにアクセスする方法を学ぶ最適なガイドとして、本記事を活用いただければ幸いです。

　それでは、まずはpandas_datareader.dataの基本的な紹介から始めていきましょう！

1. はじめに

　pandas_datareader.dataは、Pythonのデータ解析ライブラリであるpandasの拡張モジュールとして提供されているライブラリの一つです。

　主に金融データの取得を目的としており、多くの公開データソースから情報を簡単に取得することができます。

モー

　Yahoo FinanceやStooq、Quandlなど、多岐にわたるデータソースにアクセス可能なことが魅力ですね。

　そして、取得したデータはpandasのデータフレームとして扱うことができ、データ解析や可視化など、pandasの豊富な機能を活用してさまざまな操作が可能となります。

　本ブログの主な目的は、Pythonを使用して株価やその他の金融データを効率的に取得する方法を、具体的な手順と共に解説することです。

　初心者から中級者までの読者を対象としており、特に以下の点を目標としています。

　金融データの取得や分析に興味がある方、Pythonを活用して何か新しいことを学びたいという方に、本ブログが役立つ情報源となることを期待しています。

2. pandas_datareader.dataとは？

pandas_datareader.dataの主な機能と特徴

　pandas_datareader.dataは、Pythonのデータ解析ライブラリであるpandasの拡張モジュールの一部として存在します。

　このモジュールの最大の魅力は、複数の公開データソースから直接、金融や経済データを取得できる点にあります。以下に主な特徴を挙げます。

対応しているデータソースの紹介

　pandas_datareader.dataは、多岐にわたるデータソースから情報を取得できるのが強みです。以下は対応している主なデータソースの一部です。

　これらのデータソースの中から、研究や分析の目的に合わせて適切なソースを選択して利用することができます。

3. 環境の準備

3.1 ライブラリのインストール

　Pythonのデータ解析には様々なライブラリが存在しますが、今回の株価データ取得に関連する主要なライブラリと、それらのインストール方法を紹介します。

必要なライブラリとそのインストール方法

#インストール方法:
pip install pandas

#インストール方法:
pip install pandas-datareader

　インストールが完了したら、PythonスクリプトやJupyter Notebook上で上記のライブラリをインポートし、データ取得や分析を開始することができます。

import pandas as pd
import pandas_datareader.data as pdr

モー

これで、必要なライブラリのインストールが完了しました。

3.2 環境の確認

　データ解析を行う前に、予期しないエラーや互換性の問題を避けるために、使用している環境のバージョンを確認しておきましょう。

Pythonのバージョン確認方法

　Pythonのバージョンは、コマンドラインやターミナルを開き、以下のコマンドを実行することで確認できます。

python --version

　また、ある環境ではpython3としてPythonを実行する場合があるので、それに応じて以下のコマンドも利用できます。

python3 --version

pandas_datareaderのバージョン確認方法

　pandas_datareaderのバージョンを確認するには、PythonのインタラクティブシェルやJupyter Notebookを使用して、以下のコードを実行します。

import pandas_datareader as pdr
print(pdr.__version__)

　このコードは、pandas_datareaderライブラリの__version__属性を参照して、インストールされているバージョン情報を出力します。

ニャー

プログラムを使うときはバージョンを気にした方がいいんだにゃ。

4. 株価データの取得方法

4.1 基本的な取得方法

　金融データの取得は、pandas_datareader.dataを使用します。このセクションでは、その基本的な取得方法を見ていきましょう。

　まず、以下のコードは個人投資家に大人気の「レーザーテック」の株価をStooqというデータソースから取得する例です。

import pandas_datareader.data as pdr

df = pdr.DataReader("6920.JP", "stooq")
print(df.head())

コードの各部分の詳細な説明を以下に示します。

ニャー

こんな短いコードでわかるんだにゃ！

4.2 日付範囲の指定

　データ解析の際、特定の期間に焦点を当てて分析を行いたいことがよくあります。幸い、pandas_datareader.dataは日付の範囲を指定してデータを取得することができます。

　以下のコードは、レーザーテックの2022年1月1日から2023年1月1日までの株価をStooqから取得する例です。

import pandas_datareader.data as pdr
import datetime

start_date = datetime.datetime(2022, 1, 1)
end_date = datetime.datetime(2023, 1, 1)

df = pdr.DataReader("6920.JP", "stooq", start_date, end_date)
print(df.head())

コードの詳細な解説を以下に示します。

モー

　日付範囲を指定することで、特定の期間の動向や特定のイベントが株価に与えた影響など、様々な分析を行うことができます。

4.3 他のデータソースからの取得

　これまでの例では、Stooqからデータを取得していましたが、pandas_datareader.dataはStooqだけでなく、複数の金融データソースから情報を取得することが可能です。

Yahoo Financeからのデータ取得

　Yahoo Financeは、株価や金融データを提供するポピュラーなソースの一つです。以下はYahoo Financeからレーザーテックの株価を取得する例です。

モー

以前はStooqと同じようにできていたけど、最近は同じやり方だとエラーが出ます。

「yfinance」というライブラリをインストールして、pandas_datareaderをオーバーロードしてから使う用にしてください。

ニャー

日本のティッカーには「.T」を付けるんだにゃ。

pip install yfinance

import pandas_datareader.data as pdr
import yfinance as yf

yf.pdr_override() //オーバーロード

df_yahoo = pdr.get_data_yahoo("6920.T") //.Tを付ける
print(df_yahoo.head())

FRED (Federal Reserve Economic Data)からのデータ取得

　FREDは、アメリカの経済データを提供するサービスで、株価や金利、雇用統計などのマクロ経済データを取得することができます。

　以下はFREDから米国の米失業率を取得する例です。

codedf_fred = pdr.DataReader("UNRATE", "fred")
print(codedf_fred.head())

Quandlからのデータ取得

　Quandlは様々な金融データを提供するサービスですが、APIキーが必要です。登録してAPIキーを取得した後、以下のようにしてデータを取得することができます。

pdr.quandl.QuandlReader.api_key = 'YOUR_API_KEY'　//ここにAPIキー
df_quandl = pdr.DataReader("WIKI/AAPL", "quandl")
print(df_quandl.head())

注意: YOUR_API_KEYの部分は、Quandlから取得した実際のAPIキーに置き換えてください。

モー

他にもいろいろなデータソースがありますよ。必要に応じて調べてみてください。

5. データの解析と活用

5.1 データの基本的な分析

　データを取得した後、そのデータの概要や特性を把握することは非常に重要です。このセクションでは、取得した金融データの基本的な分析方法を紹介します。

データの最初と最後の部分を確認

　データが正しく取得されているか、またどのようなカラムが含まれているかを確認するためには、head()やtail()メソッドを使用します。

print(df.head())  # 最初の5行を表示
print(df.tail())  # 最後の5行を表示

基本統計情報の取得

　describe()メソッドを使うと、各カラムの基本的な統計情報（平均、中央値、最小値、最大値など）を取得することができます。

print(df.describe())

##以下のように表示されます。
               Open          High           Low         Close        Volume
count    244.000000    244.000000    244.000000    244.000000  2.440000e+02
mean   20511.568443  20934.129508  20038.438525  20478.436475  7.719883e+06
std     4098.626700   4154.407910   3916.344907   3991.781233  2.945069e+06
min    14445.000000  15175.000000  14320.000000  14695.000000  3.728700e+06
25%    17643.225000  17849.725000  17148.050000  17483.750000  5.534372e+06
50%    19200.000000  19515.000000  18827.500000  19171.650000  7.165525e+06
75%    22287.875000  22857.450000  21717.500000  22314.700000  8.977051e+06
max    35664.600000  35983.700000  33780.200000  34218.900000  2.126810e+07

ニャー

データを確認するには、便利なんだにゃ。

データの欠損値の確認

　金融データには、欠損値や異常値が含まれていることがあります。isnull()やsum()を組み合わせることで、各カラムの欠損値の数を確認できます。

print(df.isnull().sum())

5.2 データをの可視化

時系列の可視化

　株価や金融データは時系列データとしての特性を持っているため、その動向を可視化することは重要です。以下は、株価のクロージング価格の時系列をプロットする例です。

import matplotlib.pyplot as plt

df['Close'].plot(figsize=(10, 5))
plt.title('Closing Price Over Time')
plt.ylabel('Price')
plt.xlabel('Date')
plt.grid(True)
plt.show()

モー

こんな感じに綺麗なグラフができます。分析に視覚化は大切ですね。

移動平均のプロット

短期と長期の移動平均を用いて、価格のトレンドを視覚的に捉えます。

df['Short_MA'] = df['Close'].rolling(window=50).mean()
df['Long_MA'] = df['Close'].rolling(window=200).mean()

df[['Close', 'Short_MA', 'Long_MA']].plot(figsize=(12, 6))
plt.title('Moving Averages')
plt.ylabel('Price')
plt.xlabel('Date')
plt.grid(True)
plt.show()

ボリューム（取引量）の可視化

取引量の動向を確認することで、市場の活発さや関心を判断する手がかりとなります。

df['Volume'].plot(kind='bar', figsize=(12, 6))
plt.title('Trading Volume Over Time')
plt.ylabel('Volume')
plt.xlabel('Date')
plt.grid(True)
plt.show()

キャンドルチャートの表示

　mplfinanceというライブラリを使用して、キャンドルチャートを表示することができます。これにより、開始価格、終了価格、高値、安値の動きを一目で確認できます。

pip install mplfinance

import mplfinance as mpf

mpf.plot(df[-100:], type='candle', volume=True, figsize=(12, 6))

モー

外部ライブラリを使うと便利で綺麗なグラフをどんどん描けます。積極的に使いたいですね。

　このように、初心者の方でも、Pythonの基本的な知識と技術を身につければ、リアルタイムの株価データを取得して、それを基にした視覚的なグラフを描くことが可能となります。そして、そのグラフ上でさまざまな分析テクニックを適用することで、より高度な投資戦略を立てる助けとなります。

　例えば、ボリンジャーバンドは投資家やトレーダーにとって非常に重要なテクニカル指標の一つです。また、ゴールデンクロスをはじめとするクロスポイントを見極めることで、株を買う最適なタイミングを計ることができるのです。

　株価分析に関する知識は無限です。しかし、Pythonを武器にすれば、その深い海に挑む勇気が湧いてきます。是非、この機会にPythonと株価分析の勉強を始めてみてください。

　さらに詳しい情報や技術を学ぶために、以下のリンクからおすすめの本をチェックしてみてください。

6. まとめ

　このブログを通じて、pandas_datareader.dataを用いた金融データの取得方法から、基本的なデータの可視化、そして応用的な分析手法までの一連の流れを学びました。

モー

　私の記事を最後までお読みいただき、ありがとうございます。

　プログラミングと株の学びは、時に難解かもしれませんが、その先に広がる可能性は計り知れません。

　是非、今後の成長に役立ててくださいね。