《基於股票大數據分析的Python入門實戰（視頻教學版）》是清華大學出版社出版的圖書，作者是胡書敏。
圖書簡介,目錄,
圖書簡介
本書針對Python零基礎的用戶，主要講解大量的股票指標技術分埋臘擊析的範例，由淺入深地介紹了使用Python語言編程開發的套用“圖譜”。 全書分為三篇：基礎篇（第1~4章）：講述Python開發環境的搭建、基本語法、數據結構、代碼的調試以及面向對象的編程思故牛記想；股票指標技術分析篇（第5~10章）：分別講述使用網路爬蟲技術獲取股票數據，使用Matplotlib可視化組件，基於NumPy和Pandas庫進行大數據分析，以股票的不同指標分析為範例的開發方法—MACD + Python資料庫編程，KDJ + Python圖形用戶界面編程，RSI + Python郵件編程；基於股票指標的交易策略之高級套用篇（第11~13章）：
目錄
第1章 掌握實用的PYTHON語法 1
1.1 安裝Python開發環境 1
1.1.1 在MyEclipse里安裝開發外掛程式和Python解釋器 1
1.1.2 新建Python項目，開發第一個Python程式 2
1.2 快速入門Python語法 6
1.2.1 Python的縮進與注釋 6
1.2.2 定義基本數據類型 7
1.2.3 字元串的常見用法 7
1.2.4 定義函式與調用函式 9
1.3 控制條件分支與循環調用 10
1.3.1 通過if…else控制程式的分支流程 10
1.3.2 while循環與continue，break關鍵字 11
1.3.3 通過for循環來遍歷對象 12
1.4 通過範例程式加深對Python語法的認識 12
1.4.1 實現冒泡排序算法 13
1.4.2 計算指定範圍內的質數 13
1.4.3 通過Debug調試代碼中的問題 14
1.5 本章小結 17
第2章 PYTHON中的數據結構：集合對象 18
2.1 列表和元組能存儲線性表型數據 18
2.1.1 列表的常見用法 18
2.1.2 鍊表、列表還是數組？這僅僅是叫法的不同 20
2.1.3 對列表中元素進行操作的方法 20
2.1.4 不能修改元組內的元素 21
2.2 集合可以去除重複元素榆諒愚 22
2.2.1 通過集合去掉凶局定重複的元素 22
2.2.2 常見的集合操作方法 23
2.2.3 通過覆蓋sort定義排序邏輯 24
2.3 通過字典存放“鍵-值對”類型的數據 24
2.3.1 針對字典的常見操作 25
2.3.2 在字典中以複雜的格式存儲多個數據 25
2.4 針對數據結構對象的常用操作 27
2.4.1 映射函式map 27
2.4.2 篩選函式filter 28
2.4.3 累計處理函式reduce 29
2.4.4 通過Lambda表達式定義匿名函式 30
2.5 本章小結 31
第3章 PYTHON面向對象程式設計思想的實踐 32
3.1 把屬性和方宙采甩請法封裝成類，方便重複使用 32
3.1.1 在Python中定義和使用類 33
3.1.2 通過__init__了解常用的魔術方法 34
3.1.3 對外禁止類中的不可見危和臭旬方法 35
3.1.4 私有屬性的錯誤用法 36
3.1.5 靜態方法和類方法 37
3.2 通過繼承擴展新的功能 38
3.2.1 繼承的常見用法 38
3.2.2 受保護的屬性和方法 39
3.2.3 慎用多重繼承 40
3.2.4 通過“組合”來避免多重繼承 41
3.3 多態是對功能的抽象 42
3.3.1 Python中的多態特性 42
3.3.2 多態與繼承結合 43
3.4 通籃霉過import復用已有的功能 44
3.4.1 通過import導入現有的模組 44
3.4.2 包是模組的升級 45
3.4.3 導入並使用第三方庫NumPy的步驟 46
3.5 通過疊代器加深理解多態性 47
3.6 本章小結 49
第4章 異常處理與檔案讀寫 50
4.1 異常不是語法錯誤 50
4.1.1 通過try…except從句處理異常 50
4.1.2 通過不同的異常處理類處理不同的異常 51
4.1.3 在except中處理多個異常 53
4.1.4 通過raise語句直接拋出異常 53
4.1.5 引入finally從句 54
4.2 項目中異常處理的經驗談 56
4.2.1 用專業的異常處理類來處理專門的異常 56
4.2.2 儘量縮小異常監控的範圍 56
4.2.3 儘量縮小異常的影響範圍 57
4.2.4 在合適的場景下使用警告 58
4.3 通過IO讀寫檔案 59
4.3.1 以各種模式打開檔案 59
4.3.2 引入異常處理流程 60
4.3.3 寫檔案 61
4.4 讀寫檔案的範例 62
4.4.1 複製與移動檔案 62
4.4.2 讀寫csv檔案 63
4.4.3 讀寫zip壓縮檔案 64
4.5 本章小結 65
第5章 股市的常用知識與數據準備 66
5.1 股票的基本常識 66
5.1.1 交易時間與T+1交易規則 66
5.1.2 證券交易市場 67
5.1.3 從競價制度分析股票為什麼會漲跌 67
5.1.4 指數與板塊 68
5.1.5 本書會用到的股市術語 68
5.2 編寫股票範例程式會用到的庫 69
5.3 通過爬取股市數據的範例程式來學習urllib庫的用法 70
5.3.1 調用urlopen方法爬取數據 70
5.3.2 調用帶參數的urlopen方法爬取數據 72
5.3.3 GET和POST的差別和使用場景 73
5.3.4 調用urlretrieve方法把爬取結果存入csv檔案 73
5.4 通過基於股票數據的範例程式學習正則表達式 74
5.4.1 用正則表達式匹配字元串 74
5.4.2 用正則表達式截取字元串 76
5.4.3 綜合使用爬蟲和正則表達式 77
5.5 通過第三方庫收集股市數據 78
5.5.1 通過pandas_datareader庫獲取股市數據 78
5.5.2 使用Tushare庫來獲取上市公司的信息 80
5.5.3 通過Tushare庫獲取某時間段內的股票數據 81
5.6 本章小結 82
第6章 通過MATPLOTLIB庫繪製K線圖 83
6.1 Matplotlib庫的基礎用法 83
6.1.1 繪製柱狀圖和折線圖 83
6.1.2 設定坐標軸刻度和標籤信息 85
6.1.3 增加圖例和圖表標題 86
6.2 Matplotlib圖形庫的常用技巧 87
6.2.1 繪製含中文字元的餅圖 87
6.2.2 柱狀圖和直方圖的區別 89
6.2.3 Figure對象與繪製子圖 91
6.2.4 調用subplot方法繪製子圖 93
6.2.5 通過Axes設定數字型的坐標軸刻度和標籤 94
6.2.6 通過Axes設定日期型的坐標軸刻度和標籤 96
6.3 繪製股市K線圖 97
6.3.1 K線圖的組成要素 97
6.3.2 通過直方圖和直線繪製K線圖 98
6.3.3 通過mpl_finance庫繪製K線圖 99
6.4 K線對未來行情的預判 101
6.4.1 不帶上下影線的長陽線 101
6.4.2 不帶上下影線的長陰線 102
6.4.3 預測上漲的早晨之星 102
6.4.4 預測下跌的黃昏之星 103
6.4.5 預測上漲的兩陽夾一陰形態 104
6.4.6 預測下跌的兩陰夾一陽形態 104
6.5 本章小結 105
第7章 繪製均線與成交量 106
7.1 NumPy庫的常見用法 106
7.1.1 range與arange方法比較 106
7.1.2 ndarray的常見用法 107
7.1.3 數值型索引和布爾型索引 108
7.1.4 通過切片獲取數組中指定的元素 109
7.1.5 切片與共享記憶體 110
7.1.6 常用的科學計算函式 111
7.2 Pandas與分析處理數據 111
7.2.1 包含索引的Series數據結構 112
7.2.2 通過切片等方式訪問Series中指定的元素 113
7.2.3 創建DataFrame的常見方式 114
7.2.4 存取DataFrame對象中的各類數據 115
7.2.5 通過DataFrame讀取csv檔案 116
7.2.6 通過DataFrame讀取Excel檔案 117
7.3 K線整合均線 118
7.3.1 均線的概念 118
7.3.2 舉例說明均線的計算方法 119
7.3.3 移動視窗函式rolling 119
7.3.4 用rolling方法繪製均線 120
7.3.5 改進版的均線圖 121
7.4 整合成交量圖 123
7.4.1 本書用的成交量是指成交股數 123
7.4.2 引入成交量圖 123
7.5 通過DataFrame驗證均線的操作策略 126
7.5.1 葛蘭碧均線八大買賣法則 126
7.5.2 驗證基於均線的買點 127
7.5.3 驗證基於均線的賣點 128
7.6 量價理論 129
7.6.1 成交量與股價的關係 129
7.6.2 驗證“量增價平”的買點 130
7.6.3 驗證“量減價平”的賣點 131
7.7 本章小結 132
第8章 資料庫操作與繪製MACD線 133
8.1 Python連線MySQL資料庫的準備工作 133
8.1.1 在本地搭建MySQL環境 133
8.1.2 安裝用來連線MySQL的PyMySQL庫 135
8.1.3 在MySQL中創建資料庫與數據表 135
8.1.4 通過select語句執行查詢 136
8.1.5 執行增、刪、改操作 138
8.1.6 事務提交與回滾 139
8.2 整合爬蟲模組和資料庫模組 141
8.2.1 根據股票代碼動態創建數據表 141
8.2.2 把爬取到的數據存入數據表 142
8.3 繪製MACD指標線 145
8.3.1 MACD指標的計算方式 145
8.3.2 遍歷數據表數據，繪製MACD指標 146
8.3.3 關於數據誤差的說明 149
8.3.4 MACD與K線均線的整合效果圖 150
8.4 驗證基於MACD指標的買賣點 153
8.4.1 MACD指標的指導意義與盲點 153
8.4.2 驗證基於柱狀圖和金叉的買點 154
8.4.3 驗證基於柱狀圖和死叉的賣點 157
8.5 本章小結 159
第9章 以KDJ範例程式學習GUI編程 160
9.1 Tkinter的常用控制項 160
9.1.1 實現帶標籤、文本框和按鈕的GUI界面 160
9.1.2 實現下拉框控制項 162
9.1.3 單選框和多行文本框 163
9.1.4 複選框與在Text內顯示多行文字 164
9.2 Tkinter與Matplotlib的整合 166
9.2.1 整合的基礎：Canvas控制項 166
9.2.2 在Canvas上繪製Matplotlib圖形 167
9.2.3 在GUI視窗內繪製K線圖 169
9.3 股票範例程式：繪製KDJ指標 171
9.3.1 KDJ指標的計算過程 171
9.3.2 繪製靜態的KDJ指標線 172
9.3.3 根據界面的輸入繪製動態的KDJ線 175
9.4 驗證基於KDJ指標的交易策略 179
9.4.1 KDJ指標對交易的指導作用 180
9.4.2 基於Tkinter驗證KDJ指標的買點 180
9.4.3 基於Tkinter驗證KDJ指標的賣點 183
9.5 本章小結 184
第10章 基於RSI範例程式實現郵件功能 185
10.1 實現發郵件的功能 185
10.1.1 傳送簡單格式的郵件（無收件人信息） 185
10.1.2 傳送HTML格式的郵件（顯示收件人） 187
10.1.3 包含本文附屬檔案的郵件（多個收件人） 188
10.1.4 在正文中嵌入圖片 189
10.2 以郵件的形式傳送RSI指標圖 191
10.2.1 RSI指標的原理和算法描述 191
10.2.2 通過範例程式觀察RSI的算法 192
10.2.3 把Matplotlib繪製的RSI圖存為圖片 193
10.2.4 RSI整合K線圖後以郵件形式傳送 195
10.3 以郵件的形式傳送基於RSI指標的買賣點 198
10.3.1 RSI指標對買賣點的指導意義 199
10.3.2 基於RSI指標計算買點並以郵件的形式發出 199
10.3.3 基於RSI指標計算賣點並以郵件的形式發出 202
10.4 本章小結 204
第11章 用BIAS範例講述DJANGO框架 205
11.1 基於WSGI規範的Web編程 205
11.1.1 基於WSGI規範的Python Web代碼 205
11.1.2 再加入處理GET請求的功能 206
11.2 通過Django框架開發Web項目 207
11.2.1 安裝Django組件 207
11.2.2 創建並運行Django 208
11.2.3 從Form表單入手擴展Django框架 210
11.2.4 運行範例程式了解基於MVC的調用模式 212
11.2.5 Django框架與Matplotlib的整合 214
11.3 繪製乖離率BIAS指標 216
11.3.1 BIAS指標的核心思想和算法 216
11.3.2 繪製K線與BIAS指標圖的整合效果 216
11.3.3 基於BIAS指標的買賣策略 218
11.3.4 在Django框架中繪製BIAS指標圖 219
11.3.5 在Django框架中驗證買點策略 224
11.3.6 在Django框架中驗證賣點策略 224
11.4 本章小結 226
第12章 以OBV範例深入講述DJANGO框架 228
12.1 在Django框架內引入日誌 228
12.1.1 不同級別日誌的使用場合 228
12.1.2 向控制台和檔案輸出不同級別的日誌 229
12.2 在Django框架內引入資料庫 234
12.2.1 整合併連線MySQL資料庫 234
12.2.2 以Model的方式進行增刪改查操作 236
12.2.3 使用查詢條件獲取數據 239
12.2.4 以SQL語句的方式讀寫資料庫 241
12.3 繪製OBV指標圖 241
12.3.1 OBV指標的原理以及算法 242
12.3.2 繪製K線、均線和OBV指標圖的整合效果圖 242
12.4 在Django框架內整合日誌與資料庫 245
12.4.1 搭建Django環境 245
12.4.2 把數據插入到數據表中（含日誌列印） 246
12.4.3 驗證基於OBV指標的買賣策略 252
12.5 本章小結 255
第13章 以股票預測範例入門機器學習 256
13.1 用線性回歸算法預測股票 256
13.1.1 安裝開發環境庫 256
13.1.2 從波士頓房價範例初識線性回歸 257
13.1.3 實現基於多個特徵值的線性回歸 261
13.1.4 fit函式訓練參數的標準和方法 262
13.1.5 訓練集、驗證集和測試集 263
13.1.6 預測股票價格 265
13.2 通過SVM預測股票漲跌 267
13.2.1 通過簡單的範例程式了解SVM的分類作用 268
13.2.2 數據標準化處理 269
13.2.3 預測股票漲跌 270
13.2.4 定量觀察預測結果 273
13.3 本章小結 274
2.4.1 映射函式map 27
2.4.2 篩選函式filter 28
2.4.3 累計處理函式reduce 29
2.4.4 通過Lambda表達式定義匿名函式 30
2.5 本章小結 31
第3章 PYTHON面向對象程式設計思想的實踐 32
3.1 把屬性和方法封裝成類，方便重複使用 32
3.1.1 在Python中定義和使用類 33
3.1.2 通過__init__了解常用的魔術方法 34
3.1.3 對外禁止類中的不可見方法 35
3.1.4 私有屬性的錯誤用法 36
3.1.5 靜態方法和類方法 37
3.2 通過繼承擴展新的功能 38
3.2.1 繼承的常見用法 38
3.2.2 受保護的屬性和方法 39
3.2.3 慎用多重繼承 40
3.2.4 通過“組合”來避免多重繼承 41
3.3 多態是對功能的抽象 42
3.3.1 Python中的多態特性 42
3.3.2 多態與繼承結合 43
3.4 通過import復用已有的功能 44
3.4.1 通過import導入現有的模組 44
3.4.2 包是模組的升級 45
3.4.3 導入並使用第三方庫NumPy的步驟 46
3.5 通過疊代器加深理解多態性 47
3.6 本章小結 49
第4章 異常處理與檔案讀寫 50
4.1 異常不是語法錯誤 50
4.1.1 通過try…except從句處理異常 50
4.1.2 通過不同的異常處理類處理不同的異常 51
4.1.3 在except中處理多個異常 53
4.1.4 通過raise語句直接拋出異常 53
4.1.5 引入finally從句 54
4.2 項目中異常處理的經驗談 56
4.2.1 用專業的異常處理類來處理專門的異常 56
4.2.2 儘量縮小異常監控的範圍 56
4.2.3 儘量縮小異常的影響範圍 57
4.2.4 在合適的場景下使用警告 58
4.3 通過IO讀寫檔案 59
4.3.1 以各種模式打開檔案 59
4.3.2 引入異常處理流程 60
4.3.3 寫檔案 61
4.4 讀寫檔案的範例 62
4.4.1 複製與移動檔案 62
4.4.2 讀寫csv檔案 63
4.4.3 讀寫zip壓縮檔案 64
4.5 本章小結 65
第5章 股市的常用知識與數據準備 66
5.1 股票的基本常識 66
5.1.1 交易時間與T+1交易規則 66
5.1.2 證券交易市場 67
5.1.3 從競價制度分析股票為什麼會漲跌 67
5.1.4 指數與板塊 68
5.1.5 本書會用到的股市術語 68
5.2 編寫股票範例程式會用到的庫 69
5.3 通過爬取股市數據的範例程式來學習urllib庫的用法 70
5.3.1 調用urlopen方法爬取數據 70
5.3.2 調用帶參數的urlopen方法爬取數據 72
5.3.3 GET和POST的差別和使用場景 73
5.3.4 調用urlretrieve方法把爬取結果存入csv檔案 73
5.4 通過基於股票數據的範例程式學習正則表達式 74
5.4.1 用正則表達式匹配字元串 74
5.4.2 用正則表達式截取字元串 76
5.4.3 綜合使用爬蟲和正則表達式 77
5.5 通過第三方庫收集股市數據 78
5.5.1 通過pandas_datareader庫獲取股市數據 78
5.5.2 使用Tushare庫來獲取上市公司的信息 80
5.5.3 通過Tushare庫獲取某時間段內的股票數據 81
5.6 本章小結 82
第6章 通過MATPLOTLIB庫繪製K線圖 83
6.1 Matplotlib庫的基礎用法 83
6.1.1 繪製柱狀圖和折線圖 83
6.1.2 設定坐標軸刻度和標籤信息 85
6.1.3 增加圖例和圖表標題 86
6.2 Matplotlib圖形庫的常用技巧 87
6.2.1 繪製含中文字元的餅圖 87
6.2.2 柱狀圖和直方圖的區別 89
6.2.3 Figure對象與繪製子圖 91
6.2.4 調用subplot方法繪製子圖 93
6.2.5 通過Axes設定數字型的坐標軸刻度和標籤 94
6.2.6 通過Axes設定日期型的坐標軸刻度和標籤 96
6.3 繪製股市K線圖 97
6.3.1 K線圖的組成要素 97
6.3.2 通過直方圖和直線繪製K線圖 98
6.3.3 通過mpl_finance庫繪製K線圖 99
6.4 K線對未來行情的預判 101
6.4.1 不帶上下影線的長陽線 101
6.4.2 不帶上下影線的長陰線 102
6.4.3 預測上漲的早晨之星 102
6.4.4 預測下跌的黃昏之星 103
6.4.5 預測上漲的兩陽夾一陰形態 104
6.4.6 預測下跌的兩陰夾一陽形態 104
6.5 本章小結 105
第7章 繪製均線與成交量 106
7.1 NumPy庫的常見用法 106
7.1.1 range與arange方法比較 106
7.1.2 ndarray的常見用法 107
7.1.3 數值型索引和布爾型索引 108
7.1.4 通過切片獲取數組中指定的元素 109
7.1.5 切片與共享記憶體 110
7.1.6 常用的科學計算函式 111
7.2 Pandas與分析處理數據 111
7.2.1 包含索引的Series數據結構 112
7.2.2 通過切片等方式訪問Series中指定的元素 113
7.2.3 創建DataFrame的常見方式 114
7.2.4 存取DataFrame對象中的各類數據 115
7.2.5 通過DataFrame讀取csv檔案 116
7.2.6 通過DataFrame讀取Excel檔案 117
7.3 K線整合均線 118
7.3.1 均線的概念 118
7.3.2 舉例說明均線的計算方法 119
7.3.3 移動視窗函式rolling 119
7.3.4 用rolling方法繪製均線 120
7.3.5 改進版的均線圖 121
7.4 整合成交量圖 123
7.4.1 本書用的成交量是指成交股數 123
7.4.2 引入成交量圖 123
7.5 通過DataFrame驗證均線的操作策略 126
7.5.1 葛蘭碧均線八大買賣法則 126
7.5.2 驗證基於均線的買點 127
7.5.3 驗證基於均線的賣點 128
7.6 量價理論 129
7.6.1 成交量與股價的關係 129
7.6.2 驗證“量增價平”的買點 130
7.6.3 驗證“量減價平”的賣點 131
7.7 本章小結 132
第8章 資料庫操作與繪製MACD線 133
8.1 Python連線MySQL資料庫的準備工作 133
8.1.1 在本地搭建MySQL環境 133
8.1.2 安裝用來連線MySQL的PyMySQL庫 135
8.1.3 在MySQL中創建資料庫與數據表 135
8.1.4 通過select語句執行查詢 136
8.1.5 執行增、刪、改操作 138
8.1.6 事務提交與回滾 139
8.2 整合爬蟲模組和資料庫模組 141
8.2.1 根據股票代碼動態創建數據表 141
8.2.2 把爬取到的數據存入數據表 142
8.3 繪製MACD指標線 145
8.3.1 MACD指標的計算方式 145
8.3.2 遍歷數據表數據，繪製MACD指標 146
8.3.3 關於數據誤差的說明 149
8.3.4 MACD與K線均線的整合效果圖 150
8.4 驗證基於MACD指標的買賣點 153
8.4.1 MACD指標的指導意義與盲點 153
8.4.2 驗證基於柱狀圖和金叉的買點 154
8.4.3 驗證基於柱狀圖和死叉的賣點 157
8.5 本章小結 159
第9章 以KDJ範例程式學習GUI編程 160
9.1 Tkinter的常用控制項 160
9.1.1 實現帶標籤、文本框和按鈕的GUI界面 160
9.1.2 實現下拉框控制項 162
9.1.3 單選框和多行文本框 163
9.1.4 複選框與在Text內顯示多行文字 164
9.2 Tkinter與Matplotlib的整合 166
9.2.1 整合的基礎：Canvas控制項 166
9.2.2 在Canvas上繪製Matplotlib圖形 167
9.2.3 在GUI視窗內繪製K線圖 169
9.3 股票範例程式：繪製KDJ指標 171
9.3.1 KDJ指標的計算過程 171
9.3.2 繪製靜態的KDJ指標線 172
9.3.3 根據界面的輸入繪製動態的KDJ線 175
9.4 驗證基於KDJ指標的交易策略 179
9.4.1 KDJ指標對交易的指導作用 180
9.4.2 基於Tkinter驗證KDJ指標的買點 180
9.4.3 基於Tkinter驗證KDJ指標的賣點 183
9.5 本章小結 184
第10章 基於RSI範例程式實現郵件功能 185
10.1 實現發郵件的功能 185
10.1.1 傳送簡單格式的郵件（無收件人信息） 185
10.1.2 傳送HTML格式的郵件（顯示收件人） 187
10.1.3 包含本文附屬檔案的郵件（多個收件人） 188
10.1.4 在正文中嵌入圖片 189
10.2 以郵件的形式傳送RSI指標圖 191
10.2.1 RSI指標的原理和算法描述 191
10.2.2 通過範例程式觀察RSI的算法 192
10.2.3 把Matplotlib繪製的RSI圖存為圖片 193
10.2.4 RSI整合K線圖後以郵件形式傳送 195
10.3 以郵件的形式傳送基於RSI指標的買賣點 198
10.3.1 RSI指標對買賣點的指導意義 199
10.3.2 基於RSI指標計算買點並以郵件的形式發出 199
10.3.3 基於RSI指標計算賣點並以郵件的形式發出 202
10.4 本章小結 204
第11章 用BIAS範例講述DJANGO框架 205
11.1 基於WSGI規範的Web編程 205
11.1.1 基於WSGI規範的Python Web代碼 205
11.1.2 再加入處理GET請求的功能 206
11.2 通過Django框架開發Web項目 207
11.2.1 安裝Django組件 207
11.2.2 創建並運行Django 208
11.2.3 從Form表單入手擴展Django框架 210
11.2.4 運行範例程式了解基於MVC的調用模式 212
11.2.5 Django框架與Matplotlib的整合 214
11.3 繪製乖離率BIAS指標 216
11.3.1 BIAS指標的核心思想和算法 216
11.3.2 繪製K線與BIAS指標圖的整合效果 216
11.3.3 基於BIAS指標的買賣策略 218
11.3.4 在Django框架中繪製BIAS指標圖 219
11.3.5 在Django框架中驗證買點策略 224
11.3.6 在Django框架中驗證賣點策略 224
11.4 本章小結 226
第12章 以OBV範例深入講述DJANGO框架 228
12.1 在Django框架內引入日誌 228
12.1.1 不同級別日誌的使用場合 228
12.1.2 向控制台和檔案輸出不同級別的日誌 229
12.2 在Django框架內引入資料庫 234
12.2.1 整合併連線MySQL資料庫 234
12.2.2 以Model的方式進行增刪改查操作 236
12.2.3 使用查詢條件獲取數據 239
12.2.4 以SQL語句的方式讀寫資料庫 241
12.3 繪製OBV指標圖 241
12.3.1 OBV指標的原理以及算法 242
12.3.2 繪製K線、均線和OBV指標圖的整合效果圖 242
12.4 在Django框架內整合日誌與資料庫 245
12.4.1 搭建Django環境 245
12.4.2 把數據插入到數據表中（含日誌列印） 246
12.4.3 驗證基於OBV指標的買賣策略 252
12.5 本章小結 255
第13章 以股票預測範例入門機器學習 256
13.1 用線性回歸算法預測股票 256
13.1.1 安裝開發環境庫 256
13.1.2 從波士頓房價範例初識線性回歸 257
13.1.3 實現基於多個特徵值的線性回歸 261
13.1.4 fit函式訓練參數的標準和方法 262
13.1.5 訓練集、驗證集和測試集 263
13.1.6 預測股票價格 265
13.2 通過SVM預測股票漲跌 267
13.2.1 通過簡單的範例程式了解SVM的分類作用 268
13.2.2 數據標準化處理 269
13.2.3 預測股票漲跌 270
13.2.4 定量觀察預測結果 273
13.3 本章小結 274
