避免 Series/DataFrame 不匹配錯誤的範例

 
這個程式碼：

1. 安全地抓取股票資料

2. 檢查型態，避免 Series/DataFrame 錯誤

3. 計算移動平均與量能異常

4. 畫出柱狀圖 + 折線 + 異常點

5. 適合當作 量能分析模板

 ===========================================================

import yfinance as yf
import matplotlib.pyplot as plt
import pandas as pd

# 1️⃣ 選股票
ticker = "2330.TW"
data = yf.download(ticker, period="3mo", interval="1d", auto_adjust=True)

# 2️⃣ 型態檢查
print("資料型態檢查：")
print(f"data type: {type(data)}")                 # DataFrame
print(f"Volume type: {type(data['Volume'])}")    # Series
print("欄位名稱：", data.columns)
print("Index 型態：", type(data.index))

# 3️⃣ 取成交量，確保是 Series
if isinstance(data['Volume'], pd.Series):
    volume = data['Volume']
else:
    volume = data['Volume'].squeeze()  # 轉成 Series

# 4️⃣ 計算移動平均量能
volume_ma5 = volume.rolling(window=5).mean()
volume_ma20 = volume.rolling(window=20).mean()

# 5️⃣ 計算量能異常
volume_mean = volume.mean()
volume_std = volume.std()
high_volume_flag = volume > (volume_mean + 2*volume_std)

# 6️⃣ 畫圖（安全處理 index）
x_labels = [d.strftime('%Y-%m-%d') for d in data.index]

plt.figure(figsize=(12,6))
plt.bar(x_labels, volume.values, color='skyblue', label='成交量')
plt.plot(x_labels, volume_ma5.values, color='red', label='5日平均量')
plt.plot(x_labels, volume_ma20.values, color='green', label='20日平均量')
plt.scatter(
    [x_labels[i] for i, flag in enumerate(high_volume_flag) if flag],
    [volume.values[i] for i, flag in enumerate(high_volume_flag) if flag],
    color='orange', label='量能異常', zorder=5
)
plt.xticks(rotation=45)
plt.legend()
plt.title(f'{ticker} 成交量與移動平均 (安全模板)')
plt.tight_layout()
plt.show()

 

======================================================

🔹 特點

1. 型態檢查 → 避免 Series/DataFrame 不匹配錯誤

2. index 安全處理 → strftime 轉成字串，Matplotlib bar 不出錯

3. 計算量能指標 → 5 日 / 20 日平均、異常量能點

4. 一條龍流程 → 從抓資料到畫圖，小實驗可直接使用

 =====================================================

 

程式碼 逐行拆解、解釋用途與作用：

---

import yfinance as yf
import matplotlib.pyplot as plt
import pandas as pd

• 引入套件

  • yfinance：抓取股票資料的 API

  • matplotlib.pyplot：繪圖套件，用來畫折線圖、柱狀圖等

  • pandas：資料處理套件，用來操作 DataFrame、Series

---

# 1️⃣ 選股票
ticker = "2330.TW"
data = yf.download(ticker, period="3mo", interval="1d", auto_adjust=True)

• ticker：股票代號，這裡是台積電（2330.TW）

• yf.download(...)：

  • period="3mo" → 下載過去 3 個月資料

  • interval="1d" → 每日資料

  • auto_adjust=True → 自動調整股價（考慮除權息），方便分析

• 回傳結果：data 是一個 DataFrame，包含欄位：Open, High, Low, Close, Adj Close, Volume

---

# 2️⃣ 型態檢查
print("資料型態檢查：")
print(f"data type: {type(data)}")                 # DataFrame
print(f"Volume type: {type(data['Volume'])}")    # Series
print("欄位名稱：", data.columns)
print("Index 型態：", type(data.index))

• 檢查資料型態，避免之後計算或畫圖時發生 Series/DataFrame 錯誤

• .columns → 取得欄位名稱

• .index → 取得索引型態（通常是 DatetimeIndex）

---

# 3️⃣ 取成交量，確保是 Series
if isinstance(data['Volume'], pd.Series):
    volume = data['Volume']
else:
    volume = data['Volume'].squeeze()  # 轉成 Series

• data['Volume'] 可能是 Series 或 DataFrame（單欄時偶爾會有差異）

• isinstance 判斷型態，確保 volume 最終是 Series，方便做 .rolling()、算平均等操作

---

# 4️⃣ 計算移動平均量能
volume_ma5 = volume.rolling(window=5).mean()
volume_ma20 = volume.rolling(window=20).mean()

• rolling(window=5) → 計算 5 日移動平均

• .mean() → 計算平均

• 5 日平均量與 20 日平均量，用來觀察量能趨勢

---

# 5️⃣ 計算量能異常
volume_mean = volume.mean()
volume_std = volume.std()
high_volume_flag = volume > (volume_mean + 2*volume_std)

• volume_mean → 成交量平均值

• volume_std → 成交量標準差

• high_volume_flag → 標記「量能異常」的布林值 (True/False)

  • 條件：成交量大於平均 + 2 倍標準差 → 異常放大量

---

# 6️⃣ 畫圖（安全處理 index）
x_labels = [d.strftime('%Y-%m-%d') for d in data.index]

• 將 DatetimeIndex 轉成 字串日期，方便 matplotlib 畫圖

• 避免直接用 DatetimeIndex 某些版本 matplotlib 會出現錯誤

---

plt.figure(figsize=(12,6))
plt.bar(x_labels, volume.values, color='skyblue', label='成交量')
plt.plot(x_labels, volume_ma5.values, color='red', label='5日平均量')
plt.plot(x_labels, volume_ma20.values, color='green', label='20日平均量')

• plt.figure(figsize=(12,6)) → 設定圖表大小

• plt.bar(...) → 畫成交量柱狀圖

• plt.plot(...) → 畫移動平均折線圖

• .values → 確保資料是 numpy array，避免 Series 與索引不對應

---

plt.scatter(
    [x_labels[i] for i, flag in enumerate(high_volume_flag) if flag],
    [volume.values[i] for i, flag in enumerate(high_volume_flag) if flag],
    color='orange', label='量能異常', zorder=5
)

• plt.scatter → 畫量能異常點

• [x_labels[i] for i, flag in enumerate(high_volume_flag) if flag]

  • 取布林值為 True 的日期

• [volume.values[i] for i, flag in enumerate(high_volume_flag) if flag]

  • 取對應成交量

• zorder=5 → 讓異常點疊在其他圖表之上

---

plt.xticks(rotation=45)
plt.legend()
plt.title(f'{ticker} 成交量與移動平均 (安全模板)')
plt.tight_layout()
plt.show()

• plt.xticks(rotation=45) → X 軸文字旋轉，避免重疊

• plt.legend() → 顯示圖例

• plt.title(...) → 設定標題

• plt.tight_layout() → 調整邊距，避免標題或 X 軸文字被截掉

• plt.show() → 顯示圖表

---

1.