申万二级行业在最近1年、3个月、5个交易日的涨幅统计

来源:https://uqer.io/community/share/55401d69f9f06c1c3d687fa1

功能:运行此代码可知最近1年、3个月、5个交易日各个行业的涨幅

注意1:行业是采用申万二级行业分类

注意2:行业涨幅是个股涨幅加权平均成交金额所得

  1. def GetEquIndustry(universe,field): #获得行业信息
  2. num = 100
  3. cnt_num = len(universe)/num
  4. if cnt_num > 0:
  5. df = pd.DataFrame({})
  6. for i in range(cnt_num):
  7. sub_df = DataAPI.EquIndustryGet(secID=universe[i*num:(i+1)*num],field=field)
  8. df = pd.concat([df,sub_df])
  9. if (i+1)*num != len(universe):
  10. sub_df = DataAPI.EquIndustryGet(secID=universe[(i+1)*num:],field=field)
  11. df = pd.concat([df,sub_df])
  12. else:
  13. df = DataAPI.EquIndustryGet(secID=universe,field=field)
  14. return df
  15. def CountTime(): #获得可获得数据的最后一个交易日日期,返回的是datetime格式
  16. cal = Calendar('China.SSE')
  17. today = datetime.today()
  18. today_str = today.strftime("%Y%m%d")
  19. cal_date = Date.fromDateTime(today)
  20. time1=" 17:05:00"
  21. ben_time = datetime.strptime(today_str+time1,"%Y%m%d %H:%M:%S")
  22. if cal.isBizDay(cal_date) & (today>ben_time): #如果是交易日,则判断当天是不是在15点前
  23. date = today
  24. else: #如果当天不是交易日,则获得前一个交易日
  25. cal_wd = cal.advanceDate(cal_date, '-1B', BizDayConvention.Following) #Date格式
  26. date = cal_wd.toDateTime() #datetime格式
  27. return date
  28. def GetMktEqud(tk_list,**kargs):
  29. num = 100
  30. cnt_num = len(tk_list)/num
  31. if cnt_num > 0:
  32. df = pd.DataFrame({})
  33. for i in range(cnt_num):
  34. sub_df = DataAPI.MktEqudGet(ticker=tk_list[i*num:(i+1)*num],**kargs)
  35. df = pd.concat([df,sub_df])
  36. if (i+1)*num != len(tk_list):
  37. sub_df = DataAPI.MktEqudGet(ticker=tk_list[(i+1)*num:],**kargs)
  38. df = pd.concat([df,sub_df])
  39. else:
  40. df = DataAPI.MktEqudGet(ticker=tk_list,**kargs)
  41. list_info = GetSecID(tk_list = tk_list,field=['ticker','listDate']) #获得上市日期信息,修改上市当天的数据中的preClosePrice为openPrice
  42. df.set_index(['ticker','tradeDate'],inplace=True)
  43. df_gp = df.groupby(level='ticker')
  44. df_new = pd.DataFrame({}) #储存新数据
  45. for tk,sub_info in df_gp:
  46. list_date = list_info['listDate'][list_info['ticker']==tk].iloc[0]
  47. try:
  48. sub_info.loc[(tk,list_date),'preClosePrice'] = sub_info.loc[(tk,list_date),'openPrice']
  49. except:
  50. pass
  51. list_info = list_info[list_info['ticker']!=tk]
  52. df_new = pd.concat([df_new,sub_info])
  53. df_new.reset_index(inplace=True)
  54. return df_new
  55. def GetSecID(tk_list,field): #获取上市日期
  56. num = 100
  57. cnt_num = len(tk_list)/num
  58. if cnt_num > 0:
  59. df = pd.DataFrame({})
  60. for i in range(cnt_num):
  61. sub_df = DataAPI.SecIDGet(ticker=tk_list[i*num:(i+1)*num],field=field)
  62. df = pd.concat([df,sub_df])
  63. if (i+1)*num != len(tk_list):
  64. sub_df = DataAPI.SecIDGet(ticker=tk_list[(i+1)*num:],field=field)
  65. df = pd.concat([df,sub_df])
  66. else:
  67. df = DataAPI.SecIDGet(ticker=tk_list,field=field)
  68. return df
  69. def GetReturn(Mkt_Info_df): #该函数是用来获得行业在一段时间内的收益,以及个股在这段时间内的收益(先计算成分股在一段时间内的涨幅,再加权成交金额得到主题的涨幅)
  70. Mkt_Info_df_gp = Mkt_Info_df.groupby('ticker')
  71. tk_inc_dic = {'ticker':[],'return':[],'turnoverValue':[]}
  72. for tk,sub_info in Mkt_Info_df_gp:
  73. rtn = sub_info['increase'].prod()-1
  74. tnv = sub_info['turnoverValue'].sum()/len(sub_info) #获得平均成交金额
  75. tk_inc_dic['ticker'].append(tk)
  76. tk_inc_dic['return'].append(rtn)
  77. tk_inc_dic['turnoverValue'].append(tnv)
  78. tk_inc_df = pd.DataFrame(tk_inc_dic)
  79. tk_inc_df['secShortName'] = tk_inc_df['ticker'].apply(lambda x:tk2nm_dic[x])
  80. rtn_together = (tk_inc_df['return']*tk_inc_df['turnoverValue']).sum()/tk_inc_df['turnoverValue'].sum() #获得该主题一段时间的涨幅,成交金额加权收益
  81. return rtn_together,tk_inc_df
  1. import pandas as pd
  2. cal = Calendar('China.SSE')
  3. universe = DataAPI.EquGet(equTypeCD='A')['secID'].tolist() #获得全A股的secID
  4. id2nm = lambda x:x[0:6]
  5. tk_list_A = map(id2nm,universe) #获得全A股的ticker
  6. Ind_info = GetEquIndustry(universe=universe,field=['ticker','secShortName','industryName2']) #获得个股的申万行业分类
  7. Ind_info_gp = Ind_info.groupby('industryName2') #按照行业分组
  8. Ind_tks_dic = {} #获得每个行业包含的股票
  9. for ind_nm,sub_info in Ind_info_gp:
  10. Ind_tks_dic[ind_nm] = sub_info['ticker'].tolist()
  1. #获得统计的日期
  2. #获得研究的结束时间,如果在当天收盘前,则为前一个交易日
  3. endDate_dt = CountTime()
  4. endDate_CAL = Date.fromDateTime(endDate_dt)
  5. #前一季度的时间
  6. beginDate_3M_CAL = cal.advanceDate(endDate_CAL,'-3M',BizDayConvention.Following)
  7. beginDate_3M_dt = beginDate_3M_CAL.toDateTime()
  8. #前5个交易日的时间
  9. period_day = 5 ###################输入###################
  10. period_CAL = '-'+str(period_day)+'B'
  11. beginDate_5B_CAL = cal.advanceDate(endDate_CAL, period_CAL, BizDayConvention.Following)
  12. beginDate_5B_dt = beginDate_5B_CAL.toDateTime()
  1. #获得全A股在过去1年的市场行情
  2. field = ['ticker','secShortName','tradeDate','preClosePrice','closePrice','turnoverValue','marketValue']
  3. Mkt_Info_df_1Y = GetMktEqud(tk_list=tk_list_A,field =field) #获取市场行情,省略了beginDate和endDate,则获取最近1年的行情
  4. Mkt_Info_df_1Y['tradeDate'] = pd.to_datetime(Mkt_Info_df_1Y['tradeDate']) #将tradeDate这一列的格式由string改为datetime
  5. Mkt_Info_df_1Y['increase'] = Mkt_Info_df_1Y['closePrice']/Mkt_Info_df_1Y['preClosePrice'] #获得个股每天的收益
  6. tk_nm_dic = dict(zip(Mkt_Info_df_1Y['ticker'],Mkt_Info_df_1Y['secShortName'])) #获得个股ticker与名称的对应字典
  7. Mkt_Info_df_3M = Mkt_Info_df_1Y[Mkt_Info_df_1Y['tradeDate']>beginDate_3M_dt] #最近3个月的信息
  8. Mkt_Info_df_5B = Mkt_Info_df_1Y[Mkt_Info_df_1Y['tradeDate']>beginDate_5B_dt] #最近5个交易日的信息
  1. #统计得到个股以下信息:1年收益inc_1Y、3个月收益inc_3M、5个交易日收益inc_5B,1年平均市值mkv_1Y、3个月平均市值mkv_3M、5个交易日平均市值mkv_5B
  2. #获得一年的涨幅、平均成交金额数据
  3. Mkt_Info_df_1Y_gp = Mkt_Info_df_1Y.groupby('ticker') #按照ticker分类
  4. tk_rtn_dic_1Y = {'ticker':[],'inc_1Y':[],'tnv_1Y':[]} #获得每个个股的收益和平均市值
  5. for tk,sub_info in Mkt_Info_df_1Y_gp:
  6. inc_1Y = sub_info['increase'].prod()-1 #获得在这段时间内该股的涨幅
  7. tnv_avg_1Y = sub_info['turnoverValue'].sum()/len(sub_info)
  8. tk_rtn_dic_1Y['ticker'].append(tk)
  9. tk_rtn_dic_1Y['inc_1Y'].append(inc_1Y)
  10. tk_rtn_dic_1Y['tnv_1Y'].append(tnv_avg_1Y)
  11. tk_rtn_df_1Y = pd.DataFrame(tk_rtn_dic_1Y)
  12. #获得3个月的涨幅、平均成交金额数据
  13. Mkt_Info_df_3M_gp = Mkt_Info_df_3M.groupby('ticker') #按照ticker分类
  14. tk_rtn_dic_3M = {'ticker':[],'inc_3M':[],'tnv_3M':[]} #获得每个个股的收益和平均市值
  15. for tk,sub_info in Mkt_Info_df_3M_gp:
  16. inc_3M = sub_info['increase'].prod()-1 #获得在这段时间内该股的涨幅
  17. tnv_avg_3M = sub_info['turnoverValue'].sum()/len(sub_info)
  18. tk_rtn_dic_3M['ticker'].append(tk)
  19. tk_rtn_dic_3M['inc_3M'].append(inc_3M)
  20. tk_rtn_dic_3M['tnv_3M'].append(tnv_avg_3M)
  21. tk_rtn_df_3M = pd.DataFrame(tk_rtn_dic_3M)
  22. #获得5个交易日的涨幅、平均成交金额数据
  23. Mkt_Info_df_5B_gp = Mkt_Info_df_5B.groupby('ticker') #按照ticker分类
  24. tk_rtn_dic_5B = {'ticker':[],'inc_5B':[],'tnv_5B':[]} #获得每个个股的收益和平均市值
  25. for tk,sub_info in Mkt_Info_df_5B_gp:
  26. inc_5B = sub_info['increase'].prod()-1 #获得在这段时间内该股的涨幅
  27. tnv_avg_5B = sub_info['turnoverValue'].sum()/len(sub_info)
  28. tk_rtn_dic_5B['ticker'].append(tk)
  29. tk_rtn_dic_5B['inc_5B'].append(inc_5B)
  30. tk_rtn_dic_5B['tnv_5B'].append(tnv_avg_5B)
  31. tk_rtn_df_5B = pd.DataFrame(tk_rtn_dic_5B)
  1. #计算1年、3个月、5个交易日的行业涨幅
  2. Ind_tks_dic
  3. ind_rtn_dic = {'industry':[],'rtn_1Y':[],'rtn_3M':[],'rtn_5B':[],'bigstk_1Y':[],'bigstk_3M':[],'bigstk_5B':[],'Num':[]}
  4. for ind,tks in Ind_tks_dic.items():
  5. sub_info_1Y = tk_rtn_df_1Y[tk_rtn_df_1Y['ticker'].isin(tks)] #先选出该行业的个股内容,包括收益和平均成交金额
  6. rtn_ind_1Y = (sub_info_1Y['inc_1Y']*sub_info_1Y['tnv_1Y']).sum()/sub_info_1Y['tnv_1Y'].sum()
  7. bigstk_1Y = sub_info_1Y.sort(columns='tnv_1Y',ascending=False)['ticker'][0:3].tolist()
  8. sub_info_3M = tk_rtn_df_3M[tk_rtn_df_3M['ticker'].isin(tks)] #先选出该行业的个股内容,包括收益和平均成交金额
  9. rtn_ind_3M = (sub_info_3M['inc_3M']*sub_info_3M['tnv_3M']).sum()/sub_info_3M['tnv_3M'].sum()
  10. bigstk_3M = sub_info_3M.sort(columns='tnv_3M',ascending=False)['ticker'][0:3].tolist()
  11. sub_info_5B = tk_rtn_df_5B[tk_rtn_df_5B['ticker'].isin(tks)] #先选出该行业的个股内容,包括收益和平均成交金额
  12. rtn_ind_5B = (sub_info_5B['inc_5B']*sub_info_5B['tnv_5B']).sum()/sub_info_5B['tnv_5B'].sum()
  13. bigstk_5B = sub_info_5B.sort(columns='tnv_5B',ascending=False)['ticker'][0:3].tolist()
  14. ind_rtn_dic['industry'].append(ind)
  15. ind_rtn_dic['Num'].append(len(sub_info_1Y))
  16. ind_rtn_dic['rtn_1Y'].append(rtn_ind_1Y)
  17. ind_rtn_dic['bigstk_1Y'].append(map(lambda x:tk_nm_dic[x],bigstk_1Y))
  18. ind_rtn_dic['rtn_3M'].append(rtn_ind_3M)
  19. ind_rtn_dic['bigstk_3M'].append(map(lambda x:tk_nm_dic[x],bigstk_3M))
  20. ind_rtn_dic['rtn_5B'].append(rtn_ind_5B)
  21. ind_rtn_dic['bigstk_5B'].append(map(lambda x:tk_nm_dic[x],bigstk_5B))
  22. ind_rtn_df = pd.DataFrame(ind_rtn_dic)
  1. ind_rtn_df_sort_1Y = ind_rtn_df.sort(columns='rtn_1Y',ascending=False).loc[:,['industry','rtn_1Y','bigstk_1Y','Num','rtn_3M','rtn_5B']]
  2. ind_rtn_df_sort_1Y.columns = [u'行业名称',u'最近一年收益',u'一年内平均成交量最大的股票',u'该行业个股数目',u'最近3个月收益',u'最近5个交易日收益']
  3. print u'一共有%d个申万二级行业'%len(ind_rtn_df_sort_1Y),u',1年内行业涨幅'
  4. ind_rtn_df_sort_1Y
  5. 一共有103个申万二级行业 1年内行业涨幅
行业名称最近一年收益一年内平均成交量最大的股票该行业个股数目最近3个月收益最近5个交易日收益
99运输设备5.303234[中国南车, 中国北车, 晋西车轴]81.173940-0.014448
90基础建设4.691083[中国中铁, 中国铁建, 中国交建]250.9212750.093444
1航空运输3.131124[海南航空, 南方航空, 春秋航空]60.8761620.056124
8航运3.057806[中海集运, 中国远洋, 中海发展]121.0164390.270692
15计算机应用2.754977[用友网络, 恒生电子, 华胜天成]960.8601800.011083
98互联网传媒2.651445[乐视网, 鹏博士, 东方财富]240.8029810.062447
39专业工程2.625073[中国中冶, 中国化学, 航天工程]200.9157290.247647
53房屋建设2.582405[中国建筑, 上海建工, 龙元建设]40.6295080.091970
71计算机设备2.366100[同方股份, 大华股份, 浪潮信息]400.5758840.014130
13证券2.361874[中信证券, 东方证券, 海通证券]230.5234280.021711
34通信运营2.353681[中国联通, 二六三]21.1958260.305338
11仪器仪表2.329112[航天科技, 天和防务, 先河环保]240.7349380.069429
24船舶制造2.266239[中国重工, 中国船舶, 广船国际]80.6021510.111529
7专用设备2.191821[三一重工, 中国一重, 中联重科]1050.5043120.083313
81钢铁2.183165[包钢股份, 宝钢股份, 河北钢铁]330.5503430.035136
60物流2.115166[怡亚通, 中储股份, 建发股份]180.7038450.008994
70港口2.063319[天津港, 唐山港, 营口港]170.3899000.018574
33农产品加工1.938949[中粮屯河, 中粮生化, 朗源股份]170.6466140.078169
94通用机械1.894176[中核科技, 机器人, 晋亿实业]960.6045090.016274
52高速公路1.891902[福建高速, 重庆路桥, 五洲交通]180.6459810.040706
23化学纤维1.821298[中纺投资, 皖维高新, 华峰氨纶]270.6383800.085734
12地面兵装1.820928[北方导航, 中航黑豹, 四创电子]40.228236-0.024187
44服装家纺1.805284[雅戈尔, 际华集团, 探路者]390.6213560.002398
62航空装备1.793423[中航飞机, 成飞集成, 洪都航空]130.3519650.005921
97商业物业经营1.791940[小商品城, 农产品, 轻纺城]150.6386990.010417
36多元金融1.787572[中航资本, 爱建股份, 安信信托]110.3301270.096928
41景点1.787031[九华旅游, 宋城演艺, 长白山]80.8195980.030744
25旅游综合1.783006[中青旅, 腾邦国际, 北部湾旅]160.8095760.005146
83营销传播1.779635[蓝色光标, 省广股份, 腾信股份]90.431896-0.006486
56电力1.766792[国电电力, 国投电力, 长江电力]580.4895200.050847
50造纸1.263068[景兴纸业, 山鹰纸业, 冠豪高新]230.4806230.019398
95化学制药1.256582[鲁抗医药, 恒瑞医药, 新和成]620.4780350.009671
69综合1.248448[中国宝安, 中信国安, 东方集团]530.4443240.031787
65公交1.229096[大众交通, 强生控股, 锦江投资]80.4514470.009324
75饲料1.216313[新希望, 大北农, 禾丰牧业]110.4034940.000612
58半导体1.206561[国民技术, 长电科技, 华天科技]220.4714030.030992
32畜禽养殖1.177174[罗牛山, 大康牧业, 仙坛股份]160.5290710.011948
26机场1.166775[上海机场, 白云机场, 厦门空港]40.275427-0.039167
101金属非金属新材料1.131387[烯碳新材, 方大炭素, 中科三环]240.4048320.009488
22水泥制造1.112418[海螺水泥, 金隅股份, 亚泰集团]190.411717-0.003110
30中药1.090465[康美药业, 吉林敖东, 云南白药]590.5069220.023478
28医疗服务1.086574[恒康医疗, 爱尔眼科, 金陵药业]80.770956-0.007666
40石油化工1.062722[中国石化, 广汇能源, 上海石化]150.4589940.155356
45动物保健1.061414[中牧股份, 金宇集团, 升华拜克]70.3979870.002755
10采掘服务1.059690[海油工程, 中海油服, 中矿资源]110.391112-0.026253
9农业综合1.047126[大禹节水, 农发种业]20.215880-0.004511
49银行1.031171[兴业银行, 浦发银行, 民生银行]160.2436980.031925
46汽车服务1.024574[庞大集团, 申华控股, 国机汽车]60.5729890.112366
43稀有金属1.023880[北方稀土, 五矿稀土, 厦门钨业]210.3264840.028529
79石油开采0.999020[中国石油]10.1697960.103156
77种植业0.997333[亚盛集团, 海南橡胶, 隆平高科]140.255847-0.008357
76玻璃制造0.988161[南玻A, 金刚玻璃, 金晶科技]90.4953420.117769
6汽车整车0.976699[上汽集团, 比亚迪, 长安汽车]220.3005110.031516
91光学光电子0.960364[京东方A, 三安光电, 东旭光电]420.389974-0.029134
21食品加工0.873128[伊利股份, 双汇发展, 梅花生物]330.383895-0.016259
63园林工程0.856421[东方园林, 蒙草抗旱, 棕榈园林]70.421860-0.027685
38渔业0.778087[大湖股份, 好当家, 獐子岛]100.3890290.018921
93饮料制造0.774735[五粮液, 贵州茅台, 泸州老窖]360.267515-0.024910
2其他轻工制造0.742366[易尚展示]10.7423660.742366
55餐饮0.552202[中科云网, 西安饮食, 零七股份]40.1922030.013139
  1. 103 rows × 6 columns
  1. ind_rtn_df_sort_3M = ind_rtn_df.sort(columns='rtn_3M',ascending=False).loc[:,['industry','rtn_3M','bigstk_3M','Num','rtn_1Y','rtn_5B']]
  2. ind_rtn_df_sort_3M.columns = [u'行业名称',u'最近3个月收益',u'3个月内平均成交量最大的股票',u'该行业个股数目',u'最近一年收益',u'最近5个交易日收益']
  3. print u'一共有%d个申万二级行业'%len(ind_rtn_df_sort_1Y),u',3个月内行业涨幅'
  4. ind_rtn_df_sort_3M
  5. 一共有103个申万二级行业 3个月内行业涨幅
行业名称最近3个月收益3个月内平均成交量最大的股票该行业个股数目最近一年收益最近5个交易日收益
34通信运营1.195826[中国联通, 二六三]22.3536810.305338
99运输设备1.173940[中国南车, 中国北车, 晋西车轴]85.303234-0.014448
8航运1.016439[中海集运, 中国远洋, 中海发展]123.0578060.270692
90基础建设0.921275[中国中铁, 中国铁建, 中国交建]254.6910830.093444
39专业工程0.915729[中国中冶, 中国化学, 中工国际]202.6250730.247647
1航空运输0.876162[南方航空, 海南航空, 中国国航]63.1311240.056124
15计算机应用0.860180[大智慧, 用友网络, 恒生电子]962.7549770.011083
41景点0.819598[宋城演艺, 九华旅游, 峨眉山A]81.7870310.030744
25旅游综合0.809576[中青旅, 腾邦国际, 号百控股]161.7830060.005146
98互联网传媒0.802981[乐视网, 掌趣科技, 鹏博士]242.6514450.062447
100装修装饰0.789720[金螳螂, 洪涛股份, 亚厦股份]121.4603580.022219
28医疗服务0.770956[迪安诊断, 恒康医疗, 爱尔眼科]81.086574-0.007666
51电子制造0.755818[歌尔声学, 蓝思科技, 得润电子]321.431560-0.004972
2其他轻工制造0.742366[易尚展示]10.7423660.742366
11仪器仪表0.734938[航天科技, 先河环保, 雪迪龙]242.3291120.069429
57环保工程及服务0.722461[万邦达, 碧水源, 桑德环境]281.6877070.021656
5医疗器械0.711224[和佳股份, 千山药机, 新华医疗]221.6282500.044459
60物流0.703845[怡亚通, 建发股份, 中储股份]182.1151660.008994
61一般零售0.669449[文峰股份, 国际医学, 永辉超市]491.5015750.033214
89电气自动化设备0.647961[国电南瑞, 许继电气, 汇川技术]381.4296760.017054
33农产品加工0.646614[中粮屯河, 中粮生化, 东凌粮油]171.9389490.078169
52高速公路0.645981[中原高速, 福建高速, 重庆路桥]181.8919020.040706
97商业物业经营0.638699[小商品城, 农产品, 华联股份]151.7919400.010417
23化学纤维0.638380[皖维高新, 中纺投资, 华峰氨纶]271.8212980.085734
29包装印刷0.637423[劲嘉股份, 陕西金叶, 奥瑞金]241.5312040.042091
53房屋建设0.629508[中国建筑, 上海建工, 龙元建设]42.5824050.091970
44服装家纺0.621356[雅戈尔, 际华集团, 美邦服饰]391.8052840.002398
0家用轻工0.621297[宜华木业, 威华股份, 明牌珠宝]431.2729650.081527
94通用机械0.604509[中核科技, 机器人, 中航重机]961.8941760.016274
24船舶制造0.602151[中国重工, 中国船舶, 广船国际]82.2662390.111529
63园林工程0.421860[东方园林, 普邦园林, 蒙草抗旱]70.856421-0.027685
22水泥制造0.411717[海螺水泥, 亚泰集团, 金隅股份]191.112418-0.003110
86其他交运设备0.411019[隆鑫通用, 中国嘉陵, 深中华A]71.294861-0.028150
101金属非金属新材料0.404832[烯碳新材, 中科三环, 沃尔核材]241.1313870.009488
75饲料0.403494[新希望, 大北农, 海大集团]111.2163130.000612
45动物保健0.397987[中牧股份, 金宇集团, 瑞普生物]71.0614140.002755
92贸易0.392636[辽宁成大, 厦门国贸, 五矿发展]231.6076190.026065
10采掘服务0.391112[海油工程, 中海油服, 恒泰艾普]111.059690-0.026253
91光学光电子0.389974[京东方A, 东旭光电, 三安光电]420.960364-0.029134
70港口0.389900[上港集团, 宁波港, 唐山港]172.0633190.018574
38渔业0.389029[大湖股份, 獐子岛, 好当家]100.7780870.018921
21食品加工0.383895[伊利股份, 梅花生物, 双汇发展]330.873128-0.016259
62航空装备0.351965[中航飞机, 中航动力, 洪都航空]131.7934230.005921
84园区开发0.349786[张江高科, 陆家嘴, 浦东金桥]91.7005880.059708
85燃气0.332420[深圳燃气, 陕天然气, 金鸿能源]71.489302-0.018759
36多元金融0.330127[中航资本, 大众公用, 爱建股份]111.7875720.096928
43稀有金属0.326484[北方稀土, 五矿稀土, 锡业股份]211.0238800.028529
14电机0.325072[卧龙电气, 佳电股份, 通达动力]81.455971-0.022692
47航天装备0.323204[中国卫星, 航天电子, 航天动力]61.4225590.032242
6汽车整车0.300511[上汽集团, 比亚迪, 一汽轿车]220.9766990.031516
26机场0.275427[上海机场, 深圳机场, 白云机场]41.166775-0.039167
93饮料制造0.267515[五粮液, 贵州茅台, 泸州老窖]360.774735-0.024910
77种植业0.255847[亚盛集团, 海南橡胶, 隆平高科]140.997333-0.008357
49银行0.243698[兴业银行, 中国银行, 浦发银行]161.0311710.031925
12地面兵装0.228236[北方导航, 中航黑豹, 四创电子]41.820928-0.024187
9农业综合0.215880[大禹节水, 农发种业]21.047126-0.004511
55餐饮0.192203[中科云网, 零七股份, 全聚德]40.5522020.013139
79石油开采0.169796[中国石油]10.9990200.103156
18林业0.151489[平潭发展, 吉林森工, 福建金森]51.573602-0.054994
72保险0.122277[中国平安, 中国人寿, 中国太保]51.4809240.001178
  1. 103 rows × 6 columns
  1. ind_rtn_df_sort_5B = ind_rtn_df.sort(columns='rtn_5B',ascending=False).loc[:,['industry','rtn_5B','bigstk_5B','Num','rtn_1Y','rtn_5B']]
  2. ind_rtn_df_sort_5B.columns = [u'行业名称',u'最近5个交易日收益',u'5个交易日内平均成交量最大的股票',u'该行业个股数目',u'最近一年收益',u'最近3个月收益']
  3. print u'一共有%d个申万二级行业'%len(ind_rtn_df_sort_1Y),u',5个交易日内行业涨幅'
  4. ind_rtn_df_sort_5B
  5. 一共有103个申万二级行业 5个交易日内行业涨幅
行业名称最近5个交易日收益5个交易日内平均成交量最大的股票该行业个股数目最近一年收益最近3个月收益
2其他轻工制造0.742366[易尚展示]10.7423660.742366
34通信运营0.305338[中国联通, 二六三]22.3536810.305338
8航运0.270692[中国远洋, 中海集运, 中海发展]123.0578060.270692
39专业工程0.247647[中国中冶, 中国化学, 中工国际]202.6250730.247647
40石油化工0.155356[中国石化, 广汇能源, 上海石化]151.0627220.155356
76玻璃制造0.117769[南玻A, 金晶科技, 耀皮玻璃]90.9881610.117769
46汽车服务0.112366[庞大集团, 申华控股, 中国汽研]61.0245740.112366
24船舶制造0.111529[中国重工, 中国船舶, 广船国际]82.2662390.111529
79石油开采0.103156[中国石油]10.9990200.103156
36多元金融0.096928[中航资本, 大众公用, 渤海租赁]111.7875720.096928
90基础建设0.093444[中国中铁, 中国铁建, 中国交建]254.6910830.093444
53房屋建设0.091970[中国建筑, 上海建工, 龙元建设]42.5824050.091970
35酒店0.091441[华天酒店, 锦江股份, 大东海A]71.4693230.091441
23化学纤维0.085734[石化油服, 中纺投资, 华西股份]271.8212980.085734
7专用设备0.083313[中国一重, 三一重工, 中联重科]1052.1918210.083313
0家用轻工0.081527[宜华木业, 威华股份, 乐凯胶片]431.2729650.081527
33农产品加工0.078169[中粮屯河, 中粮生化, 国投中鲁]171.9389490.078169
3铁路运输0.074405[大秦铁路, 广深铁路, 铁龙物流]31.5524970.074405
11仪器仪表0.069429[航天科技, 雪迪龙, 天和防务]242.3291120.069429
42其他采掘0.063680[攀钢钒钛, 西藏矿业, 金岭矿业]91.3344110.063680
98互联网传媒0.062447[乐视网, 掌趣科技, 鹏博士]242.6514450.062447
84园区开发0.059708[张江高科, 陆家嘴, 南京高科]91.7005880.059708
1航空运输0.056124[海南航空, 南方航空, 中国国航]63.1311240.056124
73文化传媒0.055896[百视通, 东方明珠, 电广传媒]351.5524900.055896
80白色家电0.053758[格力电器, 青岛海尔, 美的集团]441.3216740.053758
16化学原料0.052725[内蒙君正, 三友化工, 中泰化学]231.3638270.052725
56电力0.050847[国电电力, 国投电力, 浙能电力]581.7667920.050847
68工业金属0.047487[中国铝业, 南山铝业, 江西铜业]421.6032360.047487
5医疗器械0.044459[千山药机, 新华医疗, 鱼跃医疗]221.6282500.044459
27煤炭开采0.042696[中国神华, 中煤能源, 永泰能源]421.3083140.042696
65公交0.009324[大众交通, 强生控股, 锦江投资]81.2290960.009324
60物流0.008994[怡亚通, 建发股份, 中储股份]182.1151660.008994
66其他建材0.006497[国栋建设, 国睿科技, 濮耐股份]411.4461000.006497
62航空装备0.005921[中航飞机, 中航动力, 洪都航空]131.7934230.005921
25旅游综合0.005146[号百控股, 中青旅, 腾邦国际]161.7830060.005146
45动物保健0.002755[天康生物, 中牧股份, 金宇集团]71.0614140.002755
44服装家纺0.002398[际华集团, 美邦服饰, 报喜鸟]391.8052840.002398
72保险0.001178[中国平安, 中国太保, 中国人寿]51.4809240.001178
88通信设备0.001046[中兴通讯, 网宿科技, 海格通信]591.3385430.001046
75饲料0.000612[大北农, 新希望, 禾丰牧业]111.2163130.000612
59橡胶-0.002903[黔轮胎A, 青岛双星, 赛轮金宇]141.310560-0.002903
22水泥制造-0.003110[海螺水泥, 金隅股份, 冀东水泥]191.112418-0.003110
9农业综合-0.004511[农发种业, 大禹节水]21.047126-0.004511
51电子制造-0.004972[歌尔声学, 蓝思科技, 得润电子]321.431560-0.004972
83营销传播-0.006486[蓝色光标, 省广股份, 华谊嘉信]91.779635-0.006486
28医疗服务-0.007666[迪安诊断, 恒康医疗, 泰格医药]81.086574-0.007666
77种植业-0.008357[亚盛集团, 海南橡胶, 隆平高科]140.997333-0.008357
99运输设备-0.014448[中国南车, 中国北车, 晋西车轴]85.303234-0.014448
21食品加工-0.016259[伊利股份, 梅花生物, 汤臣倍健]330.873128-0.016259
85燃气-0.018759[国新能源, 长春燃气, 金鸿能源]71.489302-0.018759
14电机-0.022692[江特电机, 卧龙电气, 佳电股份]81.455971-0.022692
12地面兵装-0.024187[北方导航, 中航黑豹, 光电股份]41.820928-0.024187
17视听器材-0.024822[TCL集团, 四川长虹, 海信电器]91.427695-0.024822
93饮料制造-0.024910[贵州茅台, 五粮液, 泸州老窖]360.774735-0.024910
10采掘服务-0.026253[海油工程, 中海油服, 恒泰艾普]111.059690-0.026253
63园林工程-0.027685[东方园林, 普邦园林, 蒙草抗旱]70.856421-0.027685
86其他交运设备-0.028150[中国嘉陵, 隆鑫通用, 深中华A]71.294861-0.028150
91光学光电子-0.029134[京东方A, 三安光电, 东旭光电]420.960364-0.029134
26机场-0.039167[上海机场, 厦门空港, 深圳机场]41.166775-0.039167
18林业-0.054994[平潭发展, 永安林业, 吉林森工]51.573602-0.054994
  1. 103 rows × 6 columns