test.txt

## 経過日ベースの図示
import pandas as pd
import matplotlib.pyplot as plt

# --- 前提: dfのindexがDatetimeIndexであること ---
# df = pd.read_csv('stock_data.csv', index_col=0, parse_dates=True)

# 1. 基準となる日付のリスト
base_dates = ['2023-01-04', '2023-02-01', '2023-03-01']
# 2. 観察したい期間（日）
days_window = 14 

plt.figure(figsize=(10, 6))

for d in base_dates:
    start_date = pd.to_datetime(d)
    end_date = start_date + pd.Timedelta(days=days_window)
    
    # 期間内のデータをスライスで抽出
    # ※土日が含まれていても、存在するデータ（平日）だけが抽出される
    temp_df = df[start_date : end_date].copy()
    
    if temp_df.empty:
        continue
        
    # --- ここがポイント ---
    # x軸: DatetimeIndex から start_date を引いて「日」に変換
    # (temp_df.index - start_date) は TimedeltaIndex を返し、.days で整数になる
    x_days = (temp_df.index - start_date).days
    
    # y軸: 最初の日の価格を基準(0)とした変動額
    # もし比率(%)にしたいなら: (temp_df['Close'] / temp_df['Close'].iloc[0] - 1) * 100
    y_values = temp_df['Close'] - temp_df['Close'].iloc[0]
    
    # プロット
    plt.plot(x_days, y_values, marker='o', label=f'Base: {start_date.date()}')

# グラフの装飾
plt.axhline(0, color='black', linewidth=0.8, linestyle='--') # 基準線
plt.xlabel('Days since Base Date (Calendar Days)')
plt.ylabel('Price Change from Base Date')
plt.title('Stock Price Movement Comparison (Relative Days)')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()

## 株価自動取得
pip install pandas_datareader

import pandas_datareader.data as web
import datetime
import pandas as pd

# 1. 取得期間の設定
start = datetime.datetime(2014, 1, 1)
end = datetime.datetime.now()

# 2. 取得したいデータのコード（FREDのシンボル）を指定
# DEXJPUS: ドル円
# NIKKEI225: 日経平均
# JPNCPIALLMINMEI: 日本の10年国債利回り（※FRED上のコード）
symbols = {
    'DEXJPUS': 'USD_JPY',
    'NIKKEI225': 'Nikkei225',
    'IRLTLT01JPM156N': 'JGB_10Y'  # 日本の長期金利(10年)
}

# 3. データの読み込み
df = web.DataReader(list(symbols.keys()), 'fred', start, end)

# 列名を分かりやすくリネーム
df = df.rename(columns=symbols)

# 欠損値（祝日など）を前の日の値で埋める
df = df.ffill()

print(df.tail())