实战：小象咖啡店营业数据与个股财务指标的多源数据分析

实战：小象咖啡店营业数据与个股财务指标的多源数据分析

小象量化极客小册 · 华尔街量化分析先锋系列

在量化交易中，历史回测数据往往以多种异构本地文件（TXT、CSV、JSON、Excel）和关系数据库形式存在。本节你将编写数据接口，读取小象咖啡的门店营收数据并解析股票行情API响应，打通量化回测的数据通道！

小象量化极客小册 · 华尔街量化分析先锋系列 在量化交易中，历史回测数据往往以多种异构本地文件（TXT、CSV、JSON、Excel）和关系数据库形式存在。本节你将编写数据接口，读取小象咖啡的门店营收数据并解析股票行情API响应，打通量化回测的数据通道！

💡 核心导读

本节将带领读者完成欧洲职业足球数据的采集、清洗与分析全流程。通过Python数据科学工具链操作本地存储的SQLite数据库与CSV文件，掌握多源数据合并、特征工程与可视化分析技巧。核心技能包括：1) 使用Pandas进行多表关联查询 2) 构建比赛结果预测特征 3) 制作热力图展示球队表现矩阵。

数据准备与环境配置

数据库连接与探查

import sqlite3
import pandas as pd
from pathlib import Path

db_path = Path('european_football.db')
conn = sqlite3.connect(str(db_path))

tables = pd.read_sql("SELECT name FROM sqlite_master WHERE type='table';", conn)
print(tables)

"""
输出示例：
               name
0            Player  
1           Match    
2           League  
3          Country 
4           Team    
"""

多源数据加载

matches = pd.read_sql("SELECT * FROM Match WHERE season='2015/2016'", conn)

ratings = pd.read_csv('player_ratings.csv', encoding='latin1')

print("比赛数据字段示例：")
print(matches[['home_team', 'away_team', 'home_team_goal']].head(2))

"""
比赛数据字段示例：
      home_team     away_team  home_team_goal
0  Real Madrid    Barcelona              2
1  Bayern Munich  Dortmund              3
"""

💡 概念小测：实战分析多源数据

在本次实战中，我们把咖啡店每日营收的 CSV 文件与存储在 SQLite 数据库中的 A 股股票行情进行对齐，计算两者的相关系数。以下关于对齐数据时的操作，哪一个是正确的？

• 直接用 index 对齐，即使两者的日期序列不一致也不用做日期处理。
• 必须先将两者的日期字段转换为标准的 Datetime 格式，并通过 merge 对齐日期后再做相关性分析。
• 抛弃所有有缺失值的日期，仅保留有股票报价的周一到周五数据，周六周日的咖啡馆营收只能直接删除，不能进行填充。
• 相关性计算必须用 NumPy 的 np.dot 矩阵乘法完成，Pandas 不支持相关系数计算。

📝 选择题

💡 概念小测：实战分析多源数据 在本次实战中，我们把咖啡店每日营收的 CSV 文件与存储在 SQLite 数据库中的 A 股股票行情进行对齐，计算两者的相关系数。以下关于对齐数据时的操作，哪一个是正确的？

• A. 直接用 index 对齐，即使两者的日期序列不一致也不用做日期处理。
• B. 必须先将两者的日期字段转换为标准的 Datetime 格式，并通过 merge 对齐日期后再做相关性分析。
• C. 抛弃所有有缺失值的日期，仅保留有股票报价的周一到周五数据，周六周日的咖啡馆营收只能直接删除，不能进行填充。
• D. 相关性计算必须用 NumPy 的 np.dot 矩阵乘法完成，Pandas 不支持相关系数计算。

答案：B（必须先将两者的日期字段转换为标准的 Datetime 格式，并通过 merge 对齐日期后再做相关性分析。）

核心分析流程

数据关联与特征工程

teams = pd.read_sql("SELECT * FROM Team", conn)
enhanced_matches = matches.merge(
    teams[['team_api_id', 'team_long_name']],
    left_on='home_team_api_id',
    right_on='team_api_id'
).rename(columns={'team_long_name': 'home_team_name'})

enhanced_matches['result'] = enhanced_matches.apply(
    lambda row: 'home_win' if row['home_team_goal'] > row['away_team_goal'] else 
               ('draw' if row['home_team_goal'] == row['away_team_goal'] else 'away_win'),
    axis=1
)

features = enhanced_matches[[
    'home_team_name', 
    'B365H',  # 主队获胜赔率
    'B365D',  # 平局赔率
    'B365A'   # 客队获胜赔率
]].dropna()

可视化分析

import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(12,6))
sns.boxplot(
    x='league_id',
    y='home_team_goal',
    data=matches.assign(total_goals=matches.home_team_goal + matches.away_team_goal)
)
plt.title('2015/2016赛季各联赛进球数分布')
plt.xticks(rotation=45);

高级分析技巧

球队对战热力图

team_pairs = matches.groupby([
    'home_team_name', 
    'away_team_name'
])['home_team_goal'].mean().unstack()

plt.figure(figsize=(15,10))
sns.heatmap(
    team_pairs.fillna(0),
    cmap='YlOrRd',
    annot=True,
    fmt='.1f',
    linewidths=.5
)
plt.title('主队场均进球对阵表现');

比赛结果预测

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

X = features[['B365H', 'B365D', 'B365A']]
y = enhanced_matches['result']

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

model = RandomForestClassifier(n_estimators=100)
model.fit(X_train, y_train)
print(f"模型准确率：{model.score(X_test, y_test):.2%}")

💡 代码填空：关联多源数据

在实战代码中，我们需要将咖啡销量 DataFrame (cafe_df) 和股票行情 DataFrame (stock_df) 按照 ‘date’ 字段进行内连接。请补全 merge 对应的参数：

import pandas as pd

aligned_df = pd.merge(cafe_df, stock_df, {blank}='date', how='inner')
print(aligned_df.corr())

• left_on
• on
• how

✏️ 填空题

💡 代码填空：关联多源数据 在实战代码中，我们需要将咖啡销量 DataFrame (cafe_df) 和股票行情 DataFrame (stock_df) 按照 ‘date’ 字段进行内连接。请补全 merge 对应的参数：

import pandas as pd
# 对齐两个多源数据集
aligned_df = pd.merge(cafe_df, stock_df, ___='date', how='inner')
print(aligned_df.corr())

答案：on

本章小结

行动清单

• 在本地SQLite数据库中执行跨表查询，合并Match表与Team表的主客场球队名称
• 使用Seaborn绘制两支特定球队的历史对战进球数折线图
• 修改预测模型，加入球队近期比赛结果作为时序特征

「小象量化教研组」