반응형
Fred API를 이용해서 실업률과 비농업고용 및 기준금리 데이터를 수집하고 비교해 보겠습니다.
Fredpy로 데이터를 수집하는데 Fred API Key가 필요합니다.
1. Fred 가입 후 API KEY 신청 및 확인하기
2. 실업률과 기준금리
3. 비 농업고용과 실업률, 기준금리
1. Fred 가입 후 API KEY 신청 및 확인하기
2. 실업률과 기준금리
필요 라이브러리를 import 합니다. API_KEY는 본인의 데이터가 필요합니다.
데이터의 기간을 1954-07-01부터로 설정하겠습니다.
import pandas as pd
import fredpy as fp
from datetime import datetime
#fp.api_key = 'YOUR_API_KEY'
startdate='1954-07-01'
enddate=datetime.now().strftime('%Y-%m-%d')
실업률 데이터를 수집하겠습니다. symbol은 'UNRATE'입니다.
#실업률
df1 = fp.series('UNRATE',enddate)
df1.data
symbol 'FEDFUNDS'를 이용해서 기준금리 데이터를 수집하겠습니다.
df2 = fp.series('FEDFUNDS',enddate)
df2.data
기간을 1954-07-01에서 오늘까지로 지정하겠습니다.
df11=df1.data.loc[(df1.data.index>=startdate) & (df1.data.index<=enddate)]
df22=df2.data.loc[(df2.data.index>=startdate) & (df2.data.index<=enddate)]
그래프로 확인해 보겠습니다.
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots
fig = make_subplots(specs=[[{'secondary_y':True}]])
fig.add_trace(
go.Scatter(x=df11.index, y=df11.values, name='실업률'),
secondary_y=True
)
fig.add_trace(
go.Bar(x=df22.index, y=df22.values, name='기준금리'),
secondary_y=False
)
fig.update_layout(
title_text = '실업률과 기준금리',
title = {'x':0.5, 'y':0.9}
)
fig.show()
기준 금리가 먼저 정점에 이르고 실업률이 그다음에 정점이 되는 것처럼 보입니다.
반응형
1990년 이후로 기간을 축소해서 보겠습니다.
3. 비 농업고용과 실업률, 기준금리
비농업 고용 데이터 수집하겠습니다. symbol은 'PAYEMS'입니다.
지난해 동월 대비(YOY)의 데이터로 변경하고, 기간은 1954-07-01부터로 하겠습니다.
#비농업고용
df3 = fp.series('PAYEMS',enddate)
df3yoy = df3.apc().data
df33=df3yoy.loc[(df3yoy.index>=startdate) & (df3yoy.index<=enddate)]
df33
비 농업 고용(YOY)과 실업률 데이터를 보겠습니다.
fig = make_subplots(specs=[[{'secondary_y':True}]])
fig.add_trace(
go.Scatter(x=df11.index, y=df11.values, name='실업률'),
secondary_y=True
)
fig.add_trace(
go.Bar(x=df33.index, y=df33.values, name='비농업고용(YOY)'),
secondary_y=False
)
fig.update_layout(
title_text = '실업률과 비농업고용(YOY)',
title = {'x':0.5, 'y':0.9}
)
fig.show()
반응형
비 농업 고용(YOY)와 기준 금리 데이터를 그래프로 확인하겠습니다.
fig = make_subplots(specs=[[{'secondary_y':True}]])
fig.add_trace(
go.Scatter(x=df33.index, y=df33.values, name='비농업고용(YOY)'),
secondary_y=True
)
fig.add_trace(
go.Bar(x=df22.index, y=df22.values, name='기준금리'),
secondary_y=False
)
fig.update_layout(
title_text = '비농업고용(YOY)과 기준금리',
title = {'x':0.5, 'y':0.9}
)
fig.show()
1990년대 이후로 축소해서 보겠습니다.
df333=df3.data.loc[(df3.data.index>=startdate1) & (df3.data.index<=enddate)]
fig = make_subplots(specs=[[{'secondary_y':True}]])
fig.add_trace(
go.Scatter(x=df333.index, y=df333.values, name='비농업고용(YOY)'),
secondary_y=True
)
fig.add_trace(
go.Bar(x=df222.index, y=df222.values, name='기준금리'),
secondary_y=False
)
fig.update_layout(
title_text = '비농업고용(YOY)과 기준금리(1990년대 이후)',
title = {'x':0.5, 'y':0.9}
)
fig.show()
반응형
'API' 카테고리의 다른 글
[네이버 뷰 크롤링] 검색어에 대한 링크정보 확인 (4) | 2023.02.15 |
---|---|
[공공데이터포털 API] SRT 운행월별 정차역별 승하차인원 (8) | 2023.02.13 |
[한국은행 API] 국채와 회사채 수집 및 신용스프레드와 주가 (4) | 2023.02.07 |
[농림축산식품 API] 농수축산물 물가조사가격 수집 및 가격비교 (4) | 2023.02.02 |
[Fred API] 물가연동채권(TIPS)과 기준금리 및 소비자물가지수(CPI) (15) | 2023.01.31 |