還未知道什麼是 Google Colab Notebook？記得閱讀：新手 1/3：5 分鐘免安裝學習 Python？Google Colab Notebook 幫緊您！
上回我們提及 Google Colab Notebook 的好處是免安裝，十分適合零經驗、想直接學習 Python 編程的小夥伴。現在，我們來一些複雜一點的編程，希望從中學習：
- 什麼是 Library/如何 Import Library
- 製作一張簡單、易明的 Google Colab Notebook 表格
- 製作精美的互動式（Interactive）圖表
- 多一些 Python 編程的技巧
左思右想，還是覺得一個股票類的例子比較容易明白。我們今天的目標是在 Google Colab Notebook 設計一張可以匯入股價的表格，並以圖表形式顯示股票最近 5 年的走勢。
我們的數據來源是 Yahoo! Finance，有興趣了解更多有關 Yahoo! Finance 的資訊可以按這裡。
事不宜遲，我們開始咯！
第一步：設計表格
首先我們加入 2 個 Markdown block （如何加入 Markdown Block?），並且分別填上「# Google Colab Notebook 範例 1」及「## 表格」。留意 “#” 是代表 Markdown block 的大小，越多 “#”，字體越小。
完成後，我們在 Code block 的位置填上以下代碼：
#@title 設定股票
symbol = '0005.HK' #@param {type:"string"}
print('系統已經紀錄： '+ symbol)
留意畫面的右方會出現一個「symbol: “0005.HK”」的框。這個就是 Google Colab/Jupyter 的互動式（Interactive）表格，可以方便我們隨時隨地更改變數的值。
點擊一下 Play 按鈕，下方將會顯示成功的信息。由於我們的 Notebook 已經紀錄了 symbol 是 “0005.HK”，所以待會可以直接使用 symbol 變數。
第二步：匯入 Pandas 等的 Library
什麼是 Library
其中一個 Python 編程普及的原因，在於 Python 語言擁有十分豐富的編程 Library。Library 是指一些已經完成的 Python 編碼，可以延伸 Python 編程的功能。
比方說，如果 Python 編程是健身，那麼 Python 內置的功能（例如加減乘除）就是健身室，而 Python 的 Library 就是健身設備。如果只有健身室，那麼您能夠做到的運動動作很有限/十分艱辛；但如果您有許多不同的健身設備，例如跑步機、背肌重訓托架，那麼您能完成的動作將會大幅增加。
Pandas、Pandas Datareader、Plotly、Flask、Tensorflow、NLTK 等等的 Library 就是您的健身設備。因為這些豐富的免費/公開 Library，我們可以省卻許多艱鉅（Technical）的編程，而主要專注在應用（Implementation）方面。
我們需要什麼 Library
第二個問題就是我們需要什麼 Library。這是開始每個 Python 編程的項目前，我們必須考慮和探索的問題。以下分享一個我覺得好用的思考方法，讓大家參考如何決定自己需要什麼 Library：
| 先問自己：用途 | 再去發掘：Library |
|---|---|
| 從 Yahoo! Finance下載股票價格資料 | pandas_datareaderyfinance |
| 把數據匯出成圖表 | plotlymatplotlib |
| 計算今天與 1 年前的日期 | datetime |
隨著您對 Python 的認識加深，您會發現許多時候，滿足同一個用途的 Library 不只 1 個。如果我們有多於一個選擇時，該如何處理？
如何決定用那個 Library
這是，我們便需要以一些準則作出判斷，包括但不限於：
- 最符合自己用途的 Library （未必是最流行的 Library!!)
- 有良好用戶群體的 Library，方便自己解決編程問題
- 原作者十分活躍的 Library，這樣的 Library 長遠來說較穩定
對於新手/選擇困難症來說，這步或會頗有挑戰，但只要多做研究（例如 Google 一下其他用家的評價）、不怕試錯，這也是 Python 編程重要和好玩的一環。
匯入 Library
感謝網友 K. K. 提點 pandas_datareader 的問題，現已更新以下教學內容。
說了那麼多，我們來學習如何在 Google Colab Notebook 匯入 Library 吧！
import datetime !pip install pandas_datareader --upgrade from pandas_datareader import get_data_yahoo import plotly.express as px import plotly.graph_objects as go
匯入 Library 有 3 種語法：
| 語法 | 用途 |
|---|---|
| import library | 把這個 Library 的所有功能匯入。適用於重要的 Library，例如 pandas. |
| from library import object | 從 Library 抽取其中一個組件匯入。適用於在非常大的 Library （例如 plotly）但只需要一個組件的時候 |
| import library as abbr 或 import library.object as abbr | 將 Library 或其中一個組件匯入，並簡寫為 abbr。適用於名字很長的 Library 或約定俗成的用法（例如 pd 是 pandas 慣用的簡寫） |
留意我們在 import pandas_datareader 前加入了 !pip install pandas_datareader --upgrade 的字句。這是因為 Colab 的 pandas_datareader 版本比較舊，沒有兼容最新的數據。所以，我們先將 pandas_datareader 更新，再匯入這個 Library。
有興趣詳情可以參考這篇：VSCode 4/5: 讓 pip 安裝和管理 Python Libraries，結合虛擬環境！
第三步：提取股價
noOfYears = 5
endDate = datetime.datetime.now()
startDate = endDate - datetime.timedelta(days=365 * noOfYears)
print('現在我們提取從 ', startDate, ' 到 ', endDate, ' 的股價\n')
data = get_data_yahoo(symbol, startDate, endDate)
print('提取成功！數據是：\n', data)
計算日期
我們需要先找出今天與5年前的日期，以告訴 Python 去提取什麼日子的數據。datetime library 的 datetime.datetime.now() 將會是您的好朋友，而 datetime.timedelta() 則可以為我們進行日期的運算。透過上面第 1 至 4 行的編程，我們成功計算出今天與5年前的日期。
接著，我們把股票代號（symbol），起始日（startDate）和完結日（endDate）作為函數（Inputs）輸入 Pandas Datareader 的 get_data_yahoo() 功能。
從 Pandas Datareader 提取數據
留意由於我們前面 import library 時使用了 from pandas_datareader import get_data_yahoo 而非 import pandas_datareader as pdr，所以可以直接使用 data = get_data_yahoo() 而不需要 data = pdr.get_data_yahoo()。
當我們把 data 變數 print 出來看時，可以見到一個類似 Excel 試算表的輸出。這個變數其實就是鼎鼎大名的 Pandas Dataframe！（這也很合理，因為我們使用了 Pandas Datareader）
從這個輸出，我們亦能看到有關這個 Pandas Dataframe 的基礎資料。例如這裡顯示有 1,236 列（Row）和 6 行（Column），代表我們有這個股票代號 1,236 個交易日（約 5 年）的 6 項資料。這 6 項資料就是 High, Low, Open, Close, Volume, Adj Close。
有了 Pandas Dataframe 就好辦事了！
第四步：製作圖表
還記得我們有 import Plotly 這個 library 嗎？沒錯，這個就是我們製作圖表的好朋友（Graphing engine）。
簡單：折線圖
data = data.reset_index() fig = px.line(data, x="Date", y="Adj Close", title= symbol + ' 的走勢圖') fig.show()
首先我們來一個比較容易的圖表。Yahoo! Finance 的 Adj Close （調整後收市價）是一個包含股息（Dividend）、企業行動（Corporate Action）影響的股價，比較適合量化持股總收益（Total Return）。
我們在上述 3 行編碼，把先前從 Pandas Datareader 獲得的 Pandas Dataframe（即是 data 變數）數據製成圖表。x="Date" 即是把數據的日期設為 X 軸，而 y="Adj Close" 就是把數據的調整後收市價設為 Y 軸。
留意我們加入了 data = data.reset_index()，因為原先數據的 Date 是一個索引（Index）而非一個行（Column），所以我們透過重設索引，使 Date 變成可以用以製作圖表的行（Column）。
按下 Play 按鈕後，在 Code Block 的下方出現了一張互動式（Interactive）折線圖。把鼠標在圖表上移動的話，可以徘徊（Hover）時看到不同日子的數值。有興趣了解更多有關 Plotly 互動式圖表可以按此。
進階：OHLC （陰陽燭）圖表
data = data.tail(255)
fig = go.Figure(
data=go.Ohlc(
x=data['Date'],
open=data['Open'],
high=data['High'],
low=data['Low'],
close=data['Close']
),
layout=dict(title= symbol + ' 的 OHLC 圖')
)
fig.show()
除了剛才提及的折線圖外，我們亦可以製做俗稱陰陽燭的 OHLC 圖表。這種圖表用於股票走勢的技術分析（Technical Analysis），亦是 Plotly 這個 Library 的內置圖表之一。
與剛才略有不同，我們使用 plotly.graph_objects，是比較進階的 Plotly 圖表，但基本使用跟 plotly.express 差不多，也就不在這裡重複。
留意我們在編程的第一句使用了 data.tail(255)。tail(n) 這個功能讓我們可以直接提取 Pandas Dataframe 的最後 n 個列（Row），所以我們使用這個功能，把數據限制於最後 255 列，大概就是一年的交易日數目。
製成品/完整代碼
恭喜您已經建立了第一個 Google Colab Notebook 表格，並以 Google Colab Notebook 為基礎，透過股票價格數據製成精美圖表！
除了 0005.HK 以外，您也可以在表格嘗試其他股票代號以獲取其他股票的價格。小貼士：您可以按 Runtime -> Run all 一次執行所有 Code block，就不用逐個逐個按 Play 按鈕。
在這裏亦分享這個教程的完整代碼，如果您想直接使用我的 Python 代碼拷貝，可以在下方按 “Open in Colab” 直接執行這個 Google Colab Notebook 喔。
下一步
下一篇我們來學習一下 Google Colab Notebook 的 I/O，讓我們可以直接在 Google Colab Notebook 使用我們自訂的文件/數據！
下一篇：新手 3/3：Google Colab 如何讀取/輸出檔案？從 Google Drive 存取 CSV
