收集整理了一份《2024年最新Python全套学习资料》免费送给大家,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上Python知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来
如果你需要这些资料,可以添加V无偿获取:hxbc188 (备注666)
正文
| date | trade_date | 交易日期 |
| open | open | 开盘价 |
| high | high | 最高价 |
| close | close | 收盘价 |
| | pre_close | 昨收盘价 |
| low | low | 最低价 |
| volume | vol | 成交量 |
| price_change | change | 价格变动、涨跌额 |
| p_change | pct_chg | 涨跌幅 |
| ma5 | | 5日均价 |
| ma10 | | 10日均价 |
| ma20 | | 20日均价 |
| v_ma5 | | 5日均量 |
| v_ma10 | | 10日均量 |
| v_ma20 | | 20日均量 |
| turnover | | 换手率[注:指数无此项] |
| | amount | 成交额 |
老版本中date为index,不是具体column。
2.2. 获取历史行情数据——指数
上证指数、深圳成指、沪深300指数、上证50 、中小板、创业板等。
上证指数代码为“000001.SH”,老版本代码为“sh”;深成指数代码为“399001.SZ”,老版本为“399001”或“sz”。
#获取沪深指数
def get_hs_index(self,start_date,end_date):
if self.pro:
self.hs_index = ts.pro_bar(ts_code= self.code, asset='I', start_date=start_date, end_date=end_date)
else:
#旧接口,不用注册
index_code={
'000001.SH':'sh','399001.SZ':'399001','000300.SH':'000016.SH','sz50':'sz50','399005.SZ':'zxb','399006.SZ':'cyb'}
self.his_dat = ts.get_hist_data(code=index_code[self.code],start=start_date, end=end_date)
#把索引赋值给trade_date
#self.his_dat['trade_date'] = self.his_dat.index
self.his_dat = self.his_dat.reset_index()
self.his_dat['ts_code'] = self.code
#参照pro接口,修改列名
self.his_dat = self.his_dat.rename(columns={
'date':'trade_date','volume':'vol','price_change':'change','p_change':'pct_chg'})
#筛选列
self.his_dat = self.his_dat[self.columns] #.reset_index()
return self.hs_index
2.3. 获取历史行情数据——情绪指数
目前pro版本国外已经支持如下指数数据(数据来源:https://tushare.pro/):
TS指数代码 | 指数名称 |
---|---|
XIN9 | 富时中国A50指数 (富时A50) |
HSI | 恒生指数 |
DJI | 道琼斯工业指数 |
SPX | 标普500指数 |
IXIC | 纳斯达克指数 |
FTSE | 富时100指数 |
FCHI | 法国CAC40指数 |
GDAXI | 德国DAX指数 |
N225 | 日经225指数 |
KS11 | 韩国综合指数 |
AS51 | 澳大利亚标普200指数 |
SENSEX | 印度孟买SENSEX指数 |
IBOVESPA | 巴西IBOVESPA指数 |
RTS | 俄罗斯RTS指数 |
TWII | 台湾加权指数 |
CKLSE | 马来西亚指数 |
SPTSX | 加拿大S&P/TSX指数 |
CSX5P | STOXX欧洲50指数 |
使用方法:
#美股指数
def get_us_index(self,start_date,end_date):
if self.pro:
self.us_index = self.stock.index_global(ts_code= self.us_code, start_date=start_date, end_date=end_date)
self.us_index = self.us_index[self.columns]
return self.us_index
2.4. 获取分时数据
升级pro版本,可以获取3年的数据,而老版本 只能获取1个月的分时数据。
#获取分钟级别数据
def get_tickshare_dat(self,freq,start_date, end_date):
if self.pro:
start_date=re.sub('\D','',start_date)
end_date = re.sub('\D','',end_date)
freq = freq + 'min'
self.tickshare_dat = ts.pro_bar(ts_code=self.code, freq = freq,start_date=start_date, end_date=end_date)
self.tickshare_dat['vol'] = self.tickshare_dat['vol'] /100
else:
# ktype:数据类型,D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟,默认为D
self.tickshare_dat = ts.get_hist_data(code=self.code, ktype = freq,start=start_date, end=end_date)
self.tickshare_dat['ts_code'] = self.code
self.tickshare_dat = self.tickshare_dat.reset_index()
self.tickshare_dat = self.tickshare_dat.rename(columns={
'date':'trade_time','volume':'vol'})
self.tickshare_dat['trade_date'] = self.tickshare_dat['trade_time'].apply(lambda x:re.sub('\D','',x[0:10]))
self.setCodebyOld()
self.tickshare_dat['ts_code'] = self.code
self.tickshare_dat = self.tickshare_dat[['ts_code','trade_time','open','high','close','low','vol','trade_date']]
return self.tickshare_dat
注:输入freq为字符型数字,1/5/15/30/60
2.5. 获取股票基本信息
#获取股票基本面信息
def get_ShareInfo(self,trade_date):
if self.pro:
self.shareInfo = self.stock.daily_basic(ts_code=self.code, trade_date=trade_date) #, fields='ts_code,trade_date,turnover_rate,volume_ratio,pe,pb')
else:
self.shareInfo = ts.get_stock_basics()
print(self.shareInfo)
2.6. 获取复权数据
# 获取复权数据
def get_h_dat(self,start_date,end_date,fq='hfq'):
#self.h_dat = ts.get_h_data(code=self.code, autype='hfq',start=start_date, end=end_date)
self.h_dat = ts.pro_bar(ts_code=self.code, adj=fq, start_date=start_date, end_date=end_date)
return self.h_dat
3. 数据存储在本地Mongo数据库中
class Stock_Collection(object):
def __init__(self,db_name):
self.db_name = db_name
client = pymongo.MongoClient('mongodb://stock:stock@localhost:27017/stock')
self.db = client[self.db_name]
def insertdatas(self,name,datas):
collection = self.db[name]
collection.insert(json.loads(datas.T.to_json()).values())
def getDistinctCode(self,name):
collection = self.db[name]
code = collection.distinct('ts_code')
return code
def setIndex_Code(self):
self.sentiment_index = ['IXIC','DJI','HSI'] # 情绪指数
self.sentiment_index_column = ['trade_date','open','high','close','low','change','pct_chg']
self.index_daily = ['000001.SH', '399001.SZ']
self.index_daily_column = ['trade_date','open','high','close','low','vol','change','pct_chg']
def setCode(self,code):
self.code = code #['002230.SZ'] #, '000547.SZ', '601318.SH', '601208.SH', '600030.SH', '000938.SZ', '002108.SZ', '600967.SH']
self.stock_column = ['trade_date','open','high','close','low','vol','change','pct_chg']
# 构造LSTM模型训练集
def generate_train_datas(self,db_name,code_name,filename):
collection = self.db[db_name]
self.out_code = code_name
#查询条件“字典”
query_dict = {
'ts_code':'1','trade_date':{
'$gt':'20171001'}}
#col_name = {'_id':0,'trade_date':1,'ts_code':1,'open':1,'high':1,'close':1,'low':1,'vol':1,'change':1,'pct_chg':1}
col_name = {
'_id':0}
for d in self.stock_column:
col_name[d] = 1
query_dict['ts_code'] = self.out_code
#注意时间排序
df = pd.DataFrame(list(collection.find(query_dict,col_name).sort([('trade_date',1)])))
df['trade_date'] = df['trade_date'].apply(lambda x:re.sub('\D','',x)) #去掉日期中的“-”符号
self.code.remove(self.out_code) # 删除输出股票代码
#构造股票数据集
n = 0
k = 0
columns = self.stock_column.copy()
columns.remove('trade_date')
print('Start!')
#self.code长度为1,下面循环不执行
for code in self.code:
query_dict['ts_code'] = code
df1 = pd.DataFrame(list(collection.find(query_dict,col_name).sort([('trade_date',1)])))
df1['trade_date'] = df1['trade_date'].apply(lambda x:re.sub('\D','',x)) #去掉日期中的“-”符号
#按日期合并两个表
#df =pd.merge(left=df,right=df1,how='left',on=['trade_date'])
#以上证为基准
df =pd.merge(left=df,right=df1,how='inner',on=['trade_date'])
# 处理合并表,字段重复的情况,需要把_x,_y新命名字段,下轮继续
cols_dict = {
}
for cols in columns:
cols_dict[cols+'_x'] = cols + str(n)
cols_dict[cols+'_y'] = cols + str(n+1)
if k==0:
df = df.rename(columns=cols_dict)
n = n + 2
k = 1
else:
k = 0
print('code 1')
print(df)
#构造数据集——上证、深成指数
query_dict = {
'ts_code':'1'}
columns = self.index_daily_column.copy() #默认list为传址,需要赋值新list
columns.remove('trade_date')
print(self.index_daily_column)
for index_daily in self.index_daily:
query_dict['ts_code'] = index_daily
col_name = {
'_id':0}
for d in self.index_daily_column:
col_name[d] = 1
df1 = pd.DataFrame(list(collection.find(query_dict,col_name).sort([('trade_date',1)])))
df1['trade_date'] = df1['trade_date'].apply(lambda x:re.sub('\D','',x)) #去掉日期中的“-”符号
#按日期合并两个表
df =pd.merge(left=df,right=df1,how='left',on=['trade_date'])
cols_dict = {
}
for cols in columns:
cols_dict[cols+'_x'] = cols + str(n)
cols_dict[cols+'_y'] = cols + str(n+1)
if k==0:
df = df.rename(columns=cols_dict)
n = n + 2
k = 1
else:
k = 0
print(df)
#构造数据集——情绪指数
如果你也是看准了Python,想自学Python,在这里为大家准备了丰厚的免费**学习**大礼包,带大家一起学习,给大家剖析Python兼职、就业行情前景的这些事儿。
### 一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
![](https://i-blog.csdnimg.cn/blog_migrate/0426b4c2e3d69852ceb846faa8ff365f.png)
### 二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
![](https://img-blog.csdnimg.cn/img_convert/8c4513c1a906b72cbf93031e6781512b.png)
### 三、全套PDF电子书
书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。
![](https://img-blog.csdnimg.cn/img_convert/eec417a3d4d977b313558a11d3c13e43.png)
### 四、入门学习视频
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
![](https://img-blog.csdnimg.cn/img_convert/ec690501ea1dbe2cb209cbf4013c2477.png)
![](https://img-blog.csdnimg.cn/img_convert/3eaeaa6747419c9d86c72e0d10d0a6a2.png)
### 四、实战案例
光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
![](https://i-blog.csdnimg.cn/blog_migrate/16e27ee7dfd6e25a4f43c8cc6ef06aa7.png)
### 五、面试资料
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
![](https://i-blog.csdnimg.cn/blog_migrate/3443f3d934f11d6666b3767ac0897763.png)
成为一个Python程序员专家或许需要花费数年时间,但是打下坚实的基础只要几周就可以,如果你按照我提供的学习路线以及资料有意识地去实践,你就有很大可能成功!
最后祝你好运!!!
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**如果你需要这些资料,可以添加V无偿获取:hxbc188 (备注666)**
![img](https://img-blog.csdnimg.cn/img_convert/6629f63f3afe8f86ea443ec705d32c32.png)
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**
个Python程序员专家或许需要花费数年时间,但是打下坚实的基础只要几周就可以,如果你按照我提供的学习路线以及资料有意识地去实践,你就有很大可能成功!
最后祝你好运!!!
**网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。**
**如果你需要这些资料,可以添加V无偿获取:hxbc188 (备注666)**
[外链图片转存中...(img-BjSr8zSd-1713788769485)]
**一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!**