2024年最全如何用 python 获取实时的股票数据？_efinance python，2024年最新binder面试题

最新推荐文章于 2024-07-19 16:36:18 发布

2401_84139192

最新推荐文章于 2024-07-19 16:36:18 发布

阅读量775

点赞数 16

分类专栏：程序员文章标签： python binder 开发语言

本文链接：https://blog.csdn.net/2401_84139192/article/details/138447784

版权

程序员专栏收录该内容

146 篇文章 0 订阅

订阅专栏

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。

分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习

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。

需要这份系统化学习资料的朋友，可以戳这里获取

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！

将数据存储到 csv 文件中

df.to_csv(f’{stock_code}.csv’, encoding=‘utf-8-sig’, index=None)
print(f’股票: {stock_code} 的行情数据已存储到文件: {stock_code}.csv 中！')


根据股票名称获取最新第一个交易日的分钟数据（支持A股、美股、港股）

导入 efinance 如果没有安装则需要通过执行命令: pip install efinance 来安装

import efinance as ef

股票名称

stock_code = ‘微软’

数据间隔时间为 1 分钟

freq = 1

获取最新一个交易日的分钟级别股票行情数据

df = ef.stock.get_quote_history(stock_code, klt=freq)

将数据存储到 csv 文件中

df.to_csv(f’{stock_code}.csv’, encoding=‘utf-8-sig’, index=None)
print(f’股票: {stock_code} 的行情数据已存储到文件: {stock_code}.csv 中！')


每间隔 1 分钟获取一次单只股票分钟行情数据

导入 efinance 如果没有安装则需要通过执行命令: pip install efinance 来安装

import efinance as ef
import time
from datetime import datetime

股票代码

stock_code = ‘600519’

数据间隔时间为 1 分钟

freq = 1
status = {stock_code: 0}
while 1:
# 获取最新一个交易日的分钟级别股票行情数据
df = ef.stock.get_quote_history(
stock_code, klt=freq)
# 现在的时间
now = str(datetime.today()).split(‘.’)[0]
# 将数据存储到 csv 文件中
df.to_csv(f’{stock_code}.csv’, encoding=‘utf-8-sig’, index=None)
print(f’已在 {now}, 将股票: {stock_code} 的行情数据存储到文件: {stock_code}.csv 中！‘)
if len(df) == status[stock_code]:
print(f’{stock_code} 已收盘’)
break
status[stock_code] = len(df)
print(‘暂停 60 秒’)
time.sleep(60)
print(‘-’*10)

print(‘全部股票已收盘’)


每间隔 1 分钟获取一次多只股票分钟行情数据# 导入 efinance 如果没有安装则需要通过执行命令: pip

install efinance 来安装
import efinance as ef
import time
from datetime import datetime

股票代码或者名称列表

stock_codes = [‘600519’, ‘腾讯’, ‘AAPL’]

数据间隔时间为 1 分钟

freq = 1
status = {stock_code: 0 for stock_code in stock_codes}
while len(stock_codes) != 0:
for stock_code in stock_codes.copy():
# 现在的时间
now = str(datetime.today()).split(‘.’)[0]
# 获取最新一个交易日的分钟级别股票行情数据
df = ef.stock.get_quote_history(stock_code, klt=freq)
# 将数据存储到 csv 文件中
df.to_csv(f’{stock_code}.csv’, encoding=‘utf-8-sig’, index=None)
print(f’已在 {now}, 将股票: {stock_code} 的行情数据存储到文件: {stock_code}.csv 中！‘)
if len(df) == status[stock_code]:
# 移除已经收盘的股票代码
stock_codes.remove(stock_code)
print(f’股票 {stock_code} 已收盘！’)
status[stock_code] = len(df)
if len(stock_codes) != 0:
print(‘暂停 60 秒’)
time.sleep(60)
print(‘-’*10)

print(‘全部股票已收盘’)


每间隔 1 分钟获取一次多只股票分钟行情数据(高速版)# 导入 efinance 如果没有安装则需要通过执行

命令: pip install efinance 来安装
from typing import Dict
import efinance as ef
import pandas as pd
import time
from datetime import datetime

股票代码或者名称列表

stock_codes = [‘600519’, ‘腾讯’, ‘AAPL’]

数据间隔时间为 1 分钟

freq = 1
status = {stock_code: 0 for stock_code in stock_codes}
while len(stock_codes) != 0:
# 获取最新一个交易日的分钟级别股票行情数据
stocks_df: Dict[str, pd.DataFrame] = ef.stock.get_quote_history(
stock_codes, klt=freq)
for stock_code, df in stocks_df.items():
# 现在的时间
now = str(datetime.today()).split(‘.’)[0]
# 将数据存储到 csv 文件中
df.to_csv(f’{stock_code}.csv’, encoding=‘utf-8-sig’, index=None)
print(f’已在 {now}, 将股票: {stock_code} 的行情数据存储到文件: {stock_code}.csv 中！‘)
if len(df) == status[stock_code]:
# 移除已经收盘的股票代码
stock_codes.remove(stock_code)
print(f’股票 {stock_code} 已收盘！’)
status[stock_code] = len(df)
if len(stock_codes) != 0:
print(‘暂停 60 秒’)
time.sleep(60)
print(‘-’*10)

print(‘全部股票已收盘’)


**以上演示了如何使用我开发的 python 库来获取最新一个交易日内股票的分钟级股票数据**


下面是更加底层的版本（功能比较少，仅支持 A 股）


## 一般版


### 获取当日分钟线数据

from urllib.parse import urlencode
import pandas as pd
import requests
def gen_eastmoney_code(rawcode: str) -> str:
‘’’
生成东方财富专用的secid

Parameters
----------
rawcode ： 6 位股票代码
Parameters
----------
str : 按东方财富格式生成的字符串 
'''
if rawcode[0] != '6':
    return f'0.{rawcode}'
return f'1.{rawcode}'

def get_k_history(code: str, beg: str = ‘16000101’, end: str = ‘20500101’, klt: int = 1, fqt: int = 1) -> pd.DataFrame:
‘’’
功能获取k线数据
Parameters
----------
code : 6 位股票代码
beg: 开始日期例如 20200101
end: 结束日期例如 20200201
klt: k线间距默认为 101 即日k
klt:1 1 分钟
klt:5 5 分钟
klt:101 日
klt:102 周
fqt: 复权方式
不复权 : 0
前复权 : 1
后复权 : 2
Return
------
DateFrame : 包含股票k线数据
‘’’
EastmoneyKlines = {
‘f51’: ‘时间’,
‘f52’: ‘开盘’,
‘f53’: ‘收盘’,
‘f54’: ‘最高’,
‘f55’: ‘最低’,
‘f56’: ‘成交量’,
‘f57’: ‘成交额’,
‘f58’: ‘振幅’,
‘f59’: ‘涨跌幅’,
‘f60’: ‘涨跌额’,
‘f61’: ‘换手率’,
}
EastmoneyHeaders = {

    'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; Trident/7.0; Touch; rv:11.0) like Gecko',
    'Accept': '*/*',
    'Accept-Language': 'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
    'Referer': 'http://quote.eastmoney.com/center/gridlist.html',
}
fields = list(EastmoneyKlines.keys())
columns = list(EastmoneyKlines.values())
fields2 = ",".join(fields)
secid = gen_eastmoney_code(code)
params = (
    ('fields1', 'f1,f2,f3,f4,f5,f6,f7,f8,f9,f10,f11,f12,f13'),
    ('fields2', fields2),
    ('beg', beg),
    ('end', end),
    ('rtntype', '6'),
    ('secid', secid),
    ('klt', f'{klt}'),
    ('fqt', f'{fqt}'),
)
base_url = 'https://push2his.eastmoney.com/api/qt/stock/kline/get'
url = base_url+'?'+urlencode(params)
json_response = requests.get(
    url, headers=EastmoneyHeaders).json()
data = json_response['data']
# code = data['code']
# 股票名称
# name = data['name']
klines = data['klines']
rows = []
for _kline in klines:
    kline = _kline.split(',')
    rows.append(kline)
df = pd.DataFrame(rows, columns=columns)
return df

if name == “main”:
# 股票代码
code = ‘600519’
# 根据股票代码、开始日期、结束日期获取指定股票代码指定日期区间的k线数据
df = get_k_history(code)
# 保存k线数据到表格里面
df.to_csv(f’{code}.csv’, encoding=‘utf-8-sig’, index=None)
print(f’股票代码：{code} 的 k线数据已保存到代码目录下的 {code}.csv 文件中’)


获取当日分钟线数据（每分钟运行一次,直到收盘）from urllib.parse import urlencode

import pandas as pd
import requests
import time
def gen_eastmoney_code(rawcode: str) -> str:
‘’’
生成东方财富专用的secid
Parameters
----------
rawcode ： 6 位股票代码
Parameters
----------
str : 按东方财富格式生成的字符串
‘’’
if rawcode[0] != ‘6’:
return f’0.{rawcode}’
return f’1.{rawcode}’
def get_k_history(code: str, beg: str = ‘16000101’, end: str = ‘20500101’, klt: int = 1, fqt: int = 1) -> pd.DataFrame:
‘’’
功能获取k线数据
Parameters
----------
code : 6 位股票代码
beg: 开始日期例如 20200101
end: 结束日期例如 20200201
klt: k线间距默认为 101 即日k
klt:1 1 分钟
klt:5 5 分钟
klt:101 日
klt:102 周
fqt: 复权方式
不复权 : 0
前复权 : 1
后复权 : 2
Return
------
DateFrame : 包含股票k线数据
‘’’
EastmoneyKlines = {
‘f51’: ‘时间’,
‘f52’: ‘开盘’,
‘f53’: ‘收盘’,

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

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。

二、学习软件

工欲善其事必先利其器。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。

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。

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。

五、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。

六、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。

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。

需要这份系统化学习资料的朋友，可以戳这里获取

2401_84139192

关注

16
点赞
踩
22

收藏

觉得还不错? 一键收藏
0
评论
2024年最全如何用 python 获取实时的股票数据？_efinance python，2024年最新binder面试题

现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习。
复制链接

扫一扫