基于Python获取股票分析，数据分析实战_python股票分析快速接口(2)

2401_84538544

于 2024-05-06 22:30:15 发布

阅读量889

点赞数 10

分类专栏：程序员文章标签： python 数据分析开发语言

本文链接：https://blog.csdn.net/2401_84538544/article/details/138510728

版权

程序员专栏收录该内容

213 篇文章 0 订阅

订阅专栏

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！

        #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.setCodebyOld()
                        
        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.his_dat


本接口只能获取近3年的日线数据，适合搭配均线数据进行选股和分析。


输入参数说明：


|股票代码|开始日期|结束日期|数据类型|




| 老版本关键字 | 新版本关键字（pro） | 说明 |
| --- | --- | --- |
| code | ts\_code | 股票代码 |
|  | trade\_date | 交易日期 |
| start | start\_date | 开始日期，格式YYYY-MM-DD/新版本YYYYMMDD |
| end | end\_date | 结束日期，格式YYYY-MM-DD/新版本YYYYMMDD |
| ktype |  | 数据类型 |
| retry\_count |  | 当网络异常后重试次数，默认为3 |
| pause |  | 重试时停顿秒数，默认为0 |


老版本中：


1.股票代码，即6位数字代码，或者指数代码（sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板）


2.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


返回值说明：




| 老版本关键字 | 新版本关键字（pro） | 说明 |
| --- | --- | --- |
|  | ts\_code | 股票代码 |
| 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

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()
```

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，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。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

在这里插入图片描述

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

在这里插入图片描述

（3）100多个练手项目

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，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

在这里插入图片描述

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_84538544

关注

10
点赞
踩
23

收藏

觉得还不错? 一键收藏
0
评论
基于Python获取股票分析，数据分析实战_python股票分析快速接口(2)

筛选列#获取沪深指数else:#旧接口，不用注册#筛选列#美股指数#获取分钟级别数据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注：输入freq为字符型数字，1/5/15/30/602.5. 获取股票基本信息#获取股票基本面信息else:2.6. 获取复权数据。
复制链接

扫一扫