沪深300股票聚类可视化案例||tushare完整可运行代码逐行解释

上篇文章：《可视化股票市场结构||沪深300股票聚类可视化》逐行代码解释了sklearn中的一个案例：可视化股票市场结构。案例中采用的数据是美股。这篇文章将其移植到A股市场，看看我们的沪深300股票市场结构如何。采用的分类及可视化手段与sklearn案例完全一样。

• 沪深300

沪深300指数¹是由上海和深圳证券市场中选取市值大、流动性好的300支A股作为样本编制而成的成份股指数。沪深300指数样本覆盖了沪深市场六成左右的市值，具有良好的市场代表性。由中证指数有限公司²编制负责。

可以通过tushare获取：

1. 首先获取沪深300成分列表

2. 再获取个股历史纪录，只保留时间、开盘价、收盘价，截取2017年到2019年间数据

import numpy as np
import matplotlib.pyplot as plt
import tushare as ts
hs_datas = ts.get_hs300s()
symbols_name = np.array(hs_datas['name'])
symbols_code = np.array(hs_datas['code'])
quotes = []
for index, code in enumerate(symbols_code):
    stock_data = ts.get_hist_data(code, start='2017-01-01', end='2019-01-01')
    stock_data.sort_values(by=['date'], inplace=True)
    stock_data.reset_index(inplace=True)
    stock_data = stock_data[['date', 'open', 'close']]
    quotes.append(stock_data)
    row_now = hs_datas[hs_datas['code'] == code]
    name = row_now.iloc[0]['name']
    print('已获取第', index + 1, '只股：', code, name, '2017-01-01 到 2019-01-01的历史数据&