通过 BAOSTOCK 下载数据开始神经网络算法学习 一

不得不说，这种票的数据是最典型的神经网络计算素材，从网上下了个例程，踩了无数坑，终于可以下载数据了。

内容还是基于前人的：github 如何用深度强化学习自动炒股.

环境：WIN10 , VS2019 :这个是新手开始的最佳环境，做的比pycharm好太多了。

踩坑笔记

1. 用CMD命令安装各种库，不足，不能直接复制命令，要一个个打字，最多打个开头用TAB补全名子。
2. 转用VS CODE开发 ，优点是shell 比CMD好用，可以复制命令: pip install XXX 来安装各种库了，特别三方资源的长路径。
3. 后来发现了pycharm, 要序列号，得破解，好处是可以直接将requrimet.txt 直接撸到文档目录了。pycharm环境配置比较麻烦，各个三个库之间依赖较重，
4. 运行下载baostock数据，发现总卡在600084这个ST股上，感觉可能与第三方库有关，搞不了。

  最后红烧吧，上vs2019 ,微软件程序员给你做了。

  最终选择了win10 下用VISUAL STUDIO 2019,直接在微软上下载就可以，python3.7.

直接在工程上左键，根据需求txt文件安装环境，一键安装所有的三方引用包，省力又省心。相比于作者在2016年祖传的GITHUB的代码，作了以下修订：

1. 原来引用的库个别较老，适用性不强，修改了requirement.txt

2.修改了部分代码忽略现在的一些警告。

全部带环境带数据的内容比较大，需要的我上传百度云。

这里直接分享全部python程序：https://download.csdn.net/download/fcgmqty/18451776https://download.csdn.net/download/fcgmqty/18451776   2021-5-7 刚上传 新鲜着呢

生成根据训练库得到的结果：按模拟训练的机器操作600036赚最高了400多。

在想运行哪个*.py ,直接右键，运行xxx就可以  , BAOSTOCK关键代码：

OUTPUT = './stockdata'


def mkdir(directory):
    if not os.path.exists(directory):
        os.makedirs(directory)


class Downloader(object):
    def __init__(self,
                 output_dir,
                 date_start='1990-01-01',
                 date_end='2020-03-23'):
        self._bs = bs
        bs.login()
        self.date_start = date_start
        # self.date_end = datetime.datetime.now().strftime("%Y-%m-%d")
        self.date_end = date_end
        self.output_dir = output_dir
        self.fields = "date,code,open,high,low,close,volume,amount," \
                      "adjustflag,turn,tradestatus,pctChg,peTTM," \
                      "pbMRQ,psTTM,pcfNcfTTM,isST"

    def exit(self):
        bs.logout()

    def get_codes_by_date(self, date):
        print(date)
        stock_rs = bs.query_all_stock(date)
        stock_df = stock_rs.get_data()
        print(stock_df)
        return stock_df

    def run(self):
        stock_df = self.get_codes_by_date(self.date_end)
        for index, row in stock_df.iterrows():
            try:
                print(f'processing {row["code"]} {row["code_name"]}')
                df_code = bs.query_history_k_data_plus(row["code"], self.fields,
                                                   start_date=self.date_start,
                                                   end_date=self.date_end).get_data()
                df_code.to_csv(f'{self.output_dir}/{row["code"]}.{row["code_name"]}.csv', index=False)
            except:
                print(f'processing {row["code"]} {row["code_name"]}'+'出错')

        self.exit()


if __name__ == '__main__':
    # 获取全部股票的日K线数据
    mkdir('./stockdata/train')
    downloader = Downloader('./stockdata/train', date_start='1990-01-01', date_end='2019-11-29')
    downloader.run()

    mkdir('./stockdata/test')
    downloader = Downloader('./stockdata/test', date_start='2019-12-01', date_end='2019-12-31')
    downloader.run()