python3 Baostock的使用

如果你不想注册的话，且想获取大量准确、完整的证券历史行情数据、上市公司财务数据的话，可以考虑使用Baostock库（无需注册或积分）

Baostock 是一个提供中国股票市场实时和历史数据的 Python 库，它基于 BaoStock 平台的 API 服务。通过使用 Baostock，你可以获取股票、基金、债券、期货等各类金融市场的数据，并进行相应的数据分析和处理。

以下是关于如何使用 Baostock 的一些基本步骤和示例：

1. 安装 Baostock

首先，你需要安装 Baostock 库。你可以使用 pip 来安装，但请注意，由于 Baostock 可能不是 PyPI 官方库的一部分，你可能需要从其他源安装，或者按照官方提供的安装方式进行。通常，你可以通过以下命令尝试安装

pip install baostock -i https://pypi.org/simple 

2. 初始化 Baostock

在使用 Baostock 之前，你需要进行初始化，这通常涉及导入库并设置登录信息（如果有的话）。不过，根据 Baostock 的具体版本和更新情况，初始化步骤可能会有所不同。

3. 获取数据

Baostock 提供了多种数据接口，你可以根据需要获取不同类型的数据。

#　获取历史A股K线数据：query_history_k_data_plus()
#　方法说明：通过API接口获取A股历史交易数据，可以通过参数设置获取日k线、周k线、月k线，以及5分钟、15分钟、30分钟和60分钟k线数据，适合搭配均线数据进行选股和分析。
#　
#　返回类型：pandas的DataFrame类型。
#　
#　能获取1990-12-19至当前时间的数据；
#　
#　可查询不复权、前复权、后复权数据。

import baostock as bs
import pandas as pd

#### 登陆系统 ####
lg = bs.login()
# 显示登陆返回信息
print('login respond error_code:'+lg.error_code)
print('login respond  error_msg:'+lg.error_msg)

#### 获取沪深A股历史K线数据 ####
# 详细指标参数，参见“历史行情指标参数”章节；“分钟线”参数与“日线”参数不同。“分钟线”不包含指数。
# 分钟线指标：date,time,code,open,high,low,close,volume,amount,adjustflag
# 周月线指标：date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
rs = bs.query_history_k_data_plus("sh.600000",
    "date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",
    start_date='2024-07-01', end_date='2024-12-31',
    frequency="d", adjustflag="3")
print('query_history_k_data_plus respond error_code:'+rs.error_code)
print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

#### 打印结果集 ####
data_list = []
while (rs.error_code == '0') & rs.next():
    # 获取一条记录，将记录合并在一起
    data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)

#### 结果集输出到csv文件 ####   
result.to_csv("D:\\history_A_stock_k_data.csv", index=False)
print(result)

#### 登出系统 ####
bs.logout()

示例中，query_history_k_data_plus 是用来查询股票日线数据的函数，你需要提供股票代码、查询的字段、开始日期、结束日期等参数。函数返回的结果是一个包含查询数据的对象，你可以通过循环遍历这个对象来获取所有数据，并将其转换为 Pandas DataFrame 进行后续处理。

4. 数据处理与分析

获取到数据后，你可以使用 Pandas、NumPy 等库进行数据处理和分析，比如计算技术指标、进行数据统计等。

5. 可视化

与 Tushare 类似，Baostock 获取的数据也可以很容易地与 Matplotlib、Seaborn 等可视化库结合使用，进行数据的可视化分析。