Tushare的学习总结（四）获取美股行情数据

在这篇学习日志中，我们将学习如何使用Tushare库获取美股行情数据，并进行简单的数据分析。

第一部分：初始化与数据获取

首先，我们需要初始化Tushare API，并使用us_daily接口获取美股行情数据。

import tushare as ts 
import pandas as pd 
import matplotlib.pyplot as plt 

# 初始化Tushare API 
pro = ts.pro_api() 

# 获取美股行情数据（以苹果公司AAPL为例）从2019年1月1日到2019年9月4日 
df = pro.us_daily(ts_code='AAPL', start_date='20190101', end_date='20190904')

第二部分：数据概览

让我们先来看一下获取到的美股行情数据的一些基本信息。

# 打印数据前几行 
print(df.head())

数据样例：

  ts_code trade_date close open high low pre_close pct_change vol amount vwap 
0 AAPL 20190904 209.19 208.39 209.48 207.32 205.70 1.70 19216821 4008342529.970000 208.59
 
1 AAPL 20190903 205.70 206.43 206.98 204.22 208.74 -1.46 20059575 4120106317.760000 205.39 

2 AAPL 20190830 208.74 210.16 210.45 207.20 209.01 -0.13 21162563 4410472824.780000 208.41 

3 AAPL 20190829 209.01 208.50 209.32 206.66 205.53 1.69 21007653 4380322743.230000 208.51 

4 AAPL 20190828 205.53 204.10 205.72 203.32 204.16 0.67 15957633 3269889907.950000 204.91

第三部分：数据分析

3.1 收益率曲线趋势分析

让我们通过折线图来分析美股（以苹果公司AAPL为例）的收益率曲线趋势。

# 将日期转换为日期格式 
df['trade_date'] = pd.to_datetime(df['trade_date'], format='%Y%m%d') 

# 绘制收益率曲线趋势图 
plt.figure(figsize=(12, 6)) 
plt.plot(df['trade_date'], df['close'], label='收盘价') 
plt.plot(df['trade_date'], df['open'], label='开盘价') 
plt.plot(df['trade_date'], df['high'], label='最高价') 
plt.plot(df['trade_date'], df['low'], label='最低价') 
plt.title('美股行情收益率曲线趋势分析（AAPL）') 
plt.xlabel('日期') 
plt.ylabel('价格') 
plt.legend() 
plt.grid(True) 
plt.show()

3.2 成交量分析

我们也可以分析成交量的变化。

# 绘制成交量柱状图 
plt.figure(figsize=(12, 6)) 
plt.bar(df['trade_date'], df['vol'], color='blue', label='成交量') 
plt.title('美股行情成交量分析（AAPL）') 
plt.xlabel('日期') 
plt.ylabel('成交量') 
plt.legend() 
plt.grid(True) 

plt.show()

第四部分：总结

通过以上分析，我们可以清晰地看到苹果公司（AAPL）在2019年1月1日到2019年9月4日的收益率曲线趋势以及成交量的变化情况。