Python 与金融科技6｜上证50的收盘价汇总

上一期中，我们批量获取了上证50全部股票的交易数据，并将每支股票的交易数据以CSV的格式保存到本地。这一期中，我们将把五十支股票的复权收盘价汇总为一个文件，并将其保存到本地。

前言

在这个系列中，我们将共同学习如何借助Python这个强大的工具处理金融数据。在正式开始这个系列的学习之前，需要您具有Python编程的基础知识，至少需要将Python安装好。如果暂时还不满足这一要求的，建议先关注公众号 IT信息教室，学习 Python入门教程。

内容首发于微信公众号IT信息教室，如果您想学习更多AI相关的技能，欢迎搜索关注或微信扫描下方二维码关注～～

收盘数据的汇总

目前我们获取到每一支股票的交易数据中包含 开盘价 Open，收盘价 Close，最高价 High，最低价 Low，交易量 Volume 和复权收盘价 Adj Close。这一期我们重点关注复权收盘价，并将五十支股票的复权收盘价汇总到同一个文档中。

类似的的，我们使用函数 compileData 来实现本期的功能：

def compileData():
    with open ('SS50tickers.pickle', 'rb') as f:
        tickers = pickle.load(f)

首先获取上证50所有的股票代码供后续使用。获取的方式与之前相同：

使用文件操作 open 设置为读取模式 ‘rb’，然后使用 load 方法读取 pickle 格式文件中的内容。

因为要将所有的复权收盘价存放到一个文件中，所以首先需要创建一个 data frame 格式的变量用于存放数据。

使用 pandas 中的 DataFrame 方法可以创建一个空的 data frame 格式的变量。

因此，首先需要导入 pandas 这个工具包：

import pandas as pd

然后在函数中使用 pd.DataFrame() 方法创建一个新的变量：

mainDataFrame = pd.DataFrame()

接下来通过一个循环语句，按照保存的文件名，分别读取每支股票的数据文件：

for ticker in tickers:
    dataFrame = pd.read_csv('stockDataFrames/{}.csv'.format(ticker))

然后对每支股票的数据进行预处理。首先设置索引方式为按照时间列 ‘Date’ 索引：

dataFrame.set_index('Date', inplace = True)

因为我们只汇总复权成交价，也就是 ‘Adj Close’ 这一列的数据，因此，我们只保存这一列的数据，并以当前股票的名称来命名这一列。

使用 rename() 这个方法重命名列名称，另外使用 drop() 这个方法删除其它几列。

dataFrame.rename(columns = {
   'Adj Close': ticker}, inplace = True)
dataFrame.drop(['Open', 'Close', 'High', 'Low', 'Volume'], 1, inplace = True