回顾:上回书说到,我们已经获取所有股票列表并写入数据库当中,我们可以循环遍历所有股票代码获取我们想得到的历史数据
获取股票历史数据
import akshare as ak
import sqlalchemy
import datetime
import pandas as pd
def create_mysql_engine():
"""
创建数据库引擎对象
:return: 新创建的数据库引擎对象
"""
# 引擎参数信息
host = '192.168.9.110'
user = 'root'
passwd = 'A_quant88'
port = '3306'
db = 'quantt'
# 创建数据库引擎对象
mysql_engine = sqlalchemy.create_engine(
'mysql+pymysql://{0}:{1}@{2}:{3}'.format(user, passwd, host, port),
poolclass=sqlalchemy.pool.NullPool
)
# 如果不存在数据库quantt则创建
mysql_engine.execute("CREATE DATABASE IF NOT EXISTS {0} ".format(db))
# 创建连接数据库db_quant的引擎对象
db_engine = sqlalchemy.create_engine(
'mysql+pymysql://{0}:{1}@{2}:{3}/{4}?charset=utf8'.format(user, passwd, host, port, db),
poolclass=sqlalchemy.pool.NullPool
)
# 返回引擎对象
return db_engine
def get_stock_codes(update=False):
"""
获取A股代码列表
若参数update为False,表示从数据库中读取股票列表
若数据库中不存在股票列表的表,或者update为True,则下载指定日期date的交易股票列表
:param update: 是否更新股票列表,默认为False
:return: A股代码的列表
"""
# 创建数据库引擎对象
engine = create_mysql_engine()
# 数据库中股票代码的表名
table_name = 'stock_codes'
# 数据库中不存在股票代码表,或者需要更新股票代码表
if table_name not in sqlalchemy.inspect(engine).get_table_names() or update:
# 查询股票数据
stock_zh_spot_df = ak.stock_zh_a_spot_em() ## 获取实时数据
stock_zh_spot_data = stock_zh_spot_df[stock_zh_spot_df['名称'] != ''] ## 去除名称为空值的数据
codes_names = stock_zh_spot_data[['代码', '名称']]
# 将股票代码写入数据库
codes_names.to_sql(name=table_name, con=engine, if_exists='replace', index=False, index_label=False)
# 返回股票列表
return codes_names['代码'].tolist()
# 从数据库中读取股票代码列表
else:
# 待执行的sql语句
sql_cmd = 'SELECT {} FROM {}'.format('代码', table_name)
# 读取sql,返回股票列表
return pd.read_sql(sql=sql_cmd, con=engine)['代码'].tolist()
def create_data(stock_codes, period = "daily",start_date = '20230227', end_date = datetime.date.today().strftime('%Y%m%d'),
adj = 'hfq'):
"""
下载指定日期内,指定股票的日线数据
:param stock_codes: 待下载数据的股票代码
:param start_date: 日线开始日期1990-12-19
:param end_date: 日线结束日期
:param adj: 默认返回不复权的数据; qfq: 返回前复权后的数据; hfq: 返回后复权后的数据
:return: None
"""
# 下载股票循环
for code in stock_codes:
print('正在下载{}...'.format(code))
# 下载日线数据
data_df = ak.stock_zh_a_hist(symbol=code, period=period, start_date=start_date, end_date=end_date,
adjust=adj) ## 日度数据,后复权
if data_df.empty:
print('--------------empty------------------' + code)
continue
print(data_df)
if __name__ == '__main__':
stock_codes = get_stock_codes()
create_data(stock_codes)
单线程保存到数据库替换函数
def create_data(stock_codes, period = "daily",start_date = '19901219', end_date = '20230228',
adj = 'hfq'):
"""
下载指定日期内,指定股票的日线数据
:param stock_codes: 待下载数据的股票代码
:param start_date: 日线开始日期1990-12-19
:param end_date: 日线结束日期
:param adj: 默认返回不复权的数据; qfq: 返回前复权后的数据; hfq: 返回后复权后的数据
:return: None
"""
# 创建数据库引擎对象
engine = create_mysql_engine()
# 下载股票循环
for index,code in enumerate(stock_codes):
print('({}/{})正在创建{}...'.format(index + 1, len(stock_codes), code))
data_df = ak.stock_zh_a_hist(symbol=code, period=period, start_date=start_date, end_date=end_date,
adjust=adj) ## 日度数据,后复权
if data_df.empty:
print('--------------empty------------------'+ code)
continue
# 删除重复数据
data_df.drop_duplicates(['日期'], inplace=True)
# 写入数据库
table_name = '{}'.format(code)
data_df.to_sql(name=table_name, con=engine, if_exists='replace', index=True, index_label='id')
print('({}/{})创建完成{}...'.format(index + 1, len(stock_codes), code))
多线程获取股票历史数据录入数据库
import akshare as ak
import sqlalchemy
import datetime
import multiprocessing
import pandas as pd
def create_mysql_engine():
"""
创建数据库引擎对象
:return: 新创建的数据库引擎对象
"""
# 引擎参数信息
host = '127.0.0.1'
user = 'root'
passwd = 'A_quant88'
port = '3306'
db = 'quantf'
# 创建数据库引擎对象
mysql_engine = sqlalchemy.create_engine(
'mysql+pymysql://{0}:{1}@{2}:{3}'.format(user, passwd, host, port),
poolclass=sqlalchemy.pool.NullPool
)
# 如果不存在数据库db_quant则创建
mysql_engine.execute("CREATE DATABASE IF NOT EXISTS {0} ".format(db))
# 创建连接数据库db_quant的引擎对象
db_engine = sqlalchemy.create_engine(
'mysql+pymysql://{0}:{1}@{2}:{3}/{4}?charset=utf8'.format(user, passwd, host, port, db),
poolclass=sqlalchemy.pool.NullPool
)
# 返回引擎对象
return db_engine
def get_stock_codes(update=False):
"""
获取指定日期的A股代码列表
若参数update为False,表示从数据库中读取股票列表
若数据库中不存在股票列表的表,或者update为True,则下载指定日期date的交易股票列表
:param update: 是否更新股票列表,默认为False
:return: A股代码的列表
"""
# 创建数据库引擎对象
engine = create_mysql_engine()
# 数据库中股票代码的表名
table_name = 'stock_codes'
# 数据库中不存在股票代码表,或者需要更新股票代码表
if table_name not in sqlalchemy.inspect(engine).get_table_names() or update:
# 查询股票数据
stock_zh_spot_df = ak.stock_zh_a_spot_em() ## 获取实时数据
stock_zh_spot_data = stock_zh_spot_df[stock_zh_spot_df['名称'] != ''] ## 去除名称为空值的数据
codes_names = stock_zh_spot_data[['代码', '名称']]
# 将股票代码写入数据库
codes_names.to_sql(name=table_name, con=engine, if_exists='replace', index=False, index_label=False)
# 返回股票列表
return codes_names['代码'].tolist()
# 从数据库中读取股票代码列表
else:
# 待执行的sql语句
sql_cmd = 'SELECT {} FROM {}'.format('代码', table_name)
# 读取sql,返回股票列表
return pd.read_sql(sql=sql_cmd, con=engine)['代码'].tolist()
def create_data(stock_codes, period = "daily",start_date = '19901219', end_date = '20230228',
adj = 'hfq'):
"""
下载指定日期内,指定股票的日线数据
:param stock_codes: 待下载数据的股票代码
:param start_date: 日线开始日期1990-12-19
:param end_date: 日线结束日期 end_date = datetime.date.today().strftime('%Y%m%d')
:param adjustflag: 复权选项 1:后复权 2:前复权 3:不复权 默认为前复权
:return: None
"""
# 创建数据库引擎对象
engine = create_mysql_engine()
# 下载股票循环
for index,code in enumerate(stock_codes):
print('({}/{})正在创建{}...'.format(index + 1, len(stock_codes), code))
data_df = ak.stock_zh_a_hist(symbol=code, period=period, start_date=start_date, end_date=end_date,
adjust=adj) ## 日度数据,后复权
if data_df.empty:
print('--------------empty------------------'+ code)
continue
# 删除重复数据
data_df.drop_duplicates(['日期'], inplace=True)
# 写入数据库
table_name = '{}'.format(code)
data_df.to_sql(name=table_name, con=engine, if_exists='replace', index=True, index_label='id')
print('({}/{})创建完成{}...'.format(index + 1, len(stock_codes), code))
'''
try:
data_df = ak.stock_zh_a_hist(symbol=code, period=period, start_date=start_date, end_date=end_date,
adjust=adj) ## 日度数据,后复权
if data_df.empty:
print('--------------empty------------------'+ code)
continue
# 删除重复数据
data_df.drop_duplicates(['日期'], inplace=True)
# 写入数据库
table_name = '{}'.format(code)
data_df.to_sql(name=table_name, con=engine, if_exists='replace', index=True, index_label='id')
print('({}/{})创建完成{}...'.format(index + 1, len(stock_codes), code))
except Exception as e:
print(e)'''
def get_code_group(process_num, stock_codes):
"""
获取代码分组,用于多进程计算,每个进程处理一组股票
:param process_num: 进程数
:param stock_codes: 待处理的股票代码
:return: 分组后的股票代码列表,列表的每个元素为一组股票代码的列表
"""
# 创建空的分组
code_group = [[] for i in range(process_num)]
# 按余数为每个分组分配股票
for index, code in enumerate(stock_codes):
code_group[index % process_num].append(code)
return code_group
def multiprocessing_func(func, args):
"""
多进程调用函数
:param func: 函数名
:param args: func的参数,类型为元组,第0个元素为进程数,第1个元素为股票代码列表
:return: 包含各子进程返回对象的列表
"""
# 用于保存各子进程返回对象的列表
results = []
# 创建进程池
with multiprocessing.Pool(processes=args[0]) as pool:
# 多进程异步计算
for codes in get_code_group(args[0], args[1]):
results.append(pool.apply_async(func, args=(codes, *args[2:],)))
# 阻止后续任务提交到进程池
pool.close()
# 等待所有进程结束
pool.join()
return results
def create_data_mp(stock_codes, process_num=4,
period = "daily",start_date = '19901219', end_date = '20230228', adj='hfq'):
"""
使用多进程创建指定日期内,指定股票的日线数据,计算扩展因子
:param stock_codes: 待创建数据的股票代码
:param process_num: 进程数
:param from_date: 日线开始日期
:param to_date: 日线结束日期
:param adjustflag: 复权选项 1:后复权 2:前复权 3:不复权 默认为前复权
:return: None
"""
multiprocessing_func(create_data, (process_num, stock_codes, period,start_date, end_date, adj))
if __name__ == '__main__':
stock_codes = get_stock_codes()
create_data_mp(stock_codes)
# print(stock_codes)
注:实际获取建议:将stock_codes分拆放到多个数据库,通过代码多次下载后合并或分库使用
delete from quantc.stock_codes where 代码 IN (select 代码 from quant.stock_codes union all select 代码 from quanta.stock_codes union all select 代码 from quantb.stock_codes);
delete from quantd.stock_codes where 代码 IN (select 代码 from quant.stock_codes union all select 代码 from quanta.stock_codes union all select 代码 from quantb.stock_codes union all select 代码 from quantc.stock_codes);
delete from quante.stock_codes where 代码 IN (select 代码 from quant.stock_codes union all select 代码 from quanta.stock_codes union all select 代码 from quantb.stock_codes union all select 代码 from quantc.stock_codes union all select 代码 from quantd.stock_codes);
delete from quantf.stock_codes where 代码 IN (select 代码 from quant.stock_codes union all select 代码 from quanta.stock_codes union all select 代码 from quantb.stock_codes union all select 代码 from quantc.stock_codes union all select 代码 from quantd.stock_codes union all select 代码 from quante.stock_codes);