tushare模块

获取历史交易数据

import tushare as ts

df = ts.get_hist_data('600848')

ts.get_hist_data('600848'，ktype='W') #获取周k线数据

ts.get_hist_data('600848'，ktype='M') #获取月k线数据

ts.get_hist_data('600848'，ktype='5') #获取5分钟k线数据

ts.get_hist_data('600848'，ktype='15') #获取15分钟k线数据

ts.get_hist_data('600848'，ktype='30') #获取30分钟k线数据

ts.get_hist_data('600848'，ktype='60') #获取60分钟k线数据

ts.get_hist_data('sh'）#获取上证指数k线数据，其它参数与个股一致，下同

ts.get_hist_data('sz'）#获取深圳成指k线数据 ts.get_hist_data('hs300'）#获取沪深300指数k线数据

ts.get_hist_data('sz50'）#获取上证50指数k线数据

ts.get_hist_data('zxb'）#获取中小板指数k线数据

ts.get_hist_data('cyb'）#获取创业板指数k线数据

 

获取历史分笔数据

df = ts.get_tick_data('000756','2015-03-27')

df.head(10)

获取实时分笔数据

df = ts.get_realtime_quotes('000581') 

 

print df[['code','name','price','bid','ask','volume','amount','time']]

返回值说明：

0：name，股票名字

1：open，今日开盘价

2：pre_close，昨日收盘价

3：price，当前价格

4：high，今日最高价

5：low，今日最低价

6：bid，竞买价，即“买一”报价

7：ask，竞卖价，即“卖一”报价

8：volumn，成交量 maybe you need do volumn/100

9：amount，成交金额（元 CNY）

10：b1_v，委买一（笔数 bid volume）

11：b1_p，委买一（价格 bid price）

12：b2_v，“买二”

13：b2_p，“买二”

14：b3_v，“买三”

15：b3_p，“买三”

16：b4_v，“买四”

17：b4_p，“买四”

18：b5_v，“买五”

19：b5_p，“买五”

20：a1_v，委卖一（笔数 ask volume）

21：a1_p，委卖一（价格 ask price）

...

30：date，日期

31：time，时间

获取其他数据
股票分数数据
行业分类

ts.get_industry_classified()

概念分类，所有股票炒作概念，比如苹果、特斯拉等

ts.get_concept_classified()

地域分类

ts.get_area_classified()

中小板分类

ts.get_sme_classified()

创业板分类

ts.get_gem_classified()

风险警示板分类

ts.get_st_classified() 

沪深300成份股及权重

ts.get_hs300s()

上证50成份股

ts.get_sz50s()

基本面数据
沪深股票列表（基础数据，沪深所有股票情况）

ts.get_stock_basics()

业绩报告（主表）

#获取2014年第3季度的业绩报表数据

ts.get_report_data(2014,3)

盈利能力数据

#获取2014年第3季度的盈利能力数据

ts.get_profit_data(2014,3)

营运能力数据

#获取2014年第3季度的营运能力数据

ts.get_operation_data(2014,3)

成长能力数据

ts.get_growth_data(2014,3)

偿债能力数据

ts.get_debtpaying_data(2014,3)

现金流量数据

ts.get_cashflow_data(2014,3)

宏观经济数据

目前宏观经济数据主要包括以下方面：
金融信息数据
国民经济数据
价格指数数据
景气指数数据
对外经济贸易数据

END
数据存储
保存为csv格式

import tushare as ts

df = ts.get_hist_data('000875')#直接保存

df.to_csv('c:/day/000875.csv')#选择保存

df.to_csv('c:/day/000875.csv',columns=['open','high','low','close'])

保存为Excel格式

df = ts.get_hist_data('000875')#直接保存

df.to_excel('c:/day/000875.xlsx')#设定数据位置（从第3行，第6列开始插入数据） 

df.to_excel('c:/day/000875.xlsx', startrow=2,startcol=5)

保存为HDF5文件格式

df = ts.get_hist_data('000875')

df.to_hdf('c:/day/hdf.h5','000875') 

保存为JSON格式

df = ts.get_hist_data('000875')

df.to_json('c:/day/000875.json',orient='records')

MySQL数据库

pandas提供了将数据便捷存入关系型数据库的方法，在新版的pandas中，主要是已sqlalchemy方式与数据建立连接，支持MySQL、Postgresql、Oracle、MS SQLServer、SQLite等主流数据库。本例以MySQL数据库为代表，展示将获取到的股票数据存入数据库的方法,其他类型数据库请参考sqlalchemy官网文档的create_engine部分。

from sqlalchemy import create_engine 

import tushare as ts

df = ts.get_tick_data('600848',date='2014-12-22')

engine = create_engine('mysql://user:passwd@127.0.0.1/db_name?charset=utf8')

#存入数据库

df.to_sql('tick_data',engine)

#追加数据到现有表

#df.to_sql('tick_data',engine,if_exists='append')