股票历史数据全市场5000多支股票上市以来至今30年的数据下载、读取、处理和保存方法演示（2）csv版

股票历史数据包含5000多支股票自1990年至今的日线数据，三种格式，sqlite数据库（推荐），csv文件，json文件

sqlite库：不复权，前复权，后复权

csv文件：不复权，前复权，后复权

json文件：不复权，前复权，后复权

复权因子：sqlite，csv，json

已全部上传至CSDN，点上面的链接自行下载，正常会每月更新一次，具体用哪种数据看你自己需求，有日线数据可以很容易组合成周线、月线

另外后续会整理1分钟线，计划每天更新一次，1分钟线可组合5分钟，15分钟，1小时等

tick级分笔数据也会考虑，视情况提供，有需要的朋友留言，请保持关注

python读取、处理和保存sqlite数据库的演示——https://blog.csdn.net/sohoqq/article/details/132534214

python读取、处理和保存csv文件的演示——https://blog.csdn.net/sohoqq/article/details/132541029

python读取、处理和保存json文件的演示——https://blog.csdn.net/sohoqq/article/details/132568589​​​​​​​

本篇演示python读取、处理和保存csv文件的方法，这里用的python3.6，其它版本大同小异，上篇演示的sqlite版和这个几乎一样，就是读取和保存的方法不一样，但是也很简单。

csv文件其实是文本文件，excel和记事本都能打开

 

import os
#要读取数据文件夹下的文件列表，所以要用到的
import pandas as pd
#pandas处理数据超级好用，不是内置的的，需要安装

filepath='E:\股票分析\csv\\'
files=os.listdir(filepath)
# for x in files:
#       print(filepath+x)

#这里就取第一个文件来演示
tablename=files[0]#该股票的表名
stockcode=files[0][0:6]#股票代码
stockmarket=files[0][6:8]#股票所在市场
stockname=files[0][8:]
stockname=stockname.replace('.csv','')#股票的名称
print(tablename,stockcode,stockmarket,stockname)
stock1=pd.read_csv(filepath+files[0])
print(stock1)
#--------------------读取数据后的处理，这里演示计算涨跌幅，这里和sqlite、json一样，
stock1['涨跌幅']=(stock1.收盘价-stock1.开盘价)/stock1.开盘价
#这就又要说pandas的方便好用了，直接整列加减乘除，放在新建的一列【涨跌幅】
#print(stock1.涨跌幅)
print(stock1)
#--------------------数据处理后保存
stock1.to_csv(filepath+files[0],index=False)
#因为是原数据上加了一列，现在覆盖到原数据上看看效果
stock1.to_csv(filepath+stockname+'.csv',index=False,columns=['日期时间','开盘价','收盘价','涨跌幅'])
#保存数据的时候有些数据不想要，可以用这个方式，创建新的csv文件，并丢掉不需要的列，columns=[]，当然也可以覆盖到原数据文件

可以看到，pandas处理csv文件某些方面比sqlite还要方便，下一篇演示json格式的股票历史数据读写

之后会补充用python制作曲线图的演示，用于股票涨跌，价格走势的查看会很直观，或者某支股票和大盘的涨跌对比

-----