keras量化分析之路（1）--获取历史交易数据

tushare提供方法，方便获取某只股票的历史交易数据

方法名称：get_hist_data

1。获取某只股票全部交易数据

import tushare as ts

ts.get_hist_data('600848') #一次性获取全部日k线数据

输出结果：

是一个DataFrame结构的数据，index就是交易日期，也就是每个交易日
共有15列；说明如下：

date：日期 —index列
open：开盘价
high：最高价
close：收盘价
low：最低价
volume：成交量
price_change：价格变动
p_change：涨跌幅
ma5：5日均价
ma10：10日均价
ma20:20日均价
v_ma5:5日均量
v_ma10:10日均量
v_ma20:20日均量
turnover:换手率[注：指数无此项]

可以自主选择交易范围，即交易日期可以自由设置
例如这样：

df=ts.get_hist_data('601857',start='2016-06-15',end='2017-11-06')

接下来如果不想要那么多列，可以自由选择列表，即是对DataFrame数据结构的一个操作，
例如这样：

dd=df[['open','high','low','close']]

得到子项
open high low close
date
2018-04-20 42.93 43.65 41.71 41.89
2018-04-19 41.88 43.18 41.37 42.96
2018-04-18 42.82 43.24 41.00 41.89
2018-04-17 43.74 43.95 42.29 42.79
2018-04-16 42.80 44.70 42.59 43.72
2018-04-13 43.61 44.25 42.28 42.55
2018-04-12 43.72 44.65 43.38 43.61
2018-04-11 43.04 44.45 42.75 43.72
2018-04-10 41.98 43.24 41.26 43.10
2018-04-09 41.70 43.00 41.08 42.00
2018-04-04 42.52 43.47 41.69 42.48

接下来顺道说下，对交易数据的排序动作：

上面得到的dd，获取的数据顺序，从日期上来看，是倒序的，就是越晚的交易数据，越在前面
你可以换，逆序排列下：

dd1=dd .sort_index()

接下来对数据的处理有：

如：将df数据结构转换为一维数据结构：

dd2=dd1.values.flatten()

得到个格式，就是将上面排序之后的数据，从最后一个向最前一个，全部放在一维数组里面：
[ 40.2 41.99 40.2 40.85 40.35 42.22 40.25 42.08 42.52 43.47
41.69 42.48 41.7 43. 41.08 42. 41.98 43.24 41.26 43.1
43.04 44.45 42.75 43.72 43.72 44.65 43.38 43.61 43.61 44.25
42.28 42.55 42.8 44.7 42.59 43.72 43.74 43.95 42.29 42.79
42.82 43.24 41. 41.89 41.88 43.18 41.37 42.96 42.93 43.65
41.71 41.89]

这步操作实际对交易流水的行为就是：从交易开始日期到交易结束日期的数据，根据选择的特征，例如：开盘价，最高价，最低价，收盘价；四个一节段，平接在一起，存放在一个一维数组里面；

可以继续将上面的数组进行逆序，获取的结果将是从收盘当日往前推若干个日期的交易数据：

g1=dd2[::-1]

结果就是这样的：
[ 41.89 41.71 43.65 42.93 42.96 41.37 43.18 41.88 41.89 41. 43.24
42.82 42.79 42.29 43.95 43.74 43.72 42.59 44.7 42.8 42.55
42.28 44.25 43.61 43.61 43.38 44.65 43.72 43.72 42.75 44.45
43.04 43.1 41.26 43.24 41.98 42. 41.08 43. 41.7 42.48
41.69 43.47 42.52 42.08 40.25 42.22 40.35 40.85 40.2 41.99
40.2 ]