海量数据分析5

财经数据接口包（http://tushare.org/trading.html） 或 财经数据`

一、tushare的简单使用

金融数据常识：

• trade:现价
• settlement:昨日收盘价
• open：开盘价
• close：收盘价
• high：最高价
• low：最低价
• per:市盈率
• pb:市净率
• mktcap:总市值
• nmc:流通市值

---

• volume：成交量
• amount:成交金额
• price_change：价格变动
• p_change：涨跌幅
• changepercent: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
• turnoverratio:换手率

---

1、历史行情数据

1.一次性获取全部日k线数据

import tushare as ts

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

2.查看历史数据

3.综合

ts.get_hist_data('600848') #一次性获取全部日数据
ts.get_hist_data('600848',start='2015-01-05',end='2015-01-09')#获取从哪天到哪天的数据
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

2.实时行情数据

import tushare as ts

ts.get_today_all()

3.大盘指数行情列表

• preclose:昨日收盘点位
• amount:成交金额（亿元）
• volume:成交量(手)

import tushare as ts

df = ts.get_index()

4.复权数据

5.历史分笔

6.实时分笔

7.当日历史分笔

8.大盘指数行情列表

9.大单交易数据

以上没有展示的数据请见财经数据接口包（http://tushare.org/trading.html） 或 财经数据`

---

---

二、把这些数据存为文件

1.存为csv文件

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'])

2.存为Excel文件

import tushare as ts

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)

3.MySQL数据库

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')

4.Json文件

5.HDF5文件

请参考 数据存储

---

---

---