tushare基础

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/zyaiwmy/article/details/70241624

一.tushare简介

tushare是一个免费,开源的python财经数据接口包.主要实现对股票等金融数据从数据采集清洗加工数据存储的过程,能够为金融分析人员提供快速、整洁、和多样的便于分析的数据,为他们在数据获取方面极大地减轻工作量,使他们更加专注于策略和模型的研究与实现上。考虑到Pythonpandas包在金融量化分析中体现出的优势,TuShare返回的绝大部分的数据格式都是pandasDataFrame类型,非常便于用pandas/NumPy/Matplotlib进行数据分析和可视化。当然,如果您习惯了用Excel或者关系型数据库做分析,您也可以通过TuShare的数据存储功能,将数据全部保存到本地后进行分析。

tushare官网: http://tushare.waditu.com/

二.tushare依赖环境安装

sudo pip install pandas

sudo pip install tushare --upgrade

sudo pip install matplotlib


三.tushare基础功能测试

1.获取当前上映电影排行

>>>import tushare as ts

>>>df = ts.realtime_boxoffice()

>>> print(df)
   BoxOffice Irank  MovieName boxPer movieDay sumBoxOffice  \
0    3084.86     1     速度与激情8  85.43        6    164407.29   
1     285.19     2  大话西游之大圣娶亲   7.90        7     14171.68   
2      44.09     3      攻壳机动队   1.22       13     19823.22   
3      42.59     4     金刚:骷髅岛   1.18       27    115670.19   
4      40.61     5      指甲刀人魔   1.12        6       417.69   
5      34.21     6    嫌疑人X的献身   0.95       20     39946.08   
6      12.34     7       非凡任务   0.34       20     15580.31   
7       9.70     8      爱情冻住了   0.27        6        51.44   
8       7.33     9       一念无明   0.20       13       852.84   
9       5.42    10  怨灵宿舍之人偶老师   0.15        6        60.21   
10     44.75    11         其它   1.00        0         0.00   

                   time  
0   2017-04-19 13:38:54  
1   2017-04-19 13:38:54  
2   2017-04-19 13:38:54  
3   2017-04-19 13:38:54  
4   2017-04-19 13:38:54  
5   2017-04-19 13:38:54  
6   2017-04-19 13:38:54  
7   2017-04-19 13:38:54  
8   2017-04-19 13:38:54  
9   2017-04-19 13:38:54  
10  2017-04-19 13:38:54 

>>> dd = ts.day_cinema()
[Getting data:]##########>>> dd.head(10)
  Attendance AvgPeople        CinemaName RowNum TodayAudienceCount   TodayBox  \
0  42.835693     73.15         广州万达影城白云店      1               3804  256927.41   
1  31.402390     55.37      广州飞扬影城(正佳分店)      2               3267  204949.84   
2  38.515005     67.29      北京UME国际影城双井店      3               3768  187610.65   
3  33.904140     54.52   深圳卢米埃华北九方IMAX影城      4               3053  181245.99   
4  29.611678     46.59          深圳橙天嘉禾影城      5               3401  177377.51   
5  28.176253     37.68           首都华融电影院      6               2788  175088.73   
6  30.507503     61.93       北京UME华星国际影城      7               2663  173514.41   
7  28.851222     50.30  上海百丽宫影城(环贸iapm店)      8               1861  172371.61   
8  46.609085     72.85      中影国际影城珠海华发2店      9               4371  165827.00   
9  27.686567     46.38          兰州城关万达影城     10               2597  165515.46   

  TodayShowCount  price  
0             52  67.54  
1             59  62.73  
2             56  49.79  
3             56  59.37  
4             73  52.15  
5             74  62.80  
6             43  65.16  
7             37  92.62  
8             60  37.94  
9             56  63.73 


2.获得股票历史数据

>>> wd = ts.get_hist_data('603189')
>>> wd
             open   high  close    low     volume  price_change  p_change  \
date                                                                        
2017-04-18  25.88  26.49  25.57  25.51   13207.93         -0.31     -1.20   
2017-04-17  26.51  26.52  25.88  25.00   22645.00         -1.36     -4.99   
2017-04-14  27.71  27.88  27.24  27.10   10853.77         -0.48     -1.73   
2017-04-13  27.33  28.12  27.72  27.32   13186.33          0.21      0.76   
2017-04-12  28.20  28.20  27.51  27.45   16166.18         -0.63     -2.24   
2017-04-11  27.00  28.20  28.14  26.90   26185.44          0.67      2.44   
2017-04-10  30.00  30.00  27.47  27.38   43242.78         -2.75     -9.10   
2017-04-07  31.05  31.05  30.22  30.20   17423.72         -0.74     -2.39   
2017-04-06  30.70  31.47  30.96  30.45   21612.98          0.35      1.14   
2017-04-05  29.92  30.75  30.61  29.87   20281.81          0.74      2.48   
2017-03-31  30.30  30.69  29.87  29.46   23217.96         -0.12     -0.40   
2017-03-30  31.28  31.28  29.99  29.88   38244.38         -1.48     -4.70   
2017-03-29  34.25  34.56  31.47  31.32   60544.07         -3.14     -9.07   
2017-03-28  34.68  35.07  34.61  34.19   26849.00         -0.01     -0.03   
2017-03-27  35.50  35.53  34.62  34.20   33922.15         -0.67     -1.90   
2017-03-24  34.93  35.77  35.29  34.92   34093.48          0.10      0.28   
2017-03-23  35.73  35.85  35.19  34.87   48042.30         -0.54     -1.51   
2017-03-22  35.60  35.85  35.73  34.81   52934.01         -0.22     -0.61   
2017-03-21  36.35  36.36  35.95  35.58   57436.07         -0.36     -0.99   
2017-03-20  34.02  36.70  36.31  34.02   89782.92          2.30      6.76   
2017-03-17  35.30  35.74  34.01  33.96   55994.45         -1.29     -3.65   
2017-03-16  34.89  35.95  35.30  34.89   63739.58          0.39      1.12   
2017-03-15  35.68  35.82  34.91  34.75   67849.37         -1.15     -3.19   
2017-03-14  36.50  37.03  36.06  36.00   86213.58         -0.92     -2.49   
2017-03-13  36.12  37.45  36.98  35.15  123223.48          0.37      1.01   
2017-03-10  35.02  37.70  36.61  35.00  176359.47          2.25      6.55   
2017-03-09  31.30  34.36  34.36  31.30  109867.26          3.12      9.99   
2017-03-08  31.45  31.60  31.24  31.00   30298.17         -0.35     -1.11   
2017-03-07  31.20  31.66  31.59  30.81   41062.97          0.49      1.58   
2017-03-06  30.20  31.23  31.10  30.20   30952.68          0.92      3.05   

               ma5    ma10    ma20      v_ma5     v_ma10     v_ma20  
date                                                                 
2017-04-18  26.784  28.132  31.018   15211.84   20480.59   33493.61  
2017-04-17  27.298  28.562  31.440   17807.34   21481.60   35632.94  
2017-04-14  27.616  28.973  31.911   21926.90   23041.54   37687.67  
2017-04-13  28.212  29.396  32.294   23240.89   28010.56   40537.45  
2017-04-12  28.860  30.085  32.711   24926.22   29376.83   44188.81  
2017-04-11  29.480  30.796  33.185   25749.35   31152.43   49541.68  
2017-04-10  29.826  31.511  33.608   25155.85   31943.23   57050.38  
2017-04-07  30.330  32.283  33.953   24156.17   32423.19   60381.60  
2017-04-06  30.580  32.834  34.004   32780.24   35974.21   61025.32  
2017-04-05  31.310  33.333  34.035   33827.44   39556.52   61997.82  
2017-03-31  32.112  33.903  34.060   36555.51   46506.63   62531.37  
2017-03-30  33.196  34.317  34.075   38730.62   49784.28   62344.33  
2017-03-29  34.236  34.848  34.102   40690.20   52333.80   61543.64  
2017-03-28  35.088  35.192  34.070   39168.19   53064.33   59662.65  
2017-03-27  35.356  35.337  33.897   45285.60   59000.79   59400.45  
2017-03-24  35.694  35.573  33.700   56457.76   67930.92   58913.86  
2017-03-23  35.438  35.705  33.488   60837.95   82157.52   58757.67  
2017-03-22  35.460  35.622  33.242   63977.41   88340.02   57718.66  
2017-03-21  35.296  35.173  32.979   66960.48   86076.44   56689.90  
2017-03-20  35.318  34.737  32.741   72715.98   84439.13   54992.35  
2017-03-17  35.452  34.216  32.473   79404.09   78556.10   51973.71  
2017-03-16  35.972  33.833  32.301  103477.10   74904.39   50391.57  
2017-03-15  35.784  33.356  32.062  112702.63   70753.48   48208.76  
2017-03-14  35.050  32.947  31.859  105192.39   66260.98   46612.00  
2017-03-13  34.156  32.457  31.597   96162.27   59800.10   43209.39  
2017-03-10  32.980  31.827  31.288   77708.11   49896.79   38167.44  
2017-03-09  31.694  31.271  30.969   46331.68   35357.81   30466.13  
2017-03-08  30.928  30.862  30.797   28804.32   27097.29   26486.42  
2017-03-07  30.844  30.784  30.773   27329.56   27303.36   26268.52  
2017-03-06  30.758  30.745  30.698   23437.93   25545.57   25403.08  
...            ...     ...     ...        ...        ...        ... 


3.股票当前的数据

>>> wd = ts.get_realtime_quotes('603189')
>>> wd
   name    open pre_close   price    high     low     bid     ask   volume  \
0  网达软件  25.150    25.570  25.830  25.990  25.110  25.830  25.850  1157563   

         amount   ...      a2_p a3_v    a3_p a4_v    a4_p a5_v    a5_p  \
0  29538933.000   ...    25.860   15  25.870    5  25.880   20  25.890   

         date      time    code  
0  2017-04-19  13:55:39  603189  

[1 rows x 33 columns]


4.生成图表

>>> import pandas as pd
>>> import matplotlib
>>> fig = matplotlib.pyplot.gc
matplotlib.pyplot.gca(  matplotlib.pyplot.gcf(  matplotlib.pyplot.gci(  
>>> fig = matplotlib.pyplot.gcf()
>>> df.plot()
<matplotlib.axes._subplots.AxesSubplot object at 0x7fe85be0f5d0>
>>> fig.savefig('/home/zy***/test.png')



图表数据比较乱,以上代码均在命令行测试完成,以后再研究具体的程序玩玩.

展开阅读全文

没有更多推荐了,返回首页