基于创建的mogodb数据库,用python分析股票的跳空缺口

简介: 基于创建的mogodb数据库,用python分析股票的跳空缺口
import pymongo
import os
import pandas as pd
import numpy as np
#读取股票代码
stock_name=[]
path1='C:/new_tdx/vipdoc/sh/pythondata'
path2='C:/new_tdx/vipdoc/sz/pythondata'
name1=os.listdir(path1)
name2=os.listdir(path2)
for i in name1:
    stock_name.append(i[2:-4])
for i in name2:
    stock_name.append(i[2:-4])
print(stock_name)
#链接数据库,获取股票数据
client=pymongo.MongoClient()
conn=client.db
#获取一只
"""
for itme in conn[stock_name[0]].find() :
    print (itme)
"""
#获取股票的交易日期
result_set=set()
for stock in stock_name[:100]:
    date_list=[]
    for item in conn[stock].find():
        date_list.append(item['date '])
    result_set=result_set|set(date_list)
result_date=list(result_set)
result_date.sort()
#获取股票数据,并分析是否形成突破缺口
tiaokong_result={}
for date in result_date[1:]:
    date_tiaokong_up=[]
    date_tiaokong_down=[]
    for stock in stock_name:
        date_list=[]
        for item in conn[stock_name[0]].find():
            date_list.append(item['date '])
        if date in date_list:
            #获取当天的高开低收数据
            data=conn[stock].find_one({'date ':date})
            stock_open=data['open']   
            stock_high=data[' high ']
            stock_low=data['low']
            stock_close=data[' close ']
            stock_vol=data[' vol ']
            stock_amount=data['amout']
            #获取前天高开低收的数据
            index=date_list.index(date)
            predate=data_list[index-1]
            data=conn[stock].find_one({'date ':predate})
            stock_preopen=data['open']   
            stock_prehigh=data[' high ']
            stock_prelow=data['low']
            stock_preclose=data[' close ']
            stock_prevol=data[' vol ']
            stock_preamount=data['amout']
            #分析是否存在缺口
            if stock_open>stock_prehigh and stock_low>stock_prehigh:
                print('存在向上的跳空缺口')
                date_tiaokong_up.append(stock)
            if stock_open<stock_prelow and stock_high<stock_prelow:
                print('存在向下的跳空缺口')
                date_tiaokong_down.append(stock)
     tiaokong_result{str(date)}=[date_tiaokong_up,date_tiaokong_down]
目录
相关文章
|
2月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
331 7
|
2月前
|
存储 分布式计算 大数据
基于Python大数据的的电商用户行为分析系统
本系统基于Django、Scrapy与Hadoop技术,构建电商用户行为分析平台。通过爬取与处理海量用户数据,实现行为追踪、偏好分析与个性化推荐,助力企业提升营销精准度与用户体验,推动电商智能化发展。
|
2月前
|
数据采集 Web App开发 数据可视化
Python零基础爬取东方财富网股票行情数据指南
东方财富网数据稳定、反爬宽松,适合爬虫入门。本文详解使用Python抓取股票行情数据,涵盖请求发送、HTML解析、动态加载处理、代理IP切换及数据可视化,助你快速掌握金融数据爬取技能。
1253 1
|
3月前
|
缓存 监控 算法
唯品会item_search - 按关键字搜索 VIP 商品接口深度分析及 Python 实现
唯品会item_search接口支持通过关键词、分类、价格等条件检索商品,广泛应用于电商数据分析、竞品监控与市场调研。结合Python可实现搜索、分析、可视化及数据导出,助力精准决策。
|
2月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的台风灾害分析及预测系统
针对台风灾害预警滞后、精度不足等问题,本研究基于Python与大数据技术,构建多源数据融合的台风预测系统。利用机器学习提升路径与强度预测准确率,结合Django框架实现动态可视化与实时预警,为防灾决策提供科学支持,显著提高应急响应效率,具有重要社会经济价值。
|
2月前
|
机器学习/深度学习 大数据 关系型数据库
基于python大数据的青少年网络使用情况分析及预测系统
本研究基于Python大数据技术,构建青少年网络行为分析系统,旨在破解现有防沉迷模式下用户画像模糊、预警滞后等难题。通过整合多平台亿级数据,运用机器学习实现精准行为预测与实时干预,推动数字治理向“数据驱动”转型,为家庭、学校及政府提供科学决策支持,助力青少年健康上网。
|
3月前
|
缓存 监控 算法
苏宁item_get - 获得商品详情接口深度# 深度分析及 Python 实现
苏宁易购item_get接口可实时获取商品价格、库存、促销等详情,支持电商数据分析与竞品监控。需认证接入,遵守调用限制,适用于价格监控、销售分析等场景,助力精准营销决策。(238字)
|
3月前
|
数据采集 关系型数据库 MySQL
python爬取数据存入数据库
Python爬虫结合Scrapy与SQLAlchemy,实现高效数据采集并存入MySQL/PostgreSQL/SQLite。通过ORM映射、连接池优化与批量提交,支持百万级数据高速写入,具备良好的可扩展性与稳定性。

热门文章

最新文章

推荐镜像

更多