Tushare

你遇到的错误表明 yfinance 无法正确获取中国的股票数据，这是因为一些中国股票数据在 Yahoo Finance 上可能不可用或已被移除。为了处理这个问题，你可以使用其他的数据源，如 Tushare，这是一个免费的中国股票数据 API。

使用 Tushare 获取中国股票数据

1. 安装 Tushare

   首先，你需要安装 Tushare。你可以通过以下命令安装：

   pip install tushare
   

2. 获取数据

   使用 Tushare 获取股票数据，并进行处理。以下是获取并处理数据的代码示例：

   import tushare as ts
   import pandas as pd
   
   # 设置 Tushare 的 token
   ts.set_token('your_tushare_token')
   pro = ts.pro_api()
   
   # 获取股票代码为 601088 的股票数据
   stock_code = '601088.SH'
   
   # 定义要获取的年份
   years = ['2019', '2020', '2021', '2022', '2023']
   
   # 初始化空的 DataFrame
   all_data = pd.DataFrame()
   
   # 获取每年3月的股票数据
   for year in years:
       start_date = f'{year}0301'
       end_date = f'{year}0331'
       data = pro.daily(ts_code=stock_code, start_date=start_date, end_date=end_date)
       all_data = pd.concat([all_data, data])
   
   # 转换日期列为日期格式
   all_data['trade_date'] = pd.to_datetime(all_data['trade_date'])
   
   # 按年份分组并计算3月的均值、最小值和最大值
   all_data['Year'] = all_data['trade_date'].dt.year
   march_summary = all_data.groupby('Year')['close'].agg(['mean', 'min', 'max']).reset_index()
   march_summary.columns = ['Year', 'Mean_Close', 'Min_Close', 'Max_Close']
   
   print(march_summary)
   

获取 Tushare Token

你需要在 Tushare 官网注册一个账户，并获取一个 API Token。以下是获取 Token 的步骤：

1. 前往 Tushare官网，注册一个新账户。
2. 登录账户后，在用户中心可以找到你的 API Token。

完整示例代码

确保你已经设置了正确的 Tushare Token，并使用以下完整代码示例：

import tushare as ts
import pandas as pd

# 设置 Tushare 的 token
ts.set_token('your_tushare_token')
pro = ts.pro_api()

# 获取股票代码为 601088 的股票数据
stock_code = '601088.SH'

# 定义要获取的年份
years = ['2019', '2020', '2021', '2022', '2023']

# 初始化空的 DataFrame
all_data = pd.DataFrame()

# 获取每年3月的股票数据
for year in years:
    start_date = f'{year}0301'
    end_date = f'{year}0331'
    data = pro.daily(ts_code=stock_code, start_date=start_date, end_date=end_date)
    all_data = pd.concat([all_data, data])

# 转换日期列为日期格式
all_data['trade_date'] = pd.to_datetime(all_data['trade_date'])

# 按年份分组并计算3月的均值、最小值和最大值
all_data['Year'] = all_data['trade_date'].dt.year
march_summary = all_data.groupby('Year')['close'].agg(['mean', 'min', 'max']).reset_index()
march_summary.columns = ['Year', 'Mean_Close', 'Min_Close', 'Max_Close']

print(march_summary)