用 Python 获取股市交易数据

简介: 用 Python 获取股市交易数据

最近受全球大环境影响,美股犹如坐上过山车,感觉每天都在见证历史时刻。而我们的大盘最近也不消停,不过这也给大家抄底制造了机会,但机会都是给有准备的人,想要抓住机会就得懂得分析数据,想要分析数据还得先拿到交易数据,今天就来说说用 Python 如何获取股市交易数据。


TuShare 工具


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、清洗加工到数据存储的过程,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。


安装


Tushare 的运行需要 pandas 模块支持,所以需要先安装它,然后再安装 tushare


$ pip3 install pandas …… 忽略日志
$ pip3 install tushare …… 忽略日志


安装完成后,会看到 Successfully installed 提示即为安装成功。下面我们简单看下它都提供了哪些功能。


功能说明


1、获取历史数据


get_hist_data():获取个股历史交易数据(包括均线数据),可以通过参数设置获取日k线、周k线、月k线,以及5分钟、15分钟、30分钟和60分钟k线数据。我们通过下面引入包,然后执行这个方法就可以获取上证指数的历史交易数据。


# 引入包import tushare as tu
# 获取上证指数历史三年的数据tu.get_hist_data('000001')
# 当然我们也可以只获取一段时间范围内的数据tu.get_hist_data('000001',start='2020-01-05',end='2020-02-05')


image.png


参数说明:


  • code:股票代码,即6位数字代码,或者指数代码(sh=上证指数 sz=深圳成指 hs300=沪深300指数 sz50=上证50 zxb=中小板 cyb=创业板)
  • start:开始日期,格式YYYY-MM-DD
  • end:结束日期,格式YYYY-MM-DD
  • ktype:数据类型,D=日k线 W=周 M=月 5=5分钟 15=15分钟 30=30分钟 60=60分钟,默认为D
  • retry_count:当网络异常后重试次数,默认为3
  • pause:重试时停顿秒数,默认为0


返回值说明:


  • date:日期
  • 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]


2、获取时实行情


get_today_all():一次性获取当前交易所有股票的行情数据(如果是节假日,即为上一交易日)。


# 引入包import tushare as tu
# 获取所有股票当前行情tu.get_today_all()


image.png


返回值说明:


  • code:代码
  • name:名称
  • changepercent:涨跌幅
  • trade:现价
  • open:开盘价
  • high:最高价
  • low:最低价
  • settlement:昨日收盘价
  • volume:成交量
  • turnoverratio:换手率
  • amount:成交金额
  • per:市盈率
  • pb:市净率
  • mktcap:总市值
  • nmc:流通市值


3、获取实时交易数据


get_realtime_quotes(): 可获取实时分笔数据,可以实时取得股票当前报价和成交信息,实时监测交易量和价格的变化。


# 引入包import tushare as tu
# 获取茅台和格力两支股票的实时数据data = tu.get_realtime_quotes(['600519','000651'])
# 也可以设置只显示某些值data[['code','name','price','bid','ask','volume','amount','time']]
#或者获取上证指数 深圳成指 沪深300指数 上证50 中小板 创业板tu.get_realtime_quotes(['sh','sz','hs300','sz50','zxb','cyb'])


image.png


返回值说明:

  • 0:name,股票名字
  • 1:open,今日开盘价
  • 2:pre_close,昨日收盘价
  • 3:price,当前价格
  • 4:high,今日最高价
  • 5:low,今日最低价
  • 6:bid,竞买价,即“买一”报价
  • 7:ask,竞卖价,即“卖一”报价
  • 8:volume,成交量 maybe you need do volume/100
  • 9:amount,成交金额(元 CNY)
  • 10:b1_v,委买一(笔数 bid volume)
  • 11:b1_p,委买一(价格 bid price)
  • 12:b2_v,“买二”
  • 13:b2_p,“买二”
  • 14:b3_v,“买三”
  • 15:b3_p,“买三”
  • 16:b4_v,“买四”
  • 17:b4_p,“买四”
  • 18:b5_v,“买五”
  • 19:b5_p,“买五”
  • 20:a1_v,委卖一(笔数 ask volume)
  • 21:a1_p,委卖一(价格 ask price)
  • …… 忽略部分
  • 30:date,日期;
  • 31:time,时间;


4、大盘指数行情列表


get_index():获取大盘指数实时行情列表,以表格的形式展示大盘指数实时行情。


# 引入包import tushare as tu
# 获取大盘行情data = tu.get_index()


image.png


返回值说明:

  • code:指数代码
  • name:指数名称
  • change:涨跌幅
  • open:开盘点位
  • preclose:昨日收盘点位
  • close:收盘点位
  • high:最高点位
  • low:最低点位
  • volume:成交量(手)
  • amount:成交金额(亿元)


5、大单交易数据


get_sina_dd():获取大单交易数据,默认为大于等于400手,数据来源于新浪财经。



# 引入包import tushare as tu
# 获取茅台当前日期的大单交易数据,默认400手tu.get_sina_dd('600519', date='2020-03-27')
# 获取交易100手以上的数据tu.get_sina_dd('600519', date='2020-03-27', vol=100)


image.png


参数说明:


  • code:股票代码,即6位数字代码
  • date:日期,格式YYYY-MM-DD
  • vol:手数,默认为400手,输入数值型参数
  • retry_count:int, 默认3,如遇网络等问题重复执行的次数
  • pause : int, 默认 0,重复请求数据过程中暂停的秒数,防止请求间隔时间太短出现的问题


返回值说明:


  • code:代码
  • name:名称
  • time:时间
  • price:当前价格
  • volume:成交手
  • preprice :上一笔价格
  • type:买卖类型【买盘、卖盘、中性盘】


总结


本文为大家简单介绍了 Tushare 工具的一小部分功能,通过这些通过我们就能获取到大量的分析数据,当然它还有很多强大的接口功能,如果感兴趣以后再介绍,或者你可以直接访问它的官网了解更多。



目录
相关文章
|
4天前
|
数据挖掘 Shell 测试技术
怎么用Python解析HTML轻松搞定网页数据
**Python解析HTML摘要** 本文介绍了使用Python处理HTML的常见需求,如数据提取、网络爬虫和分析,并讨论了三种解析方法。正则表达式适用于简单匹配,但对复杂HTML不理想;BeautifulSoup提供简单API,适合多数情况;lxml结合XPath,适合处理大型复杂文档。示例展示了如何用这些方法提取链接。
|
4天前
|
数据采集 自然语言处理 大数据
​「Python大数据」词频数据渲染词云图导出HTML
使用Python,本文展示数据聚类和办公自动化,焦点在于通过jieba分词处理VOC数据,构建词云图并以HTML保存。`wordCloud.py`脚本中,借助pyecharts生成词云,如图所示,关键词如"Python"、"词云"等。示例代码创建了词云图实例,添加词频数据,并输出到"wordCloud.html"。
15 1
​「Python大数据」词频数据渲染词云图导出HTML
|
2天前
|
算法 Python
深度剖析!Python中图的DFS与BFS遍历,让你的数据搜索快到飞起
【7月更文挑战第10天】在数据结构和算法中,图遍历是核心概念,Python支持DFS和BFS来探索图。DFS递归深入节点,利用栈,先访问深处;BFS使用队列,层次遍历,先访问最近节点。
18 1
|
4天前
|
数据挖掘 Python
利用Python进行数据分析PDF下载经典数据分享推荐
**Python数据分析大师作,Wes McKinney亲著,详述数据操作、清洗与分析。第2版面向Python 3.6,涵盖pandas、NumPy、IPython和Jupyter更新,实战案例丰富;第3版已升级至Python 3.10和pandas 1.4,继续引领数据科学潮流。[PDF下载](https://zhangfeidezhu.com/?p=337)**
11 0
利用Python进行数据分析PDF下载经典数据分享推荐
|
7天前
|
数据采集 机器学习/深度学习 数据可视化
关于Python数据分析项目的简要概述:从CSV加载数据,执行数据预处理,进行数据探索,选择线性回归模型进行训练,评估模型性能并优化,最后结果解释与可视化。
【7月更文挑战第5天】这是一个关于Python数据分析项目的简要概述:从CSV加载数据,执行数据预处理(填充缺失值,处理异常值),进行数据探索(可视化和统计分析),选择线性回归模型进行训练,评估模型性能并优化,最后结果解释与可视化。此案例展示了数据科学的典型流程。
30 2
|
1天前
|
机器学习/深度学习 数据可视化 数据处理
探索Python中的数据维数【从二维到高维数据的处理与应用】
【7月更文挑战第7天】了解Python在数据科学中的作用,特别是处理不同维度数据。NumPy和Pandas是核心工具,前者提供多维数组,后者支持二维数据结构如DataFrame。高维数据如图像和文本可以用OpenCV、Pillow、NLTK等处理。处理高维数据涉及降维技术,如PCA和t-SNE,以应对计算复杂性和过拟合。未来趋势包括自动化特征工程和深度学习的进一步发展。
9 0
|
1天前
|
数据可视化 数据挖掘 数据处理
Python对Excel两列数据进行运算【从基础到高级的全面指南】
【7月更文挑战第6天】使用Python的`pandas`库处理Excel数据,涉及安装`pandas`和`openpyxl`,读取数据如`df = pd.read_excel('data.xlsx')`,进行运算如`df['Sum'] = df['Column1'] + df['Column2']`,并将结果写回Excel。`pandas`还支持数据筛选、分组、可视化、异常处理和性能优化。通过熟练运用这些功能,可以高效分析Excel表格。
5 0
|
4天前
|
机器学习/深度学习 运维 算法
Python基于局部离群因子LOF算法(LocalOutlierFactor)实现信用卡数据异常值检测项目实战
Python基于局部离群因子LOF算法(LocalOutlierFactor)实现信用卡数据异常值检测项目实战
|
4天前
|
机器学习/深度学习 数据采集 运维
Python基于孤立森林算法(IsolationForest)实现数据异常值检测项目实战
Python基于孤立森林算法(IsolationForest)实现数据异常值检测项目实战
|
4天前
|
数据采集 自然语言处理 搜索推荐
Python实现基于LDA主题模型进行电商产品评论数据情感分析
Python实现基于LDA主题模型进行电商产品评论数据情感分析