class類在python中獲取金融資料的例項方法
阿新 • • 發佈:2020-12-11
我們蒐集金融資料,通常想要的是利用爬蟲的方法。其實我們最近所學的class不僅可以進行類呼叫,在獲取資料方面同樣是可行的,很多小夥伴都比較關注理財方面的情況,對金融資料的需要也是比較多的。下面就class類在python中獲取金融資料的方法為大家帶來講解。
使用tushare獲取所有A股每日交易資料,儲存到本地資料庫,同時每日更新資料庫;根據行情資料進行視覺化和簡單的策略分析與回測。由於篇幅有限,本文著重介紹股票資料管理(下載、資料更新)的面向物件程式設計應用例項。
#匯入需要用到的模組 import numpy as np import pandas as pd from dateutil.parser import parse from datetime import datetime,timedelta #操作資料庫的第三方包,使用前先安裝pip install sqlalchemy from sqlalchemy import create_engine #tushare包設定 import tushare as ts token='輸入你在tushare上獲得的token' pro=ts.pro_api(token) #使用python3自帶的sqlite資料庫 #本人建立的資料庫地址為c:\zjy\db_stock\ file='sqlite:///c:\\zjy\\db_stock\\' #資料庫名稱 db_name='stock_data.db' engine = create_engine(file+db_name) class Data(object): def __init__(self,start='20050101',end='20191115',table_name='daily_data'): self.start=start self.end=end self.table_name=table_name self.codes=self.get_code() self.cals=self.get_cals() #獲取股票程式碼列表 def get_code(self): codes = pro.stock_basic(list_status='L').ts_code.values return codes #獲取股票交易日曆 def get_cals(self): #獲取交易日曆 cals=pro.trade_cal(exchange='') cals=cals[cals.is_open==1].cal_date.values return cals #每日行情資料 def daily_data(self,code): try: df0=pro.daily(ts_code=code,start_date=self.start,end_date=self.end) df1=pro.adj_factor(ts_code=code,trade_date='') #復權因子 df=pd.merge(df0,df1) #合併資料 except Exception as e: print(code) print(e) return df #儲存資料到資料庫 def save_sql(self): for code in self.codes: data=self.daily_data(code) data.to_sql(self.table_name,engine,index=False,if_exists='append') #獲取最新交易日期 def get_trade_date(self): #獲取當天日期時間 pass #更新資料庫資料 def update_sql(self): pass #程式碼省略 #查詢資料庫資訊 def info_sql(self):
程式碼執行
#假設你將上述程式碼封裝成class Data #儲存在'C:\zjy\db_stock'目錄下的down_data.py中 import sys #新增到當前工作路徑 sys.path.append(r'C:\zjy\db_stock') #匯入py檔案中的Data類 from download_data import Data #例項類 data=Data() #data.save_sql() #只需執行一次即可 data.update_sql() data.info_sql()
例項擴充套件:
Python下,pandas_datareader模組可以用於獲取研究資料。例子如下:
>>> from pandas_datareader.data import DataReader >>> >>> datas = DataReader(name='AAPL',data_source='yahoo',start='2018-01-01') >>> >>> type(datas) <class 'pandas.core.frame.DataFrame'> >>> datas Open High Low Close Adj Close \ Date 2018-01-02 170.160004 172.300003 169.259995 172.259995 172.259995 2018-01-03 172.529999 174.550003 171.960007 172.229996 172.229996 2018-01-04 172.539993 173.470001 172.080002 173.029999 173.029999 2018-01-05 173.440002 175.369995 173.050003 175.000000 175.000000 2018-01-08 174.350006 175.610001 173.929993 174.350006 174.350006 2018-01-09 174.550003 175.059998 173.410004 174.330002 174.330002 2018-01-10 173.160004 174.300003 173.000000 174.289993 174.289993 2018-01-11 174.589996 175.490005 174.490005 175.279999 175.279999 2018-01-12 176.179993 177.360001 175.649994 177.089996 177.089996 Volume Date 2018-01-02 25555900 2018-01-03 29517900 2018-01-04 22434600 2018-01-05 23660000 2018-01-08 20567800 2018-01-09 21584000 2018-01-10 23959900 2018-01-11 18667700 2018-01-12 25226000 >>> >>> print(datas.to_csv()) Date,Open,High,Low,Close,Adj Close,Volume 2018-01-02,170.160004,172.300003,169.259995,172.259995,25555900 2018-01-03,172.529999,174.550003,171.960007,172.229996,29517900 2018-01-04,172.539993,173.470001,172.080002,173.029999,22434600 2018-01-05,173.440002,175.369995,173.050003,175.0,23660000 2018-01-08,174.350006,175.610001,173.929993,20567800 2018-01-09,175.059998,173.410004,174.330002,21584000 2018-01-10,173.160004,174.300003,173.0,174.289993,23959900 2018-01-11,174.589996,175.490005,174.490005,175.279999,18667700 2018-01-12,176.179993,177.360001,175.649994,177.089996,25226000 >>>
到此這篇關於class類在python中獲取金融資料的例項方法的文章就介紹到這了,更多相關class類怎樣在python中獲取金融資料內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們!