股票数据:修订间差异

来自牛奶河Wiki
跳到导航 跳到搜索
无编辑摘要
 
第11行: 第11行:
====获取数据====
====获取数据====
[http://baostock.com/baostock/index.php/A股K线数据 A股K线数据说明]
[http://baostock.com/baostock/index.php/A股K线数据 A股K线数据说明]
import baostock as bs
import pandas as pd
# 登陆系统
lg = bs.login()
# 显示登陆返回信息
print('login respond error_code:'+lg.error_code)
print('login respond  error_msg:'+lg.error_msg)
#获取沪深A股历史K线数据
# 详细指标参数,参见“历史行情指标参数”章节;“分钟线”参数与“日线”参数不同。“分钟线”不包含指数。
# 分钟线指标:date,time,code,open,high,low,close,volume,amount,adjustflag
# 周月线指标:date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
rs = bs.query_history_k_data_plus("sh.600000",
    "date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",
    start_date='2017-07-01', end_date='2017-12-31',
    frequency="d", adjustflag="3")
print('query_history_k_data_plus respond error_code:'+rs.error_code)
print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)
# 打印结果集
data_list = []
while (rs.error_code == '0') & rs.next():
    # 获取一条记录,将记录合并在一起
    data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)
# 结果集输出到csv文件 # 
result.to_csv("/tmp/history_A_stock_k_data.csv", index=False)
print(result)
# 登出系统
bs.logout()


===[https://www.joinquant.com/help/api/help 聚宽数据]===
===[https://www.joinquant.com/help/api/help 聚宽数据]===

2023年6月18日 (日) 20:10的最新版本

股票数据来源

证券宝

免费、开源的证券数据平台(无需注册),只支持 Python3.5 及以上

安装

依赖:pandas

pip install baostock -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn
升级:pip install --upgrade baostock

获取数据

A股K线数据说明

import baostock as bs
import pandas as pd

# 登陆系统
lg = bs.login()
# 显示登陆返回信息
print('login respond error_code:'+lg.error_code)
print('login respond  error_msg:'+lg.error_msg)

#获取沪深A股历史K线数据
# 详细指标参数,参见“历史行情指标参数”章节;“分钟线”参数与“日线”参数不同。“分钟线”不包含指数。
# 分钟线指标:date,time,code,open,high,low,close,volume,amount,adjustflag
# 周月线指标:date,code,open,high,low,close,volume,amount,adjustflag,turn,pctChg
rs = bs.query_history_k_data_plus("sh.600000",
    "date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",
    start_date='2017-07-01', end_date='2017-12-31',
    frequency="d", adjustflag="3")
print('query_history_k_data_plus respond error_code:'+rs.error_code)
print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

# 打印结果集
data_list = []
while (rs.error_code == '0') & rs.next():
    # 获取一条记录,将记录合并在一起
    data_list.append(rs.get_row_data())
result = pd.DataFrame(data_list, columns=rs.fields)

# 结果集输出到csv文件 #  
result.to_csv("/tmp/history_A_stock_k_data.csv", index=False)
print(result)

# 登出系统
bs.logout()

聚宽数据

JQData-本地量化数据说明书

普通试用账号

  • 有效期:3个月
  • 连接数(auth lisense):1
  • 每日可用流量(总和):50万
  • 行情数据频度:日频、分钟

安装

pip install jqdatasdk
JQData 每2周发布一次迭代版本,增加更多维度的基础数据以及因子类数据:pip install -U jqdatasdk

Python :
from jqdatasdk import *
auth('账号','密码') #账号是申请时所填写的手机号;密码为聚宽官网登录密码

获取数据

#输入值x:以当天沪深300指数的开盘价、收盘价、最高价、最低价为输入数据
x_temp=get_price('000300.XSHG',start_date='2018-01-01',end_date='2018-12-31')[0:-1].iloc[:,:-2]
#将x调整为TensorFlow的格式(由于tf处理数据的格式需要改成float32)
x=tf.Variable(np.array(x_temp).astype(np.float32))
#输出值y:以第二天沪深300指数的收盘价作为输出数据
y_temp=get_price('000300.XSHG',start_date='2018-01-01',end_date='2018-12-31')[1:]['close']
#将y调整为TensorFlow的格式
y_temp=pd.DataFrame(y_temp)
y=tf.Variable(np.array(y_temp).astype(np.float32))

参考

  1. 使用Python下载A股行情的几种方法
  2. 如何搭建自己的股票高频数据库(Python)