股票数据:修订间差异
跳到导航
跳到搜索
无编辑摘要 |
(→获取数据) |
||
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
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
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))