获取股票数据的接口很多,免费的接口有新浪、网易、雅虎的API接口,收费的就是证券公司及相应的公司提供的接口。
收费试用的接口一般提供的数据只是最近一年或三年的,限制比较多,除非money足够多。
所以本文主要讨论的是免费数据的获取及处理。

国内提供股票数据的接口如sinajs,money.163.com,yahoo,它们提供的API接口不同,每家提供的数据大同小异,可以选择一家的数据来处理。

目前,国内有一个开源的财经数据获取包,封装了上述的接口,不需关系数据源从哪去,它会优先从最快的源来取数据。使用起来非常方便。它是TuShare,具体的安装使用见链接。

本文基于TuShare的数据获取基础上开发,介绍如何获取A股所有股票的历史K线数据。
一、获取A股上市公司列表
import tushare as ts
import pandas as pd
def download_stock_basic_info():

try:
       df = ts.get_stock_basics()
       #直接保存到csv
       print 'choose csv'
       df.to_csv('stock_basic_list.csv');
       print 'download csv finish'
股票列表中包括当前A股的2756只股票的基本信息,包括:
code,代码
name,名称
industry,所属行业
area,地区
pe,市盈率
outstanding,流通股本
totals,总股本(万)
totalAssets,总资产(万)
liquidAssets,流动资产
fixedAssets,固定资产
reserved,公积金
reservedPerShare,每股公积金
eps,每股收益
bvps,每股净资
pb,市净率
timeToMarket,上市日期
二、获取单只股票的历史K线

获取的日K线数据包括:

date : 交易日期 (index)
open : 开盘价(前复权,默认)
high : 最高价(前复权,默认)
close : 收盘价(前复权,默认)
low : 最低价(前复权,默认)
open_nfq : 开盘价(不复权)
high_nfq : 最高价(不复权)
close_nfq : 收盘价(不复权)
low_nfq : 最低价(不复权)
open_hfq : 开盘价(后复权)
high_hfq : 最高价(后复权)
close_hfq : 收盘价(后复权)
low_hfq : 最低价(后复权)
volume : 成交量
amount : 成交金额

下载股票代码为code的股票历史K线,默认为上市日期到今天的K线数据,支持递增下载,如本地已下载股票60000的数据到2015-6-19,再次运行则会从6.20开始下载,追加到本地csv文件中。

# 默认为上市日期到今天的K线数据
# 可指定开始、结束日期:格式为"2015-06-28"
def download_stock_kline(code, date_start='', date_end=datetime.date.today()):

code = util.getSixDigitalStockCode(code) # 将股票代码格式化为6位数字

try:
       fileName = 'h_kline_' str(code) '.csv'

writeMode = 'w'
       if os.path.exists(cm.DownloadDir fileName):
           #print (">>exist:" code)
           df = pd.DataFrame.from_csv(path=cm.DownloadDir fileName)

se = df.head(1).index #取已有文件的最近日期
           dateNew = se[0] datetime.timedelta(1)
           date_start = dateNew.strftime("%Y-%m-%d")
           #print date_start
           writeMode = 'a'

if date_start == '':
           se = get_stock_info(code)
           date_start = se['timeToMarket'] 
           date = datetime.datetime.strptime(str(date_start), "%Y%m%d")
           date_start = date.strftime('%Y-%m-%d')
       date_end = date_end.strftime('%Y-%m-%d')

# 已经是最新的数据
       if date_start >= date_end:
           df = pd.read_csv(cm.DownloadDir fileName)
           return df

print 'download ' str(code) ' k-line >>>begin (', date_start u' 到 ' date_end ')'
       df_qfq = ts.get_h_data(str(code), start=date_start, end=date_end) # 前复权
       df_nfq = ts.get_h_data(str(code), start=date_start, end=date_end) # 不复权
       df_hfq = ts.get_h_data(str(code), start=date_start, end=date_end) # 后复权

if df_qfq is None or df_nfq is None or df_hfq is None:
           return None

df_qfq['open_no_fq'] = df_nfq['open']
       df_qfq['high_no_fq'] = df_nfq['high']
       df_qfq['close_no_fq'] = df_nfq['close']
       df_qfq['low_no_fq'] = df_nfq['low']
       df_qfq['open_hfq']=df_hfq['open']
       df_qfq['high_hfq']=df_hfq['high']
       df_qfq['close_hfq']=df_hfq['close']
       df_qfq['low_hfq']=df_hfq['low']

if writeMode == 'w':
           df_qfq.to_csv(cm.DownloadDir fileName)
       else:

df_old = pd.DataFrame.from_csv(cm.DownloadDir fileName)

# 按日期由远及近
           df_old = df_old.reindex(df_old.index[::-1])
           df_qfq = df_qfq.reindex(df_qfq.index[::-1])

df_new = df_old.append(df_qfq)
           #print df_new

# 按日期由近及远
           df_new = df_new.reindex(df_new.index[::-1])
           df_new.to_csv(cm.DownloadDir fileName)
           #df_qfq = df_new

print '\ndownload ' str(code)   ' k-line finish'
       return pd.read_csv(cm.DownloadDir fileName)

except Exception as e:
       print str(e)

return None
##  private methods  ##
#######################

# 获取个股的基本信息:股票名称,行业,地域,PE等,详细如下
#    code,代码
#    name,名称
#    industry,所属行业
#    area,地区
#    pe,市盈率
#    outstanding,流通股本
#    totals,总股本(万)
#    totalAssets,总资产(万)
#    liquidAssets,流动资产
#    fixedAssets,固定资产
#    reserved,公积金
#    reservedPerShare,每股公积金
#    eps,每股收益
#    bvps,每股净资
#    pb,市净率
#    timeToMarket,上市日期
# 返回值类型:Series
def get_stock_info(code):
    try:
       sql = "select * from %s where code='%s'" % (STOCK_BASIC_TABLE, code)
       df = pd.read_sql_query(sql, engine)
       se = df.ix[0]
    except Exception as e:
       print str(e)
    return se
三、获取所有股票的历史K线

# 获取所有股票的历史K线
def download_all_stock_history_k_line():
    print 'download all stock k-line'
    try:
       df = pd.DataFrame.from_csv(cm.DownloadDir cm.TABLE_STOCKS_BASIC '.csv')
       pool = ThreadPool(processes=10)
       pool.map(download_stock_kline, df.index)
       pool.close()
       pool.join()

except Exception as e:
       print str(e)
    print 'download all stock k-line'
Map来自函数语言Lisp,map函数能够按序映射出另一个函数。

urls = ['http://www.yahoo.com', 'http://www.reddit.com']
results = map(urllib2.urlopen, urls)

有两个能够支持通过map函数来完成并行的库:一个是multiprocessing,另一个是鲜为人知但功能强大的子文件:multiprocessing.dummy。
Dummy就是多进程模块的克隆文件。唯一不同的是,多进程模块使用的是进程,而dummy则使用线程(当然,它有所有Python常见的限制)。

通过指定processes的个数来调用多线程。

附:文中用到的其他函数及变量,定义如下:
TABLE_STOCKS_BASIC = 'stock_basic_list'
DownloadDir = os.path.pardir '/stockdata/' # os.path.pardir: 上级目录

# 补全股票代码(6位股票代码)
# input: int or string
# output: string
def getSixDigitalStockCode(code):
    strZero = ''
    for i in range(len(str(code)), 6):
       strZero = '0'
    return strZero str(code)

Python股票历史数据的获取的更多相关文章

  1. 金融量化分析-python量化分析系列之---使用python获取股票历史数据和实时分笔数据

    财经数据接口包tushare的使用(一) Tushare是一款开源免费的金融数据接口包,可以用于获取股票的历史数据.年度季度报表数据.实时分笔数据.历史分笔数据,本文对tushare的用法,已经存在的 ...

  2. 获取股票历史数据和当前数据的API

    关键字:股票,stock,API,接口 1.获取股票当前数据 新浪数据接口:http://hq.sinajs.cn/list={code}.{code}替换为股票代码,沪市股票代码加前缀sh,深市股票 ...

  3. Python股票分析系列——自动获取标普500股票列表.p5

    该系列视频已经搬运至bilibili: 点击查看 欢迎来到Python for Finance教程系列的第5部分.在本教程和接下来的几节中,我们将着手研究如何为更多公司提供大量的定价信息,以及如何一次 ...

  4. Python股票分析系列——系列介绍和获取股票数据.p1

    本系列转载自youtuber sentdex博主的教程视频内容 https://www.youtube.com/watch?v=19yyasfGLhk&index=4&list=PLQ ...

  5. 使用tushare获取股票历史数据和实时分笔数据

    使用tushare获取股票历史数据和实时分笔数据   财经数据接口包tushare的使用(一) Tushare是一款开源免费的金融数据接口包,可以用于获取股票的历史数据.年度季度报表数据.实时分笔数据 ...

  6. Python股票分析系列——基础股票数据操作(二).p4

    该系列视频已经搬运至bilibili: 点击查看 欢迎来到Python for Finance教程系列的第4部分.在本教程中,我们将基于Adj Close列创建烛台/ OHLC图,这将允许我介绍重新采 ...

  7. python编写的自动获取代理IP列表的爬虫-chinaboywg-ChinaUnix博客

    python编写的自动获取代理IP列表的爬虫-chinaboywg-ChinaUnix博客 undefined Python多线程抓取代理服务器 | Linux运维笔记 undefined java如 ...

  8. python封装configparser模块获取conf.ini值(优化版)

    昨天晚上封装了configparser模块,是根据keyname获取的value.python封装configparser模块获取conf.ini值 我原本是想通过config.ini文件中的sect ...

  9. Python股票分析系列——基础股票数据操作(一).p3

    该系列视频已经搬运至bilibili: 点击查看 欢迎来到Python for Finance教程系列的第3部分.在本教程中,我们将使用我们的股票数据进一步分解一些基本的数据操作和可视化.我们将要使用 ...

随机推荐

  1. QJsonObject与QString转化封装

    经常使用QT的同学可能会发现有时候需要json字符串和json对象之间的转换,今天他来了,直接上代码: QString InfoBase::JsonToString(const QJsonObject ...

  2. 漏洞扫描与分析-Nessus-8.7.2最新版-安装-部署-使用

    漏洞扫描与分析-Nessus 2019/10/10 Chenxin 简介 官网 https://zh-cn.tenable.com/ 产品 https://zh-cn.tenable.com/prod ...

  3. 201871010105-曹玉中《面向对象程序设计(Java)》第一周学习总结

    201871010105-曹玉中<面向对象程序设计(Java)>第一周学习总结 项目 内容 这个作业属于哪个课程 https://www.cnblogs.com/nwnu-daizh/ 这 ...

  4. (转)玩转Koa -- koa-bodyparser原理解析

    地址:http://www.imooc.com/article/274059 一.前置知识   在理解koa-bodyparser原理之前,首先需要了解部分HTTP相关的知识. 1.报文主体   HT ...

  5. Educational Codeforces Round 76 (Rated for Div. 2) A. Two Rival Students 水题

    A. Two Rival Students There are

  6. java之运算符的优先级

    优先级 运算符 结合性 1 () [] 从左往右 2 ! +(正) -(负) ++ -- 从右往左 3 * / %  从左往右 4 << >> >>> 从左往 ...

  7. vscode相关设置

    一.如何设置vs每次点击文件打开新的窗口: 1.打开设置 2.搜索:"workbench.editor.enablePreview" 3.设置"workbench.edi ...

  8. IT兄弟连 HTML5教程 HTML5技术的应用现状及HTML5平台的兴起

    HTML5的优良特性很快被各种类型的网站利用,比如文件拖拽到网页上传功能,多数即使用HTML5提供的新属性就可以完成,来实现素材的免插件拖放.因此,HTML5技术实际上在国内已经获得了较广泛的应用与支 ...

  9. jemalloc内存占用问题

    最近,有部分越南的服务器内存不断上涨,怀疑是内存泄漏,因为框架提供的内存报告里,C内存和Lua占用内存都不大,和ps里看的差好多.总内存在12G左右,C和Lua的加起来约4G,两者相差了8G 经过一番 ...

  10. win7系统下安装Ubuntu18.04组成双系统

    最近在闲鱼上花了350大洋淘到了一台tinkpad sl510,这大概是一台发布于2009年的一台电脑了吧,处理器是酷睿二t440,2Gddr3的显卡,让我有点意外的是这台电脑的硬盘是7200转的32 ...