基于Python获取股票分析，数据分析实战

　　1. Tushare简介1.1. 开源、免费版Tushare

　　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。考虑到Python pandas包在金融量化分析中体现出的优势，Tushare返回的绝大部分的数据格式都是pandas DataFrame类型，非常便于用pandas/NumPy/Matplotlib进行数据分析和可视化。当然，如果您习惯了用Excel或者关系型数据库做分析，您也可以通过Tushare的数据存储功能，将数据全部保存到本地后进行分析。

　　私信小编01即可获取大量Python学习资料

　　地址：tushare/

　　1.2. 注册升级版 Tushare pro

　　Pro版数据更稳定质量更好了，但Pro依然是个开放的，免费的平台，不带任何商业性质和目的。

　　1.3. 获取Tushare

　　不管你是量化投资分析师，还是正在学习Python进行数据分析的学习者，这种方法获取的数据都可以适用。

　　获取前的准备：

　　pip install tushare2. 获取数据

　　我为了更方便的使用Tushare接口API，也为了兼容新、旧版本，设计类整合新版本。

　　2.1. 获取历史行情数据

　　#获取历史日线数据

　　def get_his_dat(self,start_date,end_date):

　　#新pro接口，可以多个股票

　　if self:

　　self.his_dat=self.stock.daily(ts_code=self.code, start_date=start_date, end_date=end_date)

　　else:

　　#旧接口，不用注册

　　self.his_dat=ts.get_hist_data(code=self.code,start=start_date, end=end_date)

　　#把索引赋值给trade_date

　　#self.his_dat['trade_date']=self.his_dat.index

　　self.his_dat=self.his_dat.reset_index()

　　self.setCodebyOld()

　　self.his_dat['ts_code']=self.code

　　#参照pro接口，修改列名

　　self.his_dat=self.his_datame(columns={

　　'date':'trade_date','volume':'vol','price_change':'change','p_change':'pct_chg'})

　　#筛选列

　　self.his_dat=self.his_dat[self.columns] #.reset_index()

　　return self.his_dat

　　本接口只能获取近3年的日线数据，适合搭配均线数据进行选股和分析。

　　输入参数说明：

　　|股票代码|开始日期|结束日期|数据类型|

　　老版本关键字

　　新版本关键字（pro）

　　说明

　　code

　　ts_code

　　股票代码

　　trade_date

　　交易日期

　　start

　　start_date

　　开始日期，格式YYYY-MM-DD/新版本YYYYMMDD

　　end

　　end_date

　　结束日期，格式YYYY-MM-DD/新版本YYYYMMDD

　　ktype

　　数据类型

　　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

　　老版本中：

　　1.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）

　　2.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

　　返回值说明：

　　date

　　open

　　开盘价

　　high

　　最高价

　　close

　　收盘价

　　pre_close

　　昨收盘价

　　low

　　最低价

　　volume

　　vol

　　成交量

　　price_change

　　change

　　价格变动、涨跌额

　　p_change

　　pct_chg

　　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]

　　amount

　　成交额

　　老版本中date为index，不是具体column。

　　2.2. 获取历史行情数据——指数

　　上证指数、深圳成指、沪深300指数、上证50 、中小板、创业板等。

　　上证指数代码为“000001.SH”，老版本代码为“sh”；

二手手游账号拍卖

深成指数代码为“399001.SZ”，老版本为“399001”或“sz”。

　　#获取沪深指数

　　def get_hs_index(self,start_date,end_date):

　　self.hs_index=ts_bar(ts_code=self.code, asset='I', start_date=start_date, end_date=end_date)

　　index_code={

　　'000001.SH':'sh','399001.SZ':'399001','000300.SH':'000016.SH','sz50':'sz50','399005.SZ':'zxb','399006.SZ':'cyb'}

　　self.his_dat=ts.get_hist_data(code=index_code[self.code],start=start_date, end=end_date)

　　return self.hs_index2.3. 获取历史行情数据——情绪指数

　　目前pro版本国外已经支持如下指数数据（数据来源：tushare/）：

　　TS指数代码

　　指数名称

　　XIN9

　　富时中国A50指数 (富时A50)

　　HSI

　　恒生指数

　　DJI

　　道琼斯工业指数

　　SPX

　　标普500指数

　　IXIC

　　纳斯达克指数

　　FTSE

　　富时100指数

　　FCHI

　　法国CAC40指数

　　GDAXI

　　德国DAX指数

　　N225

　　日经225指数

　　KS11

　　韩国综合指数

　　AS51

　　澳大利亚标普200指数

　　SENSEX

　　印度孟买SENSEX指数

　　IBOVESPA

　　巴西IBOVESPA指数

　　RTS

　　俄罗斯RTS指数

　　TWII

　　台湾加权指数

　　CKLSE

　　马来西亚指数

　　SPTSX

　　加拿大S&P/TSX指数

　　CSX5P

　　STOXX欧洲50指数

　　使用方法：

　　#美股指数

　　def get_us_index(self,start_date,end_date):

　　self.us_index=self.stock.index_global(ts_code=self.us_code, start_date=start_date, end_date=end_date)

　　self.us_index=self.us_index[self.columns]

　　return self.us_index2.4. 获取分时数据

　　升级pro版本，可以获取3年的数据，而老版本 只能获取1个月的分时数据。

　　#获取分钟级别数据

　　def get_tickshare_dat(self,freq,start_date, end_date):

　　start_date=re.sub('\D','',start_date)

　　end_date=re.sub('\D','',end_date)

　　freq=freq + 'min'

　　self.tickshare_dat=ts_bar(ts_code=self.code, freq=freq,start_date=start_date, end_date=end_date)

　　self.tickshare_dat['vol']=self.tickshare_dat['vol'] /100

　　# 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

　　self.tickshare_dat=ts.get_hist_data(code=self.code, ktype=freq,start=start_date, end=end_date)

　　self.tickshare_dat['ts_code']=self.code

　　self.tickshare_dat=self.tickshare_dat.reset_index()

　　self.tickshare_dat=self.tickshare_datame(columns={

　　'date':'trade_time','volume':'vol'})

　　self.tickshare_dat['trade_date']=self.tickshare_dat['trade_time'].apply(lambda x:re.sub('\D','',x[0:10]))

　　self.tickshare_dat=self.tickshare_dat[['ts_code','trade_time','open','high','close','low','vol','trade_date']]

　　return self.tickshare_dat

　　注：输入freq为字符型数字，1/5/15/30/60

　　2.5. 获取股票基本信息

　　#获取股票基本面信息

　　def get_ShareInfo(self,trade_date):

　　self.shareInfo=self.stock.daily_basic(ts_code=self.code, trade_date=trade_date) #, fields='ts_code,trade_date,turnover_rate,volume_ratio,pe,pb')

　　self.shareInfo=ts.get_stock_basics()

　　print(self.shareInfo)

　　2.6. 获取复权数据

　　# 获取复权数据

　　def get_h_dat(self,start_date,end_date,fq='hfq'):

　　#self.h_dat=ts.get_h_data(code=self.code, autype='hfq',start=start_date, end=end_date)

　　self.h_dat=ts_bar(ts_code=self.code, adj=fq, start_date=start_date, end_date=end_date)

　　return self.h_dat

　　3. 数据存储在本地Mongo数据库中

　　class Stock_Collection(object):

　　def __init__(self,db_name):

　　self.db_name=db_name

　　client=pymongo.MongoClient('mongodb://stock:stock@localhost:27017/stock')

　　self.db=client[self.db_name]

　　def insertdatas(self,name,datas):

　　collection=self.db[name]

　　collection.insert(json.loads(datas.T.to_json()).values())

　　def getDistinctCode(self,name):

　　code=collection.distinct('ts_code')

　　return code

　　def setIndex_Code(self):

　　self.sentiment_index=['IXIC','DJI','HSI'] # 情绪指数

　　self.sentiment_index_column=['trade_date','open','high','close','low','change','pct_chg']

　　self.index_daily=['000001.SH', '399001.SZ']

　　self.index_daily_column=['trade_date','open','high','close','low','vol','change','pct_chg']

　　def setCode(self,code):

　　self.code=code #['002230.SZ'] #, '000547.SZ', '601318.SH', '601208.SH', '600030.SH', '000938.SZ', '002108.SZ', '600967.SH']

　　self.stock_column=['trade_date','open','high','close','low','vol','change','pct_chg']

　　# 构造LSTM模型训练集

　　def generate_train_datas(self,db_name,code_name,filename):

　　collection=self.db[db_name]

　　self.out_code=code_name

　　#查询条件“字典”

　　query_dict={

　　'ts_code':'1','trade_date':{

　　'$gt':'20211001'}}

　　#col_name={'_id':0,'trade_date':1,'ts_code':1,'open':1,'high':1,'close':1,'low':1,'vol':1,'change':1,'pct_chg':1}

　　col_name={

　　'_id':0}

　　for d in self.stock_column:

　　col_name[d]=1

　　query_dict['ts_code']=self.out_code

　　#注意时间排序

　　df=pd.DataFrame(list(collection.find(query_dict,col_name).sort([('trade_date',1)])))

　　df['trade_date']=df['trade_date'].apply(lambda x:re.sub('\D','',x)) #去掉日期中的“-”符号

　　self.code.remove(self.out_code) # 删除输出股票代码

　　#构造股票数据集

　　n=0

　　k=0

　　columns=self.stock_column.copy()

　　columns.remove('trade_date')

　　print('Start!')

　　#self.code长度为1，下面循环不执行

　　for code in self.code:

　　query_dict['ts_code']=code

　　df1=pd.DataFrame(list(collection.find(query_dict,col_name).sort([('trade_date',1)])))

　　df1['trade_date']=df1['trade_date'].apply(lambda x:re.sub('\D','',x)) #去掉日期中的“-”符号

　　#按日期合并两个表

　　#df=pd.merge(left=df,right=df1,how='left',on=['trade_date'])

　　#以上证为基准

　　df=pd.merge(left=df,right=df1,how='inner',on=['trade_date'])

　　# 处理合并表，字段重复的情况，需要把_x,_y新命名字段，下轮继续

　　cols_dict={

　　}

　　for cols in columns:

　　cols_dict[cols+'_x']=cols + str(n)

　　cols_dict[cols+'_y']=cols + str(n+1)

　　if k==0:

　　df=dfame(columns=cols_dict)

　　n=n + 2

　　k=1

　　print('code 1')

　　print(df)

　　#构造数据集——上证、深成指数

　　'ts_code':'1'}

　　columns=self.index_daily_column.copy() #默认list为传址，需要赋值新list

　　print(self.index_daily_column)

　　for index_daily in self.index_daily:

　　query_dict['ts_code']=index_daily

　　for d in self.index_daily_column:

　　df=pd.merge(left=df,right=df1,how='left',on=['trade_date'])

　　#构造数据集——情绪指数

　　columns=self.sentiment_index_column.copy()

　　for sentiment_index in self.sentiment_index:

　　query_dict['ts_code']=sentiment_index

　　for d in self.sentiment_index_column:

　　df=df.fillna(0) #数据缺失补上为0，相当于停盘！！！

　　df.to_csv(filename)