雖然同花順之類的金融理財(cái)應(yīng)用的數(shù)據(jù)足夠好了，但還是有自己定制的沖動(dòng), 數(shù)據(jù)自然不會(huì)不會(huì)比前者好很多，但是按照自己的想法來定制還是不錯(cuò)的。

目標(biāo)

通過免費(fèi)的數(shù)據(jù)接口獲取數(shù)據(jù)，每日增量更新標(biāo)的歷史交易數(shù)據(jù), 然后通過Kibana做可視化及數(shù)據(jù)分析.

其實(shí)自己通過echarts之類的可視化框架做可視化也是個(gè)不錯(cuò)的選擇，不過前期成本太大。還有就是pandas+matplotlib已經(jīng)足以應(yīng)付大部分需求了，可是交互感太弱，所以借助一個(gè)可視化應(yīng)用是很有必要的，這里選擇的是kibana, 它的競品有Grafana.

這個(gè)目標(biāo)應(yīng)該會(huì)一直下去

成長離不開與優(yōu)秀的同伴共同交流，如果你需要好的學(xué)習(xí)環(huán)境，好的學(xué)習(xí)資源，這里歡迎每一位熱愛Python的小伙伴

環(huán)境配置

Python3(推薦Anaconda安裝)

安裝相關(guān)依賴：

pip install -r requirement.txt

配置eleasticsearch, kibana環(huán)境(推薦使用docker)

Elasticsearch, Logstash, Kibana 7.2.0

數(shù)據(jù)源

獲取數(shù)據(jù)的方式有很多種，收費(fèi)或者免費(fèi)，作為業(yè)余愛好者自然選擇免費(fèi)的，這里選擇 tushare.pro, 但其實(shí)tushare會(huì)有一點(diǎn)限制, 如獲取數(shù)據(jù)的頻率有一定的限制，并且接口也有限制, 需要很多積分。

其他的免費(fèi)的數(shù)據(jù)獲取方式的，大家可以自己嘗試

pytdx

fooltrader

QUANTAXIS

獲取數(shù)據(jù)

配置自己的token

import tushare as ts ts.set_token("<your_token>") pro = ts.pro_api("<your_token>")

關(guān)于Token的獲取可以參考一下鏈接

https://tushare.pro/document/1?doc_id=39

嘗試手動(dòng)獲取數(shù)據(jù)

通過日期取歷史某一天的全部歷史 df = pro.daily(trade_date='20190725')df.head() ts_code trade_date open high low close pre_close change pct_chg vol amount value 0 000032.SZ 20190725 9.49 9.60 9.47 9.56 9.49 0.07 0.7376 12658.35 12075.625 8906.981000 1 000060.SZ 20190725 4.39 4.40 4.35 4.36 4.39 -0.03 -0.6834 129331.65 56462.292 -38586.330353 2 000078.SZ 20190725 3.37 3.38 3.35 3.38 3.37 0.01 0.2967 76681.00 25795.633 7653.564311 3 000090.SZ 20190725 5.66 5.66 5.56 5.61 5.64 -0.03 -0.5319 105582.72 59215.389 -31496.665409 4 000166.SZ 20190725 4.97 4.98 4.93 4.96 4.97 -0.01 -0.2012 268122.48 132793.120 -26717.975744獲取某一只股票的日線行情數(shù)據(jù) data = ts.pro_bar(ts_code="601668.SH", adj='qfq', start_date="20120101") data.head() ts_code trade_date open high low close pre_close change pct_chg vol amount 0 601668.SH 20190726 6.01 6.06 5.98 6.03 6.04 -0.01 -0.17 696833.16 419634.547 1 601668.SH 20190725 6.05 6.07 6.02 6.04 6.04 0.00 0.00 543074.55 327829.380 2 601668.SH 20190724 6.09 6.11 6.02 6.04 6.05 -0.01 -0.17 788228.12 477542.609 3 601668.SH 20190723 5.93 6.07 5.92 6.05 5.94 0.11 1.85 1077243.46 650250.021 4 601668.SH 20190722 6.02 6.03 5.92 5.94 6.00 -0.06 -1.00 811369.73 485732.343

數(shù)據(jù)的獲取自然是需要自動(dòng)化的，但是由于接口的限制，所以需要考慮以下問題。

股票列表

判斷是否超出接口限制，如果是，則暫停一段時(shí)間

關(guān)鍵代碼部分

def save_data(code, start_date, fp):print("下載股票(%s)日線數(shù)據(jù)到 %s" % (code, fp))try:data = ts.pro_bar(ts_code=code, adj='qfq', start_date=start_date)# 當(dāng)超過調(diào)用次數(shù)限制返回Noneif data is None:time.sleep(10)returnpass_set.add(code)except Exception:time.sleep(10)print("股票: %s 下載失敗" % code)returnif len(data) == 0:pass_set.add(code)returntry:data.trade_date = pd.to_datetime(data.trade_date)data = data.sort_values("trade_date")if path.exists(fp):data.to_csv(fp, mode="a", header=False, index=False)else:data.to_csv(fp, index=False)except Exception:print("股票:%s 保存失敗" % code)

大家可以參考我GitHub倉庫的save_data.py, 通過以下命令就可以自動(dòng)下載數(shù)據(jù)了

python save_data.py

代碼里面配置的起始時(shí)間是2012-01-01,有需要的課自行更改，值得注意的是需要在同級目錄配置一個(gè)config.json, 內(nèi)容如下

{"token": "<your_token>" }配上自己的token

配置elasticsearch, kibana

這里使用的是docker進(jìn)行配置。

# 拉取鏡像 docker pull sebp/elk:720# 啟動(dòng)docker環(huán)境 docker run -p 5601:5601 -p 9200:9200 -p 5044:5044 -v /home/elasticsearch/:/var/lib/elasticsearch -itd sebp/elk:720

轉(zhuǎn)存數(shù)據(jù)

將數(shù)據(jù)上傳到elasticsearch里面以便數(shù)據(jù)分析

配置settings.py

# 將ip:port改成自己elasticsearch地址，如192.168.56.102:9200 config["es_host"] = ["ip:port"]

運(yùn)行代碼

# 上傳股票數(shù)據(jù) python cmd.py dump# 上傳上證指數(shù)數(shù)據(jù) python cmd.py dump_index

可視化

配置kibana是需要一定的時(shí)間的，好在kibana現(xiàn)在是大多數(shù)配置都支持導(dǎo)入導(dǎo)出，所以大家可以通過我倉庫的export.ndjson文件直接導(dǎo)入

效果展示

由于現(xiàn)在接口受限，獲取的股票因子有限，所以等我的積分更多了，我會(huì)加入更多的dashboard, 以及visualization.

總結(jié)

以上是生活随笔為你收集整理的python接口 同花顺_利用python探索股票市场数据指南的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。