Python 數據分析中金融數據的來源庫和簡單操作

金融數據

目錄

• 金融數據
  • pandas-datareader
    • 安裝
    • 使用
  • TuShare
    • 數據類型
    • 使用
  • 金融學圖表
    • 案例
      • candlestick2_ochl
      • candlestick_ochl
      • plot_day_summary2_ochl
      • plot_day_summary_oclh

數據分析離不開數據的獲取，這里介紹幾種常用的獲取金融方面數據的方法。

pandas-datareader

pandas-datareader 庫包含了全球最著名的幾家公司所整理的金融數據，這些數據庫包括：

• 雅虎財經
• 谷歌財經
• 聖路易斯儲備銀行
• 肯尼斯·弗倫其數據庫
• 世界銀行

安裝

pip install -U pandas-datareader

使用

引入庫：import pandas_datareader.data as web

獲取數據：
web.DataReader（name=，data_source=，start=，end=）
通過指定的數據源獲取金融數據並返回 DataFrame 類型的數據。

• name：數據集名稱，通常是股票代碼
• data_source：數據源，yahoo，google，fred，ff 等
• start，end 起始（默認為 2010/01/01）、結束日期（默認為當天）

start_dt = datetime.datetime(2010, 1, 1)
end_dt = datetime.date.today()

google_data = web.DataReader(name='GOOG', data_source='google', start=start_dt, end=end_dt)

TuShare

• 免費、開源的python財經數據接口包
• 實現對股票等金融數據從數據采集、清洗加工到數據存儲的過程
• TuShare 返回的絕大部分的數據格式都是 pandas DataFrame 類型

數據類型

• 股票分類數據
  http://tushare.org/classifying.html
• 基本面數據
  http://tushare.org/fundamental.html
• 宏觀經濟
  http://tushare.org/macro.html
• 新聞事件數據
  http://tushare.org/newsevent.html

使用

• 安裝：
  pip install -U tushare
• 引入
  import tushare as ts
• 歷史數據獲取
  ts.get_k_data()

import tushare as ts
start_dt = datetime.datetime(2010, 1, 1)
end_dt = datetime.date.today()

maotai_data = ts.get_k_data(code='600519', start='2010-01-01', end='2017-07-01')

• 實時數據獲取
  ts.get_today_all()

金融學圖表

matplotlib 庫自帶的畫圖工具 matplotib.finance 可滿足我們的基本使用。

API鏈接：https://matplotlib.org/api/finance_api.html

常用的方法有：

• candlestick2__ochl,candlestick2_ohlc
• candlestick_ochl,candlestick_ohlc
• plot_day_summary2_ochl,plot_day_summary2_ohlc
• plot_day_summary_oclh,plot_day_summary_ohlc

案例

引入相應庫：

import tushare as ts
import matplotlib.pyplot as plt
import matplotlib
from matplotlib.dates import date2num, DateFormatter
import matplotlib.finance as mpf
import pandas as pd
%matplotlib inline

獲取數據：
stock_data = ts.get_k_data(code='600519', start='2017-01-01', end='2017-07-01')

candlestick2_ochl

fig, ax = plt.subplots(figsize=(12, 5))
mpf.candlestick2_ochl(ax, stock_data['open'], stock_data['close'], stock_data['high'], stock_data['low'], 
                      width=0.6, colorup='r', colordown='g')

ax.set_xticklabels(stock_data['date'])

plt.grid(True)
plt.xticks(rotation=45)
plt.ylabel('Stock Price')
plt.xlabel('Date')
plt.show()

candlestick_ochl

ochl_data = stock_data[['date', 'open', 'close', 'high', 'low']]
ochl_data['date'] = pd.to_datetime(ochl_data['date'])
ochl_data['date'] = ochl_data['date'].apply(date2num)

fig, ax = plt.subplots(figsize=(12, 5))
# 蠟燭圖
mpf.candlestick_ochl(ax, ochl_data.values, width=.6, colorup='r', colordown='g')
ax.xaxis_date()
ax.autoscale_view()
ax.xaxis.set_major_formatter(DateFormatter('%Y-%m-%d'))

plt.grid(True)
plt.xticks(rotation=45)
plt.ylabel('Stock Price')
plt.xlabel('Date')
plt.show()

plot_day_summary2_ochl

fig, ax = plt.subplots(figsize=(12, 5))
mpf.plot_day_summary_ochl(ax, stock_data['open'], stock_data['close'], stock_data['high'], stock_data['low'], 
                           colorup='r', colordown='g')

ax.set_xticklabels(stock_data['date'])

plt.grid(True)
plt.xticks(rotation=45)
plt.ylabel('Stock Price')
plt.xlabel('Date')
plt.show()

plot_day_summary_oclh

oclh_data = stock_data[['date', 'open', 'close', 'low', 'high']]
oclh_data['date'] = pd.to_datetime(oclh_data['date'])
oclh_data['date'] = oclh_data['date'].apply(date2num)

fig, ax = plt.subplots(figsize=(12, 5))
mpf.plot_day_summary_oclh(ax, oclh_data.values, colorup='r', colordown='g')

ax.xaxis_date()
ax.autoscale_view()
ax.xaxis.set_major_formatter(DateFormatter('%Y-%m-%d'))

plt.grid(True)
plt.xticks(rotation=45)
plt.ylabel('Stock Price')
plt.xlabel('Date')
plt.show()