Python 数据分析中金融数据的来源库和简单操作

金融数据

目录

• 金融数据
  • pandas-datareader
    • • 安装
      • 使用
  • TuShare
    • • 数据类型
      • 使用
  • 金融学图表
    • 案例
      • candlestick2_ochl
      • candlestick_ochl
      • plot_day_summary2_ochl
      • plot_day_summary_oclh

数据分析离不开数据的获取，这里介绍几种常用的获取金融方面数据的方法。

pandas-datareader

pandas-datareader 库包含了全球最著名的几家公司所整理的金融数据，这些数据库包括：

• 雅虎财经
• 谷歌财经
• 圣路易斯储备银行
• 肯尼斯·弗伦其数据库
• 世界银行

安装

pip install -U pandas-datareader

使用

引入库：import pandas_datareader.data as web

获取数据：
web.DataReader（name=，data_source=，start=，end=）
通过指定的数据源获取金融数据并返回 DataFrame 类型的数据。

• name：数据集名称，通常是股票代码
• data_source：数据源，yahoo，google，fred，ff 等
• start，end 起始（默认为 2010/01/01）、结束日期（默认为当天）

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

• 免费、开源的python财经数据接口包
• 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
• TuShare 返回的绝大部分的数据格式都是 pandas DataFrame 类型

数据类型

• 股票分类数据
  http://tushare.org/classifying.html
• 基本面数据
  http://tushare.org/fundamental.html
• 宏观经济
  http://tushare.org/macro.html
• 新闻事件数据
  http://tushare.org/newsevent.html

使用

• 安装：
  pip install -U tushare
• 引入
  import tushare as ts
• 历史数据获取
  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')

• 实时数据获取
  ts.get_today_all()

金融学图表

matplotlib 库自带的画图工具 matplotib.finance 可满足我们的基本使用。

API链接：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

引入相应库：

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

获取数据：
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))
# 蜡烛图
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()