基于python的证券数据可视化入门(数据不好找，模型不好整)

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了基于python的证券数据可视化入门(数据不好找，模型不好整)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1992字，纯文字阅读大概需要3分钟。

内容图文

前言：

人工智能的触手遍及各种行业，其中最让人眼红的莫过于金融行业。伸手就能割韭菜，何乐不为！但是，要怎么样才能真正割好韭菜，各路大神也是挠破头了吧。。。现在入门还算迟吗？

不！，你还不赶紧入门？

我们今天主要说说上回介绍的几个金融数据python库的入门方式。简介主要以股票数据作为介绍基础。

1、Tushare

安装：

pip install tushare

导入数据：

import pandas as pd

import tushare as ts

df = ts.get_k_data("603336",start='2016-11-24')

数据预览

#

采用help可以简要浏览使用方式：

这个库算是比较简单上手的，可是如果你深入了解，可以发现这个库希望商业化，后续将不可避免的逐渐不友好。

2、akshare

安装

Pip install akshare

使用

import akshare as ak

stock_zh_a_daily_qfq_df = ak.stock_zh_a_daily(symbol="sz000002", start_date="20101103", end_date="20201116", adjust="qfq")

print(stock_zh_a_daily_qfq_df)

 

这里使用ak.stock_zh_a_daily意思是日的国内股票数据

预览

使用help功能：

解释也很清楚，目前我的总结是分钟数据比较不友好。

3、baostock

安装

Pip install baostock

使用

import baostock as bs

import pandas as pd

lg = bs.login()

print('login respond error_code:'+lg.error_code)

print('login respond  error_msg:'+lg.error_msg)

 

rs = bs.query_history_k_data_plus("sh.600000",

    "date,code,open,high,low,close,preclose,volume,amount,adjustflag,turn,tradestatus,pctChg,isST",

    start_date='2017-07-01', end_date='2017-12-31',

    frequency="d", adjustflag="3")

print('query_history_k_data_plus respond error_code:'+rs.error_code)

print('query_history_k_data_plus respond  error_msg:'+rs.error_msg)

data_list = []

while (rs.error_code == '0') & rs.next():

    # 获取一条记录，将记录合并在一起

    data_list.append(rs.get_row_data())

result = pd.DataFrame(data_list, columns=rs.fields)

预览

这部分就不help了，直接上官网吧：

http://baostock.com/baostock/index.php/A%E8%82%A1K%E7%BA%BF%E6%95%B0%E6%8D%AE

有网友总结，数据库不完整（期货）

数据不易，且行且珍惜。。。

欢迎关注：一个有趣的灵魂W

往期

数据就是生命，素材打好基础—Python教你获取金融数据

全国2019年水系数据共享

中国范围2018年矢量数据分享（含道路网）

内容总结

以上是互联网集市为您收集整理的基于python的证券数据可视化入门(数据不好找，模型不好整)全部内容，希望文章能够帮你解决基于python的证券数据可视化入门(数据不好找，模型不好整)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端