大家好,我是老表,今天这篇文章和大家分享一下如何利用Python获取股票、基金数据,并进行可视化,为金融分析&可视化先导篇。
首先需要你的电脑安装好了Python环境,并且安装好了Python开发工具。
如果你还没有安装,可以参考以下文章:
如果仅用Python来处理数据、爬虫、数据分析或者自动化脚本、机器学习等,建议使用Python基础环境+jupyter即可,安装使用参考Windows/Mac 安装、使用Python环境+jupyter notebook
如果想利用Python进行web项目开发等,建议使用Python基础环境+Pycharm,安装使用参考 :Windows下安装、使用Pycharm教程,这下全了 和 Mac下玩转Python-安装&使用Python/PyCharm 。
本次实验是在jupyter notebook上进行,默认你已经安装好了Python基本环境和jupyter,如果没有安装可以看上面的环境安装部分。
首先打开终端,输入:
jupyter notebook
即可进入jupyter,会自动连接服务器,并跳转到网页,新建一个python文件。
给文件重命名,容易区分:
在代码块中输入以下指令并运行,即可安装mplfinance(金融数据可视化,基于matplotlibe和pandas)和akshare(金融数据获取模块):
!pip3 install mplfinance --user
!pip3 install akshare --user
2.3.1 mplfinance 基本介绍:用于金融数据可视化和可视化分析的 matplotlib 实用程序(接口),基于matplotlibe开发,并且与pandas的DataFrame数据有很好的结合。
项目地址:https://github.com/matplotlib/mplfinance
基本使用方法:
import mplfinance as mpf
mpf.plot(data)
其中 data数据是一个DataFrame数据类型,必须包含:Open, High, Low and Close这四列,并且有时间日期索引(类型为:DatetimeIndex)。
接下来,我们虚拟一个数据来看看效果吧:
import mplfinance as mpf
import pandas as pd
# 创建日期索引
index_date = pd.DatetimeIndex(['20210906', '20210907', '20210908', '20210909'])
# 随便创建数据
data = pd.DataFrame({
'Open': [1, 2, 3, 4],
'High': [2, 3, 4, 5],
'Low' : [0.5, 1, 2, 2],
'Close': [2, 3, 4, 3]
}, index=index_date)
# 调用plot函数 进行绘图
mpf.plot(data)
我们看到,现在根据模拟数据我们简单绘制了一个简单的OHLC线条。
type参数使用,让绘图更加精彩:
mpf.plot(data,type='candle')
mpf.plot(data,type='line')
type还可以为:renko、pnf。
mav参数可以添加移动平均线,更好的看趋势。
mpf.plot(data, type='candle', mav=2)
还可以添加多条移动平均线:
mpf.plot(data, type='candle', mav=(2, 3))
更多使用方法,后面分章节给大家介绍,也欢迎大家去github地址自行学习,和我以及简说Python学习群友进行交流。
2.3.2 akshare 基本介绍:AKShare 是一个优雅简单的 Python 金融数据接口库,你可以利用这个库轻松获取到金融财经数据。
项目地址:https://github.com/jindaxiang/akshare/ 基本使用方法:
import akshare as ak
# 获取上证指数每日的变化数据 OHLC
sz_index = ak.stock_zh_index_daily(symbol="sh000001")
这样就可以获取到上证指数所有历史数据啦~
# 获取茅台股票每日的变化数据 采用前复权方式计算(关于复权计算更多知识以后分享,大家可以网络查找相关资料)
stock_zh_mt_hist_df = ak.stock_zh_a_hist(symbol="600519", period="daily", start_date="20170301", end_date='20210913', adjust="qfq")
# 获取港股腾讯股票历史数据
stock_hk_tx_hist_df = ak.stock_hk_hist(symbol="00700", start_date="20170301", end_date="20210913", adjust="qfq")
# 获取美股苹果公司历史股票数据
stock_us_apple_hist_df = ak.stock_us_hist(symbol='105.AAPL', start_date="20100101", end_date="20210913", adjust="qfq")
# 获取易方达蓝筹从发行到现在的净值数据
yfd_fund = ak.fund_em_open_fund_info(fund="005827", indicator="单位净值走势")
更多使用方法,后面分章节给大家介绍,也欢迎大家去github地址自行学习,和我以及简说Python学习群友进行交流。
按上面方法,我们获取上证指数数据后,选取从2020-01-01
到现在的数据进行可视化,然后在进行细分可视化,并选择不同的移动平均线。
2020-01-01
- '2021-09-13
, mav=(200, 300, 350)
import akshare as ak
import mplfinance as mpf
import pandas as pd
# 获取上证指数每日的变化数据 OHLC
sz_index = ak.stock_zh_index_daily(symbol="sh000001")
data1 = sz_index.loc['2020-01-01 00:00:00+00:00':'2021-09-13 00:00:00+00:00']
mpf.plot(data1, type='candle', mav=(200, 300, 350), volume=True)
2021-01-01
- '2021-09-13
, mav=(30, 60, 120)
data2 = sz_index.loc['2021-01-01 00:00:00+00:00':'2021-09-13 00:00:00+00:00']
mpf.plot(data2, type='candle', mav=(30, 60, 120), volume=True)
2021-04-01
- '2021-09-13
, mav=(5, 10, 20)
data3 = sz_index.loc['2021-04-01 00:00:00+00:00':'2021-09-13 00:00:00+00:00']
mpf.plot(data3, type='candle', mav=(5, 10, 20), volume=True)
今天就到这里啦。