① 如何用python代碼判斷一段范圍內股票最高點
Copyright © 1999-2020, CSDN.NET, All Rights Reserved
登錄
python+聚寬 統計A股市場個股在某時間段的最高價、最低價及其時間 原創
2019-10-12 09:20:50
開拖拉機的大寶
碼齡4年
關注
使用工具pycharm + 聚寬數據源，統計A股市場個股在某時間段的最高價、最低價及其時間，並列印excel表格輸出
from jqdatasdk import *
import pandas as pd
import logging
import sys
logger = logging.getLogger("logger")
logger.setLevel(logging.INFO)
# 聚寬數據賬戶名和密碼設置
auth('username','password')
#獲取A股列表，包括代號，名稱，上市退市時間等。
security = get_all_securities(types=[], date=None)
pd2 = get_all_securities(['stock'])
# 獲取股票代號
stocks = list(get_all_securities(['stock']).index)
# 獲取股票名稱
stocknames = pd2['display_name']
start_date = '2015-01-01'
end_date = '2018-12-31'
def get_stocks_high_low(start_date,end_date):
# 新建表，表頭列
# 為："idx","stockcode","stockname","maxvalue","maxtime","lowvalue","lowtime"
result = pd.DataFrame(columns=["idx", "stockcode", "stockname", "maxvalue", "maxtime", "lowvalue", "lowtime"])
for i in range(0,stocks.__len__()-1):
pd01 = get_price(stocks[i], start_date, end_date, frequency='daily',
fields=None, skip_paused=False,fq='pre', count=None)
result=result.append(pd.DataFrame({'idx':[i],'stockcode':[stocks[i]],'stockname':
[stocknames[i]],'maxvalue':[pd01['high'].max()],'maxtime':
[pd01['high'].idxmax()],'lowvalue': [pd01['low'].min()], 'lowtime':
[pd01['low'].idxmin()]}),ignore_index=True)
result.to_csv("stock_max_min.csv",encoding = 'utf-8', index = True)
logger.warning("執行完畢！
② python獲取一隻股票的行情，為什麼出現這么多問題
首先，你要確定下你的庫文件是否安裝正常，測試方法，就是在交互模式下測試。
其次，不要用別名，在試試。
希望能幫到你。。。。
③ 為什麼pandas有國內股票數據
都是公開發行上市的股票，當然會有的，Pandas是數據分析工具包
TuShare是國內股票數據抓取工具，除了股票的實時和歷史數據，還有基本面數據，加上自然語言處理（比如情緒分析），或者機器學習，就比較有趣了。
④ 用Python能做哪些事情
Python作為一門膠水語言，其實能做的事非常多，下面我簡單介紹一下，分為八個方面，主要內容如下：
數據處理
Python提供了大量用於數據處理和科學計算的庫，像numpy,scipy,pandas等，對於矩陣計算、線性代數等，numpy可以快速計算並得到結果，pandas內置的DataFrame類型可以快速處理各種常見的文件，像CSV，Excel，JSon等，是數據分析的利器，在數據處理中經常使用：
可視化
Python數據可視化庫也非常豐富，除了經常使用的matplotlib外，還有許多其他可視化庫，像seaborn，pyecharts等，繪制的圖形種類更豐富，更漂亮，代碼量也更少，非常容易學習，對於日常作圖製表來說，是一個非常不錯的選擇：
機器學習
現在機器學習正火，其實Python裡面也有現成的機器學習模塊可供學習—scikit-learn，對於常見的機器學習演算法，像分類、回歸、聚類、降維等，這個模塊都有現成的代碼可直接使用，非常方便，對於想入門機器學習的朋友來說，這是一個非常不錯的選擇：
神經網路
神經網路起源應該比較早了，目前在圖像領域應用比較廣泛，Python也有現成的神經網路模塊可供使用，比較有名的就是谷歌開源的tensorflow，可以快速構建神經網氏轎絡模型，並支持GPU計算，對於科研人員來說，是一個非常不錯的選擇，當然，除此之虛埋外，還有更高級的theano，keras等，使用也非常方便：
財經金融
對於想快速獲取股票財經數據的朋友來說，Python也有現成的模塊可供使用—tushare，一個免費、開源的財經數據介麵包，可以快速獲取國內股票數據，而且自動整合了數據爬取、清洗到加工的過程，使用起來非常不錯，對於金融分析人員來說，是一個非常不錯的工具：
爬蟲
Python非常適合做網頁爬蟲，像常見的urllib，bs4，requests，lxml等模塊，對於爬取大部分網頁來說非常容易，請求解析於一身，可以快速獲取到我們需要的數據，當然，為了提高開發效率，避免重復造輪子，Python也提供了一個非常受歡迎的爬蟲框架—scrapy，可定製性更高，用戶只需要添加少量代碼，便可快速啟動爬蟲：
游戲開發
對於游戲開發來差核螞說，Python也有一個專門的平台—pygame，專門用於游戲開發，對於開發小型游戲來說，這是一個非常不錯的選擇，擺脫了低級語言的束縛，代碼量更少也更易學習，對於游戲感興趣的朋友來說，這是一個非常不錯的選擇：
視頻下載
對於視頻下載來說，Python也有一個下載利器—you-get，可以免費快速的下載優酷、B站、美拍等網站視頻，不需要登錄，一鍵you-get就可以下載視頻到本地，還支持在線播放功能，除此之外，還可以下載圖片、音頻等文件，是一個非常實用的工具：
目前，就分享這8個方便吧，比較實用也比較有趣，當然，還有許多其他方面的，像Web開發、桌面GUI、測試、運維、樹莓派等，網上也有相關資料可供參考，感興趣的朋友可以自己搜一下，希望以上分享的內容能對你有所幫助吧
⑤ 如何在國泰安資料庫中找上市公司股票期權的數據
基本上需要這些步驟：
（1）用賬號登陸界面，進行頁面數據分析，提取出需要下載的數據
（2）添加cookie和header之類，模擬用戶行為。
（3）遠程下載到本地
這其中要注意設置代理，防止被封IP之類的問題。可以選擇Python爬蟲進行處理。
⑥ 怎樣用python提取不同股票csv里特定時間段的數據
用pandas庫，
import pandas as pd
data = pd.read_csv('train.csv')
train_data = data.values[0:TRAIN_NUM,1:]
train_label = data.values[0:TRAIN_NUM,0]
study.163.com/course/courseMain.htm?courseId=1000035
機器學習正好講了這個手寫識別的例子！
⑦ 如何使用python 抓取雪球網頁
現在關注一個組合，就會有持倉變動的提示了。不過我覺得這事情挺有意思的。比如可以把很多持倉的數據都抓下來，做一些綜合的分析，看看現在網站上被持有最多的股票是哪一支，某一天被調入最多的又是哪一支之類。
於是我決定來抓抓看，順便藉此說說我通常用程序做自動抓取的過程。
Step.1 分析頁面
要抓一個網頁，首先自然是要「研究」這個網頁。通常我會用兩種方式：
一個是 Chrome 的 Developer Tools。通過它裡面的 Network 功能可以看到頁面發出的所有網路請求，而大多數數據請求都會在 XHR 標簽下。點擊某一個請求，可以看到其具體信息，以及伺服器的返回結果。很多網站在對於某些數據會有專門的請求介面，返回一組 json 或者 XML 格式的數據，供前台處理後顯示。
另一個就是直接查看網頁源代碼。通常瀏覽器的右鍵菜單里都有這個功能。從頁面的 HTML 源碼里直接尋找你要的數據，分析它格式，為抓取做准備。
對於雪球上的一個組合頁面 粗略地看了一下它發出的請求，並沒有如預想那樣直接找到某個數據介面。看源代碼，發現有這樣一段：
SNB.cubeInfo = {"id":10289,"name":"誓把老刀挑下位","symbol":"ZH010389" ...此處略過三千字... "created_date":"2014.11.25"}
SNB.cubePieData = [{"name":"汽車","weight":100,"color":"#537299"}];
cubeInfo 是一個 json 格式的數據，看上去就是我們需要的內容。一般我會找個格式化 json 的網站把數據復制進去方便查看。
這應該就是組合的持倉數據。那麼接下來，一切似乎都簡單了。只要直接發送網頁請求，然後把其中 cubeInfo 這段文字取出，按 json 讀出數據，就完成了抓取。甚至不用動用什麼 BeautifulSoup、正則表達式。
Step.2 獲取頁面
分析完畢，開抓。
直接 urllib.urlopen 向目標網頁發送請求，讀出網頁。結果，失敗了……
看了下返回結果：
403 Forbidden
You don't have permission to access the URL on this server. Sorry for the inconvenience.
被拒了，所以這種赤裸裸地請求是不行的。沒關系，那就稍微包裝一下：
send_headers = {
'User-Agent':'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_10_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.2357.81 Safari/537.36',
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8',
'Connection':'keep-alive',
'Host':'xueqiu.com',
'Cookie':r'xxxxxx',
}
req = urllib2.Request(url, headers=send_headers)
resp = urllib2.urlopen(req)
html = resp.read()
header 數據都可以從 Developer Tools 里拿到。這次順利抓到頁面內容。
一般網站或多或少都會對請求來源做一些阻攔，通過加 header 可以搞定大部分情況。
Step.3 提取數據
因為這個數據比較明顯，直接用通過一些字元串查找和截取操作就可以取出來。
pos_start = html.find('SNB.cubeInfo = ') + len('SNB.cubeInfo = ')
pos_end = html.find('SNB.cubePieData')
data = html[pos_start:pos_end]
dic = json.loads(data)
dic 就是一個包含數據的字典對象。之後想干什麼就隨便你了。
對於復雜一點的情況，可以通過 BeautifulSoup 來定位 html 標簽。再不好辦的，就用正則表達式，基本都可以解決掉。
Step.4 處理數據
因為我想對數據進行持久化存儲，並且做展示和分析，所以我用了 django 里的 ORM 來處理抓下來的數據。
# add Portfolio
portfolio, c = models.Portfolio.objects.get_or_create(code=dic['symbol'])
portfolio.name = dic['name']
portfolio.earnings = dic['total_gain']
portfolio.save()
# add Stock
stocks = dic['view_rebalancing']['holdings']
for s in stocks:
stock, c = models.Stock.objects.get_or_create(code=s['stock_symbol'])
stock.name = s['stock_name']
stock.count += 1
stock.weight += s['weight']
stock.save()
Portfolio 記錄下組合及其收益，Stock則記錄每支股票的被收錄數和總收錄份額。
對於抓取到的，一般也可以存在文件中，或者直接通過 SQL 存入資料庫，視不同情況和個人喜好而定。
Step.5 批量抓取
前面的一套做下來，就完整地抓取了一組數據。要達到目的，還要設計一下批量抓取的程序。
一個要解決的問題就是如何獲得組合列表。這個可以再通過另一個抓取程序來實現。然後根據這些列表來循環抓取就可以了。
若要細究，還要考慮列表如何保存和使用，如何處理抓取失敗和重復抓取，如何控制抓取頻率防止被封，可否並行抓取等等。
Step.6 數據分析
數據有了，你要怎麼用它，這是個很大的問題。可以簡單的統計現象，也可以想辦法深入分析背後隱藏的邏輯。不多說，我也還只是在摸索之中。
⑧ 如何利用一些 finance 資料庫 api 批量獲取股票信息
使用Yahoo API獲取股票信息。